Supervizorované algoritmy strojového učení pro analýzu průmyslových dat
Supervised machine learning algorithms for industrial data anlysis
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Ondřej Budík
Vedoucí práce
Bukovský Ivo
Oponent práce
Malý Vladimír
Studijní obor
Informační a automatizační technikaStudijní program
StrojírenstvíInstituce přidělující hodnost
ústav přístrojové a řídící technikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Cílem a výstupem této práce je rešerše aktuálních úloh analýzy průmyslových dat a otestování čtyř vybraných metod supervizorovaných neuronových architektur pro aplikace na obvyklé úlohy během analýzy průmyslových dat jako je porovnání jejich schopností predikce časových řad, vytvoření modelu systému, klasifikace a detekce neobvyklých stavů. Práce se zabývá různými přístupy jednotlivých neuronových sítí vzhledem k datům, na které jsou aplikovány. V závěru práce jsou shrnuty možnosti pro vhodné aplikace jednotlivých neuronových architektur na průmyslová data. The aim and the output of this work is a review of current problems of analysis of industrial data and testing of four selected methods of supervised neural architectures for applications on common tasks during analysis of industrial data such as comparison of their time series prediction capabilities, creation of the system model, classification and detection of unusual states. The thesis deals with different approaches of individual neural networks with respect to the data on which they are applied. The conclusion summarizes the possibilities for suitable applications of individual neural architectures to industrial data.
Kolekce
- Bakalářské práce - 12110 [202]