Predikce časových řad hlubokými neuronovými sítěmi – Bc. Lada ZADRANSKÁ
Bc. Lada ZADRANSKÁ
Master's thesis
Predikce časových řad hlubokými neuronovými sítěmi
Time Series Forecasting using Deep Neural Networks
Abstract:
Recurrent Neural Networks are models designed to operate over sequential data, used for classification and regression tasks. Types of Recurrent Neural Networks are described in this thesis and the algorithms are used in the implementation of a baseline model for time series forecasting. Grid Search or Bayesian Optimisation are strategies that assist in finding the best combination of hyperparameters …moreAbstract:
Rekurentní neuronové sítě jsou modely pracující s posloupnostmi dat používané pro klasifikační i regresní úlohy. Typy rekurentních neuronových sítí jsou definovány v této práci společně se svými algoritmy, které jsou použity při implementaci výchozího modelu. Grid Search či Bayesovská optimalizace jsou metody pomáhající nalézt optimální hodnoty hyperparametrů - proměnných, které ovlivňují rychlost …more
Language used: English
Date on which the thesis was submitted / produced: 27. 6. 2019
Accessible from:: 31. 12. 2999
Thesis defence
- Supervisor: Ing. Kamil Ekštein, Ph.D.
Citation record
The right form of listing the thesis as a source quoted
ZADRANSKÁ, Lada. Predikce časových řad hlubokými neuronovými sítěmi. Plzeň, 2019. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Full text of thesis
Accessibility: Autor si nepřeje zpřístupnění práce veřejnosti
Contents of on-line thesis archive
Published in Theses:- Soubory jsou nedostupné.
Other ways of accessing the text
Institution archiving the thesis and making it accessible: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
University of West Bohemia
Faculty of Applied SciencesMaster programme / field:
Computer Science and Engineering / Information Systems
Theses on a related topic
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Rekurentní neuronové sítě pro analyzování sekvenčních dat
Valeriia Iegorova -
Rekurentní neuronové sítě v modelování chyb virtuálního serveru
Ondřej Šprync -
Rekurentní neuronové sítě pro klasifikaci textů
Vojtěch Myška -
Rekurentní neuronové sítě pro rozpoznávání řeči
Tomáš Nováčik -
Rekurentní neuronové sítě v počítačovém vidění
Jan Křepský -
Umělé neuronové sítě jako přístup k extrakci plodového elektrokardiogramu a detekci R-kmitů
Silvie Kovalová -
Automatické generování vtipů pomocí neuronové sítě
David Brož