Modelování hrubého domácího produktu pomocí frontálních neuronových sítí – Marek Slavík
Marek Slavík
Diplomová práce
Modelování hrubého domácího produktu pomocí frontálních neuronových sítí
Modelling of Gross Domestic Product by Frontal Neural Networks
Anotace:
Diplomová práce je zaměřena na návrh modelů frontálních neuronových sítí pro predikci hrubého domácího produktu. Pro učení neuronové sítě je použit index vedoucích ekonomických indikátorů a jeho difúzní index, jimž odpovídá procentuální změna hrubého domácího produktu. Následně je v diplomové práci řešen způsob modelování trendových složek těchto indexů pomocí klouzavých průměrů a exponenciálních vyrovnání …víceAbstract:
This diploma work deals with a suggestion for simulating frontal neural network model for prediction of gross domestic product. For training frontal neural network is applied index of leading economics indicators and diffusion index of leading economics indicators, for which belongs percentage change of gross domestic product. In next part of this diploma work is solved method of modelling trend elements …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 25. 5. 2007
Obhajoba závěrečné práce
- Obhajoba proběhla 18. 6. 2007
- Vedoucí: prof. Ing. Vladimír Olej, CSc.
Citační záznam
Jak správně citovat práci
Slavík, Marek. Modelování hrubého domácího produktu pomocí frontálních neuronových sítí. Pardubice, 2007. diplomová práce (Ing.). Univerzita Pardubice. Fakulta ekonomicko-správní
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- nikomu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Univerzita Pardubice, Fakulta ekonomicko-správníUniverzita Pardubice
Fakulta ekonomicko-správníMagisterský studijní program / obor:
Systémové inženýrství a informatika / Informatika ve veřejné správě
Práce na příbuzné téma
-
Návrh vhodné topologie neuronové sítě pro rozpoznání objektů v trávních porostech
Tomáš Polívka -
Neuronové sítě v rozhodovacích procesech podniku
Jakub Horák -
Časoprostorové predikční modelování pandemie COVID-19 užitím umělé neuronové sítě
Martin KUKRÁL -
Neuronové sítě v R
Eduard Arzumanov -
Neuronové sítě a investiční strategie
Pavel ROZKOŠNÝ -
Neuronové sítě za použití evolučních algoritmů pro učící proces
Lukáš SEDLÁK -
Implementace umělé neuronové sítě jako prvku pro expertní rozhodování o přidělení nástupištní koleje v osobních železničních stanicích
Jan Podlešák -
Adaptivní funkční řízení aplikované pomocí neuronové sítě
Dominik JELÍNEK