Predikční algoritmy a jejich porovnání – Bc. Miroslav JUROSZ
Bc. Miroslav JUROSZ
Bakalářská práce
Predikční algoritmy a jejich porovnání
Prediction algorithms and their comparison
Anotace:
Předmětem této bakalářské práce je představit vybrané metody pro predikci časových řad a následně demonstrovat jejich aplikaci na různých typech časových řad. Teoretická část charakterizuje časové řady, definuje lineární modely predikce a modely pro predikce pomocí neuronových sítí. Praktická část se zabývá rozborem nastavení těchto modelů a následným aplikováním na několik různých typů časových řad …víceAbstract:
The aim of this bachelor thesis is to introduce selected time series prediction methods and subsequently to demonstrate their application on different types of time series Theoretical part describes time series, defines linear models of prediction and models of prediction for neural networks. Practical part focuses on settings for prediction models and application of these models to different types …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 22. 4. 2020
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: PhDr. RNDr. Martin Žáček, Ph.D.
Citační záznam
Jak správně citovat práci
JUROSZ, Miroslav. Predikční algoritmy a jejich porovnání. Ostrava, 2020. bakalářská práce (Bc.). OSTRAVSKÁ UNIVERZITA. Přírodovědecká fakulta
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: OSTRAVSKÁ UNIVERZITA, Přírodovědecká fakultaOSTRAVSKÁ UNIVERZITA
Přírodovědecká fakultaBakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika
Práce na příbuzné téma
-
Modely DNN pro zpracování různorodých dat
Natálie RAŠKOVÁ -
Experimenty s moderními modely neuronových sítí pro vícetřídní klasifikaci českého textu
Daniel CÍFKA -
Statistické jazykové modely založené na neuronových sítích
Tomáš Mikolov -
Prediktivní modely pro odhad poptávky B2B odběratelů velkoobchodu
Adam Nekola -
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Dekompozice a předpovědi v časových řadách
Kristína Šramková -
Časové řady a jejich vyhodnocování pomocí softwaru Mathematica
Veronika Šauerová -
Ekonomické časové řady
Josef ŠEFFL