Predikce časových řad pomocí neuronových sítí

Mgr. Karol Kuna

Bakalářská práce

Time Series Prediction Using Neural Networks

Anotace:

Táto práca porovnáva existujúce metódy predikcie časových radov v reálnom čase pomocou neurónových sietí. Dôraz sa kladie na rekurentné neurónové siete a algoritmy učiace sa online, ako napr. real-time recurrent learning a truncated backpropagation through time. Okrem štandardnej Elmanovej rekurentnej siete je preskúmaná Clockwork rekurentná sieť. Metódy sú porovnané vzhľadom na presnosť predpovedí a výpočetný čas. Súčasťou práce je experimentálna implementácia testovaných modelov a funkčné aplikácie v oblasti robotiky a sledovania sieťovej prevádzky.

Abstract:

This thesis compares existing methods for predicting time series in real time using neural networks. Focus is put on recurrent neural networks (RNNs) and online learning algorithms, such as Real-Time Recurrent Learning and truncated Backpropagation Through Time. In addition to the standard Elman’s RNN architecture, Clockwork-RNN is examined. Methods are compared in terms of prediction accuracy and computation time, which is critical in real-time applications. Part of the work is experimental implementation of the tested models and working applications in robotics and network traffic monitoring.

Keywords

time series, prediction, neural network, recurrent network, backpropagation, backpropagation through time, real-time recurrent learning, clockwork recurrent network, časové rady, predikcia, neurónové siete, rekurentné siete

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 18. 5. 2015

Obhajoba závěrečné práce

• Obhajoba proběhla 16. 6. 2015
• Vedoucí: doc. RNDr. Tomáš Brázdil, Ph.D.
• Oponent: RNDr. Karel Vaculík

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka