BDAR

Jūsų asmens duomenų valdymas.

Siekdami užtikrinti geriausią Jūsų naršymo patirtį, šioje svetainėje naudojame slapukus (angl. cookies). Naršydami toliau patvirtinsite savo sutikimą naudoti slapukus. Savo sutikimą bet kada galėsite atšaukti pakeisdami interneto naršyklės nustatymus ir ištrindami įrašytus slapukus.

Slapukų politika Privatumo politika

 


Spausdinti

Finansavimas

Ilgos atminties tyrimas sudėtingose kelių būsenų stochastinėse agentų sistemose

Nr. 09.3.3-LMT-K-712-19-0017

Paraiškos būsena:
Įgyvendinimas
Vykdytojas Vilniaus universitetas
Savivaldybė
Priemonė MOKSLININKŲ, KITŲ TYRĖJŲ, STUDENTŲ MOKSLINĖS KOMPETENCIJOS UGDYMAS PER PRAKTINĘ MOKSLINĘ VEIKLĄ
Prioritetas 9 PRIORITETAS. Visuomenės švietimas ir žmogiškųjų išteklių potencialo didinimas
Kvietimo kodas 09.3.3-LMT-K-712-19

Atliekant įvairių ekonominių ir finansinių sistemų empirinių duomenų analizę pastebėta, kad nepaisant pasiūlytų modelių gausos, vis dar nėra modelių pakankamai tiksliai atkartojančių ir paaiškinančių empiriškai stebimų statistinių savybių atsiradimą. Viena iš problemų yra stebimos ilgos atminties interpretavimas. Naudojami įvairūs empiriniai ilgos atminties indikatoriai, laiko eilutės laipsninis galios spektrinis tankis, netiesinis dispersijos augimas laikui bėgant. Paprastai yra sunku nustatyti, koks procesas atsakingas už šios statistinės savybės atsiradimą. Vienas iš pastarosios problemos sprendimo būdų yra laiko eilučių pirmo kirtimo laikų skirstinių (PKLS) tyrimas. Įvertinus PKLS laipsnio rodiklio priklausomybę nuo modelio parametrų galima nustatyti ar tiriamas reiškinys pasižymi tikra ilga atmintimi. Tačiau šis metodas turi ir trūkumų. Kol kas šis metodas buvo taikomas tik vienmačiams procesams t.y. buvo padaryta prielaida, kad laiko eilučių statistinės savybės gali būti atkartojamos pasinaudojant vieno kintamojo stochastinėmis diferencialinėmis lygtimis (SDL). Pastebėta, kad dviejų kintamųjų SDL sistema gali generuoti laiko eilutes pasižyminčias unikaliomis savybėmis. Dėl to būtų siekiama patobulinti šį metodą ir pritaikyti jį ilgos atminties nustatymui, sudėtingesnėse sistemose, kurios yra aprašomos keliomis SDL lygtimis, išvestomis iš kelių būsenų agentų modelio.Tačiau kelių būsenų agentų modeliai yra labai sudėtingi ir tikslus skaitmeninis tokio uždavinio sprendimas reikalauja didelių skaičiavimų pajėgumų, todėl paprastai siekiama uždavinį supaprastinti. Todėl bus siekiama supaprastinti kelių būsenų agentų modelį, pasinaudojant kintamųjų eliminavimo procedūromis. Tokiomis kaip projekcinių operatorių ar momentų metodai. Tai atlikus, pavyktų smarkiai sumažinti skaitmeninių skaičiavimų resursus ir leistų skaičiavimų rezultatus palyginti su mūsų išvestomis analitinėmis aproksimacijomis. Analitinės aproksimacijos padarytų modelį labiau prieinamą ir patogų nau


Paraiškų informacija

Paraiškos gavimo data: 2020-03-03
Nr. Vertinimo kriterijus Finansavimo statusas Vertinimo balas
1. Tinkamumo vertinimas Taip (2020-04-20)
2. Naudos ir kokybės vertinimas Taip (2020-06-17) 72.50
Paraiškoje nurodyta projekto vertė: 66 499,55 Eur
Prašoma finansavimo suma: 66 499,55 Eur

Sutarties informacija

Projekto veiklų įgyvendinimo pabaiga: 2022-08-31
Sutarties pasirašymo diena: 2020-09-01
Projekto išlaidų suma, Eur Finansavimas, Eur Apmokėta išlaidų suma, Eur Išmokėtas finansavimas, Eur
66 499,55 66 499,55 6 958,33 6 958,33

Stebėsenos rodiklių pasiekimai

Eilės numeris Stebėsenos rodiklio pavadinimas Matavimo vienetas Siektina reikšmė pasirašytose projektų sutartyse Pasiekta reikšmė
1 Į užsienį panaudojant ESF investicijas tobulinti profesinių žinių išvykę tyrėjai Skaičius 1.00 0.00
2 Tyrėjai, kurie dalyvavo ESF veiklose, skirtose mokytis pagal neformaliojo švietimo programas Skaičius 1.00 1.00
3 Įgyvendinti MTEP projektai Skaičius 1.00 0.00

Paskutinė atnaujinimo data: 2021-03-06 07:53

Susiję įrašai