Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elibrary.kdpu.edu.ua/xmlui/handle/0564/1253Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Соловйов, Володимир Миколайович | - |
| dc.contributor.author | Соловйова, Вікторія Володимирівна | - |
| dc.date.accessioned | 2017-08-23T18:58:00Z | - |
| dc.date.available | 2017-08-23T18:58:00Z | - |
| dc.date.issued | 2016 | - |
| dc.identifier.citation | Соловйов В. М. Моделювання мультиплексних мереж / В. М. Соловйов, В. В. Соловйова // Актуальні проблеми прогнозування поведінки складних соціально-економічних систем : монографія / за ред. О. І. Черняка, П. В. Захарченка. – Бердянськ, 2016. – С. 228-243. | uk |
| dc.identifier.isbn | 978-966-2261-00-0 | - |
| dc.identifier.uri | http://elibrary.kdpu.edu.ua/handle/0564/1253 | - |
| dc.identifier.uri | https://doi.org/10.31812/0564/1253 | - |
| dc.description | 1. Малинецкий Г.Г. Теория самоорганизации. На пороге IV парадигмы / Г.Г.Малинецкий // Компьютерные исследования и моделирование. – 2013. – Т.5, №3. – С.315-366. 2. Кун Т. Структура научных революцій / Т.Кун // — М.: АСТ, 2009. — 320 с. 3. Пригожин И. От существующего к возникающему: Время и сложность в физических науках / И.Пригожин. – Перевод с английского. Серия "Синергетика: от прошлого к будущему". Изд.3 URSS, 2006. - 296 с. 4. Barrat A. Dynamical processes on complex networks / Barrat A., Barthelemy M., Vespignani A. // Cambridge University Press, 2008. – 347 p. 5. Halvin S., Cohen R. Complex networks. Structure, robustness and function / Halvin S., Cohen R. // Cambridge University Press, 2010. – 238 p. 6. Albert R., Barabasi A.-L. Statistical Mechanics of Complex Networks, Rev. Mod. Phys. – 2002. -V.74. –P.47-97. [Електронний ресурс] – Режим доступу: arXiv.org/cond-mat/0106096. 7. Newman M., Watts D., Barabási A.-L. The Structure and Dynamics of Networks, Princeton University Press. - 2006. – 456 p. 8. Newman M. E. J. The structure and function of complex networks, SIAM Reviews. – 2003. – V.45(2). – P.167-256. [Електронний ресурс] – Режим доступу: arXiv.org/cond-mat/0303516. 9. Boccaletti S., Latora V., Moreno Y., Chavez M., Hwang D.-U. Complex networks: Structure and dynamics, Phys. Rep. – 2006, - V.424. – P.175-209. 10. Евин И.А. Введение в теорию сложных сетей. / Е.И.Евин // Математические основы и численные методы моделирования. – 2010. –Т.2, №2. – С.121-141. 11. Головач Ю. Складні мережі / Ю.Головач, О.Олемский, К. фон Фербер та ін. // Журнал фізичних досліджень. – 2006. – Т.10, № 4. – С.247-289. 12. Ландэ Д.В., Снарский А.А., Безсуднов И.В. Интернетика: Навигация в сложных сетях: модели и алгоритмы. – М.: Книжный дом «ЛИБРИКОМ», 2009. – 264 с. 13. Bianconi G. Interdisciplinary and physics challenges in network theory / G. Bianconi // Europhysics Letters. – 2015. – Vol. 11, № 5. – P.1-7. 14. Danilchuk G. Dynamics of graph spectral entropy in financial crisis / G. Danilchuk, V. Soloviev // Socio-economic aspects of economics and management. - Taunton, MA, USA. – 2015. – Vol. 2. – P. 227-234. 15. Марш, П. Новая промышленная революция. Потребители, глобализация и конец массового производства [Текст] / пер. с англ. Анны Шоломицкой. – М.: Изд-во Института Гайдара, 2015. – 420 с. 16. Соловйов В.М. Кількісні методи оцінки складності в прогнозуванні соціально-економічних систем / В.М.Соловйов, К.В.Соловйова // В колект. монографії: «Прогнозування соціально-економічних процесів: сучасні підходи та перспективи». Бердянськ. - 2012. - с.141-155. 17. Соловйова В.В. Порівняльний аналіз динаміки фондового ринку України з використанням фрактальних мір складності / В.В.Соловйова, В.М.Соловйов, К.В.Соловйова // Вісник Черкаського університету, сер. «економічні науки», 2012. №33 (246). –С.51-58. 18. Соловйов В.М. Використання масштабно-залежних показників Ляпунова для дослідження складності фінансово-економічних систем / В.М. Соловйов, І.О. Стратійчук // Наука і економіка, науково-теоретичний журнал Хмельницького економічного університету, 2012. №4 (28), т. 2. - С. 88-93. 19. Соловйов В.М. Рекурентні міри як метод кількісної оцінки складності / В.М. Соловйов, А.В. Батир // Вісник КНУТД, 2012, № 5, с. 254-257. 20. Соловйов В.М. Ентропія Тсалліса і неекстенсивні міри складності економічних систем / В.М. Соловйов, О.А. Сердюк // В колект. монографии «Модели оценки и анализа сложных социально- экономических систем». - Х.: ИД «ИНЖЕК», 2013. - С. 146-157. 21. Рибчинська О.М. Нереверсивні міри складності / О.М. Рибчинська, В.М. Соловйов, Д.М. Чабаненко // В колект. монографії «Інформаційні технології та моделювання в економіці: на шляху до міждисциплінарності». - Черкаси: Брама-Україна, 2013. – С. 100-108. 22. Дербенцев В.Д. Синергетичні та еконофізичні методи дослідження динамічних та структурних характеристик економічних систем: [Монографія] / В.Д. Дербенцев, О.А. Сердюк, В.М. Соловйов, О.Д. Шарапов – Черкаси: Брама-Україна, 2010. – 300 с. 23. Соловйов В.М. Мережні міри складності соціально-економічних систем // Вісник Черкаського університету, сер. «Прикладна математика. Інформатика», 2015. № 38 (371). – С. 67-79. 24. Boccaletti, S., Bianconi G., Criado R., del Genio C.I., et al. The structure and dynamics of multilayer networks / Phys. Rep., 2014. - V.544, N1. - P. 1–122. 25. Donner R.V. Recurrence-based time series analysis by means of complex network methods / R.V. Donner, M. Small, J.F. Donges, N. Marwan et.al. // [Електронний ресурс] – Режим доступу: arXiv:1010.6032v1 [nlin.CD] 25 Oct 2010. 26. Lacasa L. From time series to complex networks: The visibility graph / L. Lacasa, B. Luque, F. Ballesteros et.al. // PNAS. -2008. – V. 105, No 13. – P. 4972- 4975. 27. Індекси фондових ринків / [Електронний ресурс]. – Режим доступу: http:// finance.yahoo.com | - |
| dc.description.abstract | From the standpoint of interdisciplinary self-organization theories and synergetics analyzes current approaches to modeling socio-economic systems. It is shown that the complex network paradigm is the foundation on which to build predictive models of complex systems. We consider two algorithms to transform time series or a set of time series to the network: recurrent and graph visibility. For the received network designed dynamic spectral, topological and multiplex measures of complexity. For example, the daily values the stock indices show that most of the complexity measures behaving in a characteristic way in time periods that characterize the different phases of the behavior and state of the stock market. This fact encouraged to use monitoring and prediction of critical and crisis states in socio-economic systems. | uk |
| dc.language.iso | uk | uk |
| dc.publisher | Видавець Ткачук О. В. | uk |
| dc.subject | моделювання складних систем | uk |
| dc.subject | моделювання | uk |
| dc.subject | мультиплексні мережі | uk |
| dc.subject | синергетика | uk |
| dc.subject | часові ряди | uk |
| dc.subject | графи | uk |
| dc.subject | рекурентна діаграма | uk |
| dc.title | Моделювання мультиплексних мереж | uk |
| dc.title.alternative | Modeling multiplex networks | uk |
| dc.type | Book chapter | uk |
| Розташовується у зібраннях: | Кафедра інформатики та прикладної математики (монографії) | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Soloviev_Solovieva.pdf | Розділ книги | 1.79 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.