Details

Цель данной работы – изучение возможных методов реализации системы прогнозирования, разработка приложения системы, использующей эти методы. В ходе выполнения были рассмотрены различные архитектуры нейронных сетей. Для прогнозирования были выбраны: рекуррентная нейронная сеть LSTM, рекуррентная нейронная сеть GRU, сверточная нейронная сеть Conv1d. В результате выполнения работы были созданы и обучены модели вышеуказанный нейросетей, проведен сравнительный анализ их работы на основе метрик задач регрессии, создано десктопное приложение для использования системы. Создание алгоритма работы было написано с помощью языка программирования Python.

The purpose of this work is to study possible methods of implementing a forecasting system, to develop an application of a system using these methods. During the execution, various architectures of neural networks were considered. The following were selected for prediction: recurrent neural network LSTM, recurrent neural network GRU, convolutional neural network Conv1d. As a result of the work, models of the above neural networks were created and trained, a comparative analysis of their work based on regression task metrics was carried out, and a desktop application for using the system was created. The creation of the algorithm was written using the Python programming language.