Детальная информация
Название | Разработка программы прогнозирования технологических параметров на основе многомерного временного ряда с использованием нейронных сетей: выпускная квалификационная работа бакалавра: направление 27.03.04 «Управление в технических системах» ; образовательная программа 27.03.04_02 «Системы и технические средства автоматизации и управления» |
---|---|
Авторы | Навродская Валерия Александровна |
Научный руководитель | Олейников Виталий Сергеевич |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Выходные сведения | Санкт-Петербург, 2024 |
Коллекция | Выпускные квалификационные работы; Общая коллекция |
Тематика | нейронная сеть; LSTM; GRU; CONV1D; прогнозирование временных рядов; настольное приложение; neural network; CINV1D; time series forecasting; a desktop application |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 27.03.04 |
Группа специальностей ФГОС | 270000 - Управление в технических системах |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-5093 |
Права доступа | Доступ по паролю из сети Интернет (чтение) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\33478 |
Дата создания записи | 29.08.2024 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
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.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0