Extrémní učící se stroje pro předpovídání časových řad

Simple item page
but.committeeprof. Ing. Vladimír Wieser, Ph.D. (předseda) doc. Ing. Karel Burda, CSc. (místopředseda) prof. Mgr. Pavel Rajmic, Ph.D. (člen) Ing. Michal Lares, Ph.D. (člen) doc. Ing. Vít Novotný, Ph.D. (člen) Ing. Pavel Bezpalec, Ph.D. (člen)cs
but.defenceProč je chyba odhadu ELM rozdílná pro implementace na GPU a CPU za použití stejných dat? - student odpověděl správně Je možné použít jiný způsob inicializace parametrů skrytých vrstev, které zůstavají neměnné počas trénovaní, jako náhodnou inicializaci? Je to v praxi takhle použitelné? - student odpověděl správněcs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBurget, Radimcs
dc.contributor.authorZmeškal, Jiřícs
dc.contributor.refereeRajnoha, Martincs
dc.date.created2018cs
dc.description.abstractPráce je zaměřena na možnost využití extrémních učících se strojů a sítí s ozvěnou stavu pro předpověď časových řad s možností akcelerace pomocí grafických procesorů. Takovéto předpovědi jsou v dnešní době každodenní součástí života naprosté většiny lidí, a to vzhledem k jejich využití v předpovědích počasí, vývoje finančního a akciového trhu, spotřeby energie a mnohých dalších věcí. Práce uvádí teoretický podklad extrémních učících se strojů a sítí s ozvěnou stavu, jejichž hlavní výhodou je náhodná volba většiny parametrů neuronové sítě a iterativního postupu dopočtu parametrů, programovací nástroje k jejich realizaci, jako je knihovna ND4J a CUDA toolkit, tvorbu vlastního programu, a nakonec i test doby zpracování a přesnosti.cs
dc.description.abstractThesis is aimed at the possibility of utilization of extreme learning machines and echo state networks for time series forecasting with possibility of utilizing GPU acceleration. Such predictions are part of nearly everyone’s daily lives through utilization in weather forecasting, prediction of regular and stock market, power consumption predictions and many more. Thesis is meant to familiarize reader firstly with theoretical basis of extreme learning machines and echo state networks, taking advantage of randomly generating majority of neural networks parameters and avoiding iterative processes. Secondly thesis demonstrates use of programing tools, such as ND4J and CUDA toolkit, to create very own programs. Finally, prediction capability and convenience of GPU acceleration is tested.en
dc.description.markBcs
dc.identifier.citationZMEŠKAL, J. Extrémní učící se stroje pro předpovídání časových řad [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.cs
dc.identifier.other110050cs
dc.identifier.urihttp://hdl.handle.net/11012/80800
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectNeuronová síťcs
dc.subjectExtrémní učící se strojcs
dc.subjectELMcs
dc.subjectSíť s ozvěnou stavucs
dc.subjectESNcs
dc.subjectpředpověď časových řadcs
dc.subjectakcelerace GPU procesorycs
dc.subjectNeural networken
dc.subjectExtreme learning machineen
dc.subjectELMen
dc.subjectEcho state networken
dc.subjectESNen
dc.subjectTime series forecastingen
dc.subjectGPU accelerationen
dc.titleExtrémní učící se stroje pro předpovídání časových řadcs
dc.title.alternativeExtreme learning machines for time series predictionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2018-06-06cs
dcterms.modified2018-06-08-09:02:15cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid110050en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:31:41en
sync.item.modts2025.01.17 15:06:51en
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
1.56 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
265.18 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_110050.html
Size:
4.47 KB
Format:
Hypertext Markup Language
Description:
file review_110050.html
Download
Collections
2018