PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2017 | nr 45 Narzędzia gospodarki cyfrowej | 347--358
Tytuł artykułu

Zastosowanie sieci Kohonena do grupowania gospodarek światowych ze względu na czynniki charakteryzujące zaspokajanie potrzeb energetycznych

Autorzy
Treść / Zawartość
Warianty tytułu
Using the Kohonen Network to Group World Economies in the Context of Factors Characterizing the Meeting of their Energy Needs
Języki publikacji
PL
Abstrakty
Grupowanie elementów zbioru1 w odrębne skupienia (grupy, klastry) jest próbą ustalenia jego prostej struktury, co może być punktem wyjścia do przeprowadzenia dalszych pogłębionych analiz. Wśród zjawisk gospodarczych we współczesnym świecie priorytetowe znaczenie ma zaspokajanie potrzeb energetycznych społeczeństw, tj. dostarczanie nośników energii w ilościach pozwalających państwom rozwiniętym co najmniej na utrzymanie dotychczasowego poziomu rozwoju ekonomicznego, a rozwijającym się - na skracanie dystansu pomiędzy nimi a gospodarkami rozwiniętymi. Celem artykułu jest dokonanie podziału gospodarek światowych na homogeniczne grupy, które będą mogły być dalej wykorzystane do prowadzenia analiz służących poprawie sytuacji energetycznej kraju.(fragment tekstu)
EN
The purpose of the paper is clustering world economies in the context of factors characterizing the meeting of their energy needs. To achieve this purpose the Kohonen network was used, which realizes unsupervised learning (self-learning) network (SOM). The necessary computations were performed using the som () function of class package running in the R environment. The result of the clustering analysis was obtaining homogeneous groups of states worldwide. It can serve further elaborations over improving the meeting of Poland's energy needs. (original abstract)
Twórcy
autor
Bibliografia
  • Biecek P., Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2008.
  • Key World Energy Statistics 2015, International Energy Agency, Paris 2015.
  • Kohonen T., Self-Organizing Maps, Springer, Berlin-Heidelberg-New York 2001.
  • Larose D. T., Odkrywanie wiedzy w danych, Wydawnictwo Naukowe PWN, Warszawa 2013.
  • Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
  • Tarka D., Własności cech diagnostycznych w badaniach typu taksonomicznego, "Ekonomia i Zarządzanie", t. 2, nr 4, Oficyna Wydawnicza Politechniki Białostockiej, Białystok 2010.
  • Wehrens R., Buydens L., Self- and Super-organizing Maps in R: The Kohonen Package, "Journal of Statistical Software" 2007, vol. 21, issue 5, October.
  • http://www.iea.org/publications/freepublications/publication/key-world-energy-statistics-2015.html [dostęp 11.06.2016].
  • https://stat.ethz.ch/R-manual/R-devel/library/base/html/scale.html [dostęp 13.06.2016].
  • https://stat.ethz.ch/R-manual/R-devel/library/class/html/somgrid.html [dostęp 13.06.2016].
  • https://stat.ethz.ch/R-manual/R-devel/library/class/html/SOM.html [dostęp 13.06.2016].
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171497365

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.