Νευρωνικά δίκτυα και εφαρμογές
Η παρούσα εργασία πραγματεύεται τα δύο είδη μοντέλων πρόβλεψης που αναφέρθηκαν παραπάνω, δηλαδή των τεχνητών νευρωνικών δικτύων και των στατιστικών μοντέλων (ARMA, ARIMA, SARIMA), ενώ υλοποιείται μια εφαρμογή με σκοπό την δημιουργία προβλέψεων με βάση τα παραπάνω μοντέλα πρόβλεψης. Πιο συγκεκριμένα,...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/21484 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Η παρούσα εργασία πραγματεύεται τα δύο είδη μοντέλων πρόβλεψης που αναφέρθηκαν παραπάνω, δηλαδή των τεχνητών νευρωνικών δικτύων και των στατιστικών μοντέλων (ARMA, ARIMA, SARIMA), ενώ υλοποιείται μια εφαρμογή με σκοπό την δημιουργία προβλέψεων με βάση τα παραπάνω μοντέλα πρόβλεψης. Πιο συγκεκριμένα, στο
δεύτερο κεφάλαιο παρατίθεται μια ιστορική αναδρομή των τεχνητών νευρωνικών δικτύων. Επιπρόσθετα, περιγράφεται η ιδέα, η δομή, η λειτουργία και οι αρχιτεκτονικές των τεχνητών νευρωνικών δικτύων, ενώ δίνεται ιδιαίτερη βάση
στο μοντέλο του απλού αισθητήρα (Perceptron). Επίσης, παρουσιάζεται ο αλγόριθμος εκπαίδευσης του μοντέλου του αισθητήρα και τα πολυεπίπεδα δίκτυα Perceptron. Στο τρίτο κεφάλαιο περιγράφεται η έννοια της χρονοσειράς και τα βασικά χαρακτηριστικά της, ενώ αναλύονται τα στατιστικά μοντέλα ARMA, ARIMA, SARIMA και οι τρόποι
επιλογής του καταλληλότερου μοντέλου για κάθε σειρά δεδομένων. Τέλος, στο τέταρτο κεφάλαιο σκιαγραφείται η ιδέα της εφαρμογής, σύμφωνα με την οποία σκοπός της εφαρμογής είναι να πραγματοποιηθούν προβλέψεις για επιλεγμένα σύνολα δεδομένων. Για τις προβλέψεις αυτές χρησιμοποιήθηκαν τέσσερα διαφορετικά σύνολα δεδομένων, όπου στο κάθε σύνολο δεδομένων εφαρμόσθηκε ένα από τα μοντέλα πρόβλεψης που πραγματεύεται η εργασία, δηλαδή των τεχνητών νευρωνικών δικτύων και των τριών στατιστικών μοντέλων. Το τεχνητό νευρωνικό δίκτυο που
επιλέχθηκε για την δημιουργία προβλέψεων είναι το πολυεπίπεδο δίκτυο του αισθητήρα. Κλείνοντας το κεφάλαιο παρουσιάζεται ο κώδικας που χρησιμοποιήθηκε για την υλοποίηση της εφαρμογής. |
|---|