A gépi tanulási módszerek természettudományi/műszaki alkalmazásáról sokat hallani, de mi a helyzet a társadalomtudományokkal? Erről szól Bakó Tamás írása, amelyben rövid és jól követhető gondolatmenetben áttekinti a mesterséges neurális hálózatok működésének alapjait és bemutatja az általuk használt speciális módszert, az un. Long-Short Term Memoryt (LSTM). Munkatársaival együtt arra voltak kíváncsiak, hogy az LSTM neurális háló mennyire alkalmazható rövid távú munkakereslet előrejelzésére. Olyan modellt kerestek, amely a legjobban adja vissza a foglalkoztatás rövid távú változását 2016-2017 között a 1994-2015 közötti adatok alapján. Eredményeik azt mutatták, hogy a gépi tanulásos módszer jobb rövidtávú predikciós képességgel rendelkezik, mint a hagyományos ARIMA modell.
A cikk elérhető a KRTK Absztrakt 2018. december 5-i számában.
A KRTK Közgazdaság-tudományi Intézet teljesítményéről A KRTK KTI a RePEc/IDEAS rangsorában, amely a világ közgazdaság-tudományi tanszékeit és intézeteit rangsorolja publikációs teljesítményük alapján, a legjobb ... Read More »
Tisztelt Kollégák! Tudományos kutatóként, intézeti vezetőként egész életünkben a kutatói szabadság és felelősség elve vezetett bennünket. Meggyőződésünk, hogy a tudomány csak akkor érhet el ... Read More »
Srí Lanka: a 2022-es gazdasági válság leckéje – A. Krueger Lessons from Sri Lanka Anne O. Krueger Jul 25, 2022 – Project Syndicate ... Read More »
A permanens válság korában élünk – J. Meadway We’re living in an age of permanent crisis – let’s stop planning for a ‘return ... Read More »
A 2021 végén, illetve 2022 elején tapaszalt 6, illetve 7%-os cserearányromlás brutális reáljövedelem-kivonást jelentett a magyar gazdaságból. A külső egyensúly alakulásával foglalkozó elemzések többnyire ... Read More »
