Please use this identifier to cite or link to this item:
http://openlibrary.ge/handle/123456789/10668
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტის მიხეილ ნოდიას სახელობის გეოფიზიკის ინსტიტუტი | ka_GE |
dc.contributor.author | ქირია, თ. | ka_GE |
dc.contributor.author | ნიკოლაიშვილი, მ. | ka_GE |
dc.contributor.author | ჩხაიძე, თ. | ka_GE |
dc.contributor.author | მებაღიშვილი, ნ. | ka_GE |
dc.contributor.author | Kiria, T. | en |
dc.contributor.author | Nikolaishvili, M. | en |
dc.contributor.author | Chkhaidze, T. | en |
dc.contributor.author | Mebaghisvili, N. | en |
dc.contributor.author | Кириа, Т. | ru |
dc.contributor.author | Николаишвили, М. | ru |
dc.contributor.author | Чхаидзе, Т. | ru |
dc.contributor.author | Мебагишвили, Н. | ru |
dc.date.accessioned | 2024-12-22T15:52:02Z | - |
dc.date.available | 2024-12-22T15:52:02Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | მიხეილ ნოდიას სახელობის გეოფიზიკის ინსტიტუტი, შრომები, ISSN 1512-1135, ტ. LXXVII; Mikheil Nodia Institute of Geophisics, Transactions, ISSN 1512-1135, vol. LXXVII; Институт геофизики им. М. З. Нодиа, Труды, ISSN 1512-1135, т. LXXVII; თბილისი, Tbilisi, Тбилиси, 2024, გვ. 30 - 34. | ka_GE |
dc.identifier.uri | http://openlibrary.ge/handle/123456789/10668 | - |
dc.description.abstract | კვლევაში გაანალიზებულია Dst-ის ინდექსის პროგნოზირების პროცესი სხვადასხვა მანქანური სწავლების მეთოდის გამოყენებით, რომელიც განსხვავებულად ასრულებს Dst-ის პროგნოზირების ამოცანას. TCN და Transformer მოდელები გამოირჩევიან მაღალი სიზუსტით და მონაცემთა სტრუქტურასთან ადაპტაციის უნარით. დამატებითი მონაცემებისა და პარამეტრების ინტეგრაციით შესაძლებელია პროგნოზირების სისტემის კიდევ უფრო გაუმჯობესება. | ka_GE |
dc.description.abstract | The study analyzes the Dst index prediction process using different machine learning methods that perform the Dst prediction task differently. TCN and Transformer models are characterized by high accuracy and ability to adapt to the data structure. By integrating additional data and parameters, the forecasting system can be further improved. | en |
dc.description.abstract | В исследовании анализируется процесс прогнозирования индекса Dst с использованием различных методов машинного обучения, которые по-разному выполняют задачу прогнозирования Dst. Модели TCN и Transformer характеризуются высокой точностью и способностью адаптироваться к структуре данных. Интегрируя дополнительные данные и параметры, систему прогнозирования можно улучшить. | ru |
dc.language.iso | ka | en |
dc.subject | გეოფიზიკა | ka_GE |
dc.subject | Dst-ის ინდექსი | ka_GE |
dc.subject | პროგნოზირება | ka_GE |
dc.subject | ადაპტაცია | ka_GE |
dc.title | გეომაგნიტური აქტივობის მრავალმოდელური ანალიზი | ka_GE |
dc.title | Multi-Model Analysis of Geomagnetic Activity | en |
dc.title | Мультимодельный анализ геомагнитной активности | ru |
dc.type | Article | en |
dc.type | სტატია | ka_GE |
Appears in Collections: | შრომათა კრებული : ტომი LXXVII (2024) = Сборник трудов : Том LXXVII =Transactions : Vol. LXXVII |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5_Tr_IG_77_2024.pdf | გეომაგნიტური აქტივობის მრავალმოდელური ანალიზი | 977.85 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.