Молимо вас користите овај идентификатор за цитирање или овај линк до ове ставке: https://scidar.kg.ac.rs/handle/123456789/11227
Пун извештај метаподатака
Поље DC-а ВредностЈезик
dc.rights.licenserestrictedAccess-
dc.contributor.authorCogoljevic D.-
dc.contributor.authorAlizamir M.-
dc.contributor.authorPiljan I.-
dc.contributor.authorPiljan T.-
dc.contributor.authorPrljić K.-
dc.contributor.authorZimonjić S.-
dc.date.accessioned2021-04-20T17:48:55Z-
dc.date.available2021-04-20T17:48:55Z-
dc.date.issued2018-
dc.identifier.issn0378-4371-
dc.identifier.urihttps://scidar.kg.ac.rs/handle/123456789/11227-
dc.description.abstract© 2017 Elsevier B.V. The linkage between energy resources and economic development is a topic of great interest. Research in this area is also motivated by contemporary concerns about global climate change, carbon emissions fluctuating crude oil prices, and the security of energy supply. The purpose of this research is to develop and apply the machine learning approach to predict gross domestic product (GDP) based on the mix of energy resources. Our results indicate that GDP predictive accuracy can be improved slightly by applying a machine learning approach.-
dc.rightsinfo:eu-repo/semantics/restrictedAccess-
dc.sourcePhysica A: Statistical Mechanics and its Applications-
dc.titleA machine learning approach for predicting the relationship between energy resources and economic development-
dc.typearticle-
dc.identifier.doi10.1016/j.physa.2017.12.082-
dc.identifier.scopus2-s2.0-85039725392-
Налази се у колекцијама:Faculty of Engineering, Kragujevac

Број прегледа

771

Број преузимања

14

Датотеке у овој ставци:
Датотека Опис ВеличинаФормат 
PaperMissing.pdf
  Ограничен приступ
29.86 kBAdobe PDFСличица
Погледајте


Ставке на SCIDAR-у су заштићене ауторским правима, са свим правима задржаним, осим ако није другачије назначено.