Original title:
Dlouhodobé prediktivní modelování nelineárních dynamických systémů pomocí konvolučních neuronových sítí
Translated title:
Long-term predictive modelling of nonlinear dynamical systems using convolutional neural networks
Authors:
Ptáčník, Vojtěch ; Kroupa, Jiří (referee) ; Kovář, Jiří (advisor) Document type: Bachelor's theses
Year:
2023
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta strojního inženýrství Abstract:
[cze][eng]
Tato práce se zabývá vytvořením počítačového modelu konvoluční neuronové sítě. Úkol je o to obtížnější, protože se jedná o nelineární systém, který požaduje dlouhodobou přijatelnou přesnost. Hlavní částí je rešeršní výzkum na dané téma, který rozvede jednotlivá řešení neuronových sítí a zaměří se na konvoluční neuronové sítě, které mohou být vhodnou volbou pro řešení nelineárních systémů. Ke splnění cílů práce je zapotřebí vytvořit výpočetní model, který bude následně předpovídat nelineární systém. Bude demonstrována a analyzována schopnost konvolučních sítí předpovídat tyto systémy.
This work deals with creating a computer model of a convolutional neural network. The task is more difficult because it involves a nonlinear system that requires long-term acceptable accuracy. The main part consists of research on the topic, which explores various solutions of neural networks and focuses on convolutional neural networks, which can be a suitable choice for solving nonlinear systems. To achieve the goals of the work, it is necessary to create a computational model that will subsequently predict the nonlinear system. The ability of convolutional networks to predict these systems will be demonstrated and analyzed.
Keywords:
Convolutional neural networks; Long-term prediction; Neural networks; Nonlinear system; Dlouhodobé předpovídání; Konvoluční neuronové sítě; Nelineární systém; Neuronové sítě
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/213031