Детальная информация
Название | Нейронные сети с онлайн обучением в задаче прогнозирования временных рядов: выпускная квалификационная работа бакалавра: 27.04.03 - Системный анализ и управление ; 27.04.03.01 - Теория и математические методы системного анализа и управления в технических и экономических системах |
---|---|
Авторы | Желтоухов Антон Андреевич |
Научный руководитель | Хлопин Сергей Владимирович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | прогнозирование временных рядов ; анализ потоковых данных ; онлайн обучение ; нейронные сети ; OS-ELM |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 27.04.03 |
Группа специальностей ФГОС | 270000 - Управление в технических системах |
Ссылки | Отзыв руководителя |
DOI | 10.18720/SPBPU/2/v18-6600 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\59595 |
Дата создания записи | 12.12.2018 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Цель работы - исследование существующих архитектур нейронных сетей с целью выделения набора структурных свойств для последующего синтеза новой архитектуры нейронной сети с онлайн обучением, направленной на задачу прогнозирования временных рядов. Предмет исследования – Архитектуры нейронных сетей. Мотивацией для применения алгоритмов с онлайн обучением является одна из следующих ситуация: обрабатываемые данные себя непрерывный поток информации, объем данных слишком велик для переучивания, ресурсы памяти слишком ограничены. Такие условия встречаются в различных прикладных задачах, таких как обучение в изменяющихся средах, персонализация модели или обучение на протяжении всей жизни. Нейронной сети представляют по своей структуре идеально подходят для достижения онлайн обучения. кандидаты для обучения постепенной последовательности. В этой работе производиться поиск структурных особенности нейронных сетей, наиболее подходящие для прогнозирования. Также в работе на практическом примере рассматривается одна из передовых архитектур нейронных сетей - Online Sequential Extreme Learning Machine.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 127
За последние 30 дней: 2