Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "logistic prediction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Cardiometabolic risk prediction in patients with non-alcoholic fatty liver disease combined with subclinical hypothyroidism
    Przewidywanie ryzyka kardiometabolicznego u pacjentów z niealkoholową stłuszczeniową chorobą wątroby w połączeniu z subkliniczną niedoczynnością tarczycy
    Autorzy:
    Kolesnikova, Olena
    Vуsotska, Olena
    Potapenko, Anna
    Radchenko, Anastasia
    Trunova, Anna I.
    Virstyuk, Nataliya
    Vasylevska-Skupa, Liudmyla
    Kalizhanova, Aliya
    Mukanova, Nazerka
    Powiązania:
    https://bibliotekanauki.pl/articles/27315426.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    cardiometabolic risk
    non-alcoholic fatty liver disease
    subclinical hypothyroidism
    prediction
    binary regression logistic analysis
    validation of prognostic models
    ryzyko kardiometaboliczne
    niealkoholowe stłuszczenie wątroby
    subkliniczna niedoczynność tarczycy
    rokowanie
    binarna analiza regresji logistycznej
    walidacja modeli prognostycznych
    Opis:
    One of the most common diseases of our time is non-alcoholic fatty liver disease (NAFLD). Recently published research results indicate that patients with NAFLD along with traditional risk factors for cardiovascular diseases (CVD) have "new"risk factors such as endothelial dysfunction (ED), carotid intima-media thickness (CIMT), an increase in the CRP level, as well as risk factors combined into the Framingham scale. It is also knownthat combination of NAFLD with subclinical hypothyroidism (SH) forms an abnormal metabolic phenotype, which is associated with cardiometabolicrisk factors. The study of cardiometabolic predictors and vascular markers in patients with NAFLD in combination with SH willprovide an opportunityto improve the strategy of cardiovascular events prevention in such comorbid patients.
    Niealkoholowe stłuszczenie wątroby (NAFLD) jest jedną z najczęstszych chorób naszych czasów. Ostatnio opublikowane wyniki badań sugerują, że pacjenci z NAFLD, wraz z tradycyjnymi czynnikami ryzyka chorób sercowo-naczyniowych (CVD), mają "nowe" czynniki ryzyka, takie jak dysfunkcja śródbłonka (ED), grubość błony wewnętrznej i środkowej tętnicy szyjnej (CIMT), podwyższony poziom CRP i czynniki ryzyka połączone w skali Framingham. Wiadomo również, że połączenie NAFLD z subkliniczną niedoczynnością tarczycy (SH) tworzy nieprawidłowy fenotyp metaboliczny związany z czynnikami ryzyka kardiometabolicznego. Badanie predyktorów kardiometabolicznych i markerów naczyniowych u pacjentów z NAFLDw połączeniu z SH pozwoli na ulepszenie strategii zapobiegania zdarzeniom sercowo-naczyniowym u takich współistniejących pacjentów.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 2; 64--68
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial intelligence in predicting the bankruptcy of non-financial corporations
    Autorzy:
    Gavurova, Beata
    Jencova, Sylvia
    Bacik, Radovan
    Miskufova, Marta
    Letkovsky, Stanislav
    Powiązania:
    https://bibliotekanauki.pl/articles/19322666.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    engineering industry
    automotive industry
    bankruptcy prediction
    Logistic regression
    artificial intelligence
    neural network
    Opis:
    Research background: In a modern economy, full of complexities, ensuring a business' financial stability, and increasing its financial performance and competitiveness, has become especially difficult. Then, monitoring the company's financial situation and predicting its future development becomes important. Assessing the financial health of business entities using various models is an important area in not only scientific research, but also business practice. Purpose of the article: This study aims to predict the bankruptcy of companies in the engineering and automotive industries of the Slovak Republic using a multilayer neural network and logistic regression. Importantly, we develop a novel an early warning model for the Slovak engineering and automotive industries, which can be applied in countries with undeveloped capital markets. Methods: Data on the financial ratios of 2,384 companies were used. We used a logistic regression to analyse the data for the year 2019 and designed a logistic model. Meanwhile, the data for the years 2018 and 2019 were analysed using the neural network. In the prediction model, we analysed the predictive performance of several combinations of factors based on the industry sector, use of the scaling technique, activation function, and ratio of the sample distribution to the test and training parts. Findings & value added: The financial indicators ROS, QR, NWC/A, and PC/S reduce the likelihood of bankruptcy. Regarding the value of this work, we constructed an optimal network for the automotive and engineering industries using nine financial indicators on the input layer in combination with one hidden layer. Moreover, we developed a novel prediction model for bankruptcy using six of these indicators. Almost all sampled industries are privatised, and most companies are foreign owned. Hence, international companies as well as researchers can apply our models to understand their financial health and sustainability. Moreover, they can conduct comparative analyses of their own model with ours to reveal areas of model improvements.
    Źródło:
    Oeconomia Copernicana; 2022, 13, 4; 1215-1251
    2083-1277
    Pojawia się w:
    Oeconomia Copernicana
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of Banks Distress – Regional Differences and Macroeconomic Conditions
    Predykcja bankructwa banków – różnice regionalne i uwarunkowania makroekonomiczne
    Autorzy:
    Iwanicz-Drozdowska, Małgorzata
    Ptak-Chmielewska, Aneta
    Powiązania:
    https://bibliotekanauki.pl/articles/655439.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    bankructwo
    CAMEL
    predykcja logistyczna
    zmienne makroekonomiczne
    banks distress
    logistic prediction
    macroeconomic variables
    Opis:
    Artykuł poświęcony został bankructwom banków europejskich z lat 1990–2015. Wykorzystane zostały w nim niezbilansowane dane panelowe dla 3691 banków. Zidentyfikowano 132 bankructwa – zarówno faktyczne, jak i wynikające z konieczności subwencji. Wykorzystano zmienne na poziomie banków typu CAMEL i kontrolne zmienne makroekonomiczne (PKB, inflacja, stopa bezrobocia). Analiza oparta została na tradycyjnym modelu regresji logistycznej do predykcji bankructwa i metodzie k‑średnich do grupowania. Otrzymane wyniki wskazują, że prawdopodobieństwo bankructwa jest zależne od warunków makroekonomicznych poprzez wyniki klasteryzacji. Zmienne na poziomie banków, które są stabilnym predyktorem bankructwa od roku do czterech lat przed zdarzeniem, to: kapitał do aktywów ogółem (dźwignia) oraz kredyty do funduszy (płynność). Z czynników makroekonomicznych istotne znaczenie ma PKB, ale ze zróżnicowanym wpływem: dla roku przed bankructwem wysokie prawdopodobieństwo bankructwa jest związane z niską dynamika PKB, ale dla 2, 3 i 4 lat przed bankructwem wysokie ryzyko bankructwa jest związane z wysoką dynamika PKB, czyli jest to zależność odwrotna. Pokazuje to zmienną rolę otoczenia makroekonomicznego i wskazuje na potencjalny wpływ sprzyjających warunków makroekonomicznych na powstawanie problemu systemowego w sektorze bankowym.
    In this study we focus on distress events of European banks over the period of 1990–2015, using unbalanced panel of 3,691 banks. We identify 132 distress events, which include actual bankruptcies as well as bailout cases. We apply CAMEL‑like bank‑level variables and control macroeconomic variables (GDP, inflation, unemployment rate). The analysis is based on traditional logistic regression and k‑means clustering. We find, that the probability of distress is connected with macroeconomic conditions via regional grouping (clustering). Bank‑level variables that were stable predictors of distress from 1 to 4 years prior to event are equity to total assets ratio (leverage) and loans to funding (liquidity). From macroeconomic factors, the GDP growth is a reasonable variable, however with differentiated impact: for 1 year distance high distress probability is connected with low GDP growth, but for 2, 3 and 4 year distance: high distress probability is conversely connected with high GDP growth. This shows the changing role of macroeconomic environment and indicates the potential impact of favorable macroeconomic conditions on building‑up systemic problems in the banking sector.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2019, 6, 345; 73-57
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Simple Binary Prediction of Daily Storm-Level Geomagnetic Activity with Solar Winds and Potential Relevance for Cerebral Function
    Autorzy:
    Caswell, J. M.
    Rouleau, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/412488.pdf
    Data publikacji:
    2014
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Geomagnetic field
    solar winds
    interplanetary magnetic field
    prediction
    logistic regression
    artificial neural network
    space Feather
    Opis:
    A number of previous studies have examined various statistical methods for the prediction of geomagnetic activity, particularly based on predictor input of solar wind variables. However, investigation of the potential for a simple binary prediction system based on either “quiet” or storm-level activity of the planetary magnetic field has been severely lacking. The goals of the current analyses were to identify potential space weather models for the accurate prediction of geomagnetic storm events. Furthermore, while the deleterious or negative effects of increases in geomagnetic activity on a range of terrestrial systems have been focused on in the past, theoretical perspectives on the potential benefits of significantly increased geomagnetic perturbations are considered.
    Źródło:
    International Letters of Chemistry, Physics and Astronomy; 2014, 17, 1; 107-113
    2299-3843
    Pojawia się w:
    International Letters of Chemistry, Physics and Astronomy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Construction elements of bankruptcy prediction models in multi-dimensional Early Warning Systems
    Elementy konstrukcji modeli predykcji upadłości w wielowymiarowych Systemach Wczesnego Ostrzegania
    Autorzy:
    Kaczmarek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/405629.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Częstochowska
    Tematy:
    upadłość
    przewidywanie upadłości
    system wczesnego ostrzegania
    logistyczny model regresji
    bankruptcy
    bankruptcy prediction
    early warning system
    logistic regression model
    Opis:
    A consequence of the inevitability of the occurrence of internal crises in companies is the taking of preventive action in place of purely remedial measures. In this respect a significant role is played by Early Warning Systems (EWS), which provide early warning information and financial threat assessments relating to the continuation of operations and bankruptcy not only for individual companies as such but also for companies as a whole. The limitations of existing models used for EWS purposes have led to the elaboration of new models, estimated on one of the largest hitherto drawn up teaching sets, constituting more than five hundred bankrupt companies. These models also distinguish themselves through the application of innovative methods and precise instruments; the structural concept of these models for multi-dimensional EWS purposes, accompanied by elements used for predicting, is presented in this article.
    Konsekwencją nieuchronności występowania kryzysów wewnętrznych w przedsiębiorstwach jest podejmowanie działań zapobiegawczych w miejsce działań tylko o charakterze sanacyjnym. Istotną rolę spełniają w tym względzie Systemy Wczesnego Ostrzegania (SWO), dostarczając wyprzedzających informacji oraz ocen zagrożenia finansowego kontynuacji działalności i upadłości nie tylko dla pojedynczych przedsiębiorstw, ale i ich zbiorowości. Ograniczenia zastosowania istniejących modeli dla potrzeb SWO, skłoniły do opracowania nowych modeli, estymowanych na jednym z największych jak dotychczas zbiorze uczącym, liczącym ponad pięćset przedsiębiorstw upadłych. Modele te wyróżnia także zastosowanie innowacyjnych metod i narzędzi szczegółowych, a ideę ich konstrukcji dla potrzeb wielowymiarowego SWO wraz z elementami prognozowania zawarto w niniejszym artykule.
    Źródło:
    Polish Journal of Management Studies; 2012, 5; 130-143
    2081-7452
    Pojawia się w:
    Polish Journal of Management Studies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Chaotic time series prediction with feed-forward and recurrent neural nets
    Autorzy:
    Mańdziuk, J.
    Mikołajczak, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/206741.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    odwzorowanie logistyczne
    predykcja
    sieć neuronowa
    szereg czasowy chaotyczny
    chaotic time series
    logistic map
    neural networks
    prediction
    Opis:
    The results of experimental comparison between several neural architectures for short-term chaotic time series prediction problem are presented. Selected feed-forward architectures (Multi-layer Perceptrons) are compared with the most popular recurrent ones (Elman, extended Elman, and Jordan) on the basis prediction accuracy, training time requirements and stability. The application domain is logistic map series - the well known chaotic time series predition benchmark problem. Simulation results suggest that in terms of prediction accuracy feed-forward networks with two hidden layers are superior to other tested architectures. On the other hand feed-forward architectures are, in general, more demanding in terms of training time requirements. Results also indicate that with a careful choice of learning parameters all tested architectures tend to generate stable (repeatable) results.
    Źródło:
    Control and Cybernetics; 2002, 31, 2; 383-406
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies