Predikce časových řad hlubokými neuronovými sítěmi – Bc. Lada ZADRANSKÁ
Bc. Lada ZADRANSKÁ
Diplomová práce
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 …víceAbstract:
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 …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 27. 6. 2019
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Ing. Kamil Ekštein, Ph.D.
Citační záznam
Jak správně citovat práci
ZADRANSKÁ, Lada. Predikce časových řad hlubokými neuronovými sítěmi. Plzeň, 2019. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
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: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
ZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědMagisterský studijní program / obor:
Inženýrská informatika / Informační systémy
Práce na příbuzné téma
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Rekurentní neuronové sítě v modelování chyb virtuálního serveru
Ondřej Šprync -
Rekurentní neuronové sítě pro rozpoznávání řeči
Tomáš Nováčik -
Rekurentní neuronové sítě pro klasifikaci textů
Vojtěch Myška -
Rekurentní neuronové sítě v počítačovém vidění
Jan Křepský -
Rekurentní neuronové sítě pro analyzování sekvenčních dat
Valeriia Iegorova -
Umělé neuronové sítě jako přístup k extrakci plodového elektrokardiogramu a detekci R-kmitů
Silvie Kovalová -
Automatické generování vtipů pomocí neuronové sítě
David Brož