Zobrazit minimální záznam

Incorporating Spatial Information in Deep Learning Models for Weather Prediction

Incorporating Spatial Information in Deep Learning Models for Weather Prediction



dc.contributor.advisorŠimánek Petr
dc.contributor.authorDominik Chodounský
dc.date.accessioned2024-02-09T23:51:52Z
dc.date.available2024-02-09T23:51:52Z
dc.date.issued2024-02-09
dc.identifierKOS-1240469459505
dc.identifier.urihttp://hdl.handle.net/10467/113753
dc.description.abstractPo jejím dokončení se bude tato práce zabývat použitím architektur hlubokého učení pro úlohu předpovědi počasí. Dále bude srovnávat řadu metod prostorové reprezentace pro vylepšování predikcí pomocí dat extrahovaných z lokace meteostanic.cze
dc.description.abstractOnce this thesis will be finished, it will be concerned with using deep learning architectures for the task of weather forcasting. It will also compare several methods of spatial representation to enhance the forecasting capabilities with additional data related to the location of weather stations.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectpředpověď počasícze
dc.subjecthluboké učenícze
dc.subjectvícerozměrná predikce časových řadcze
dc.subjecttemporal fusion transformercze
dc.subjectDeepARcze
dc.subjectLSTMcze
dc.subjectprostorová reprezentacecze
dc.subjecthex2veccze
dc.subjectdeep weather forecastingeng
dc.subjectmultivariate time-series forecastingeng
dc.subjecttemporal fusion transformereng
dc.subjectDeepAReng
dc.subjectLSTMeng
dc.subjectspatial representationeng
dc.subjecthex2veceng
dc.titleIncorporating Spatial Information in Deep Learning Models for Weather Predictioncze
dc.titleIncorporating Spatial Information in Deep Learning Models for Weather Predictioneng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeVašata Daniel
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatikacze


Soubory tohoto záznamu

Název:
F8-DP-2024-Chodounsky-Dominik- ...
Velikost:
112.7Kb
Formát:
PDF
Popis:
PLNY_TEXT
Zobrazit/otevřít
Název:
F8-DP-2024-posudek-Vasata_Dani ...
Velikost:
39.49Kb
Formát:
PDF
Popis:
POSUDEK
Zobrazit/otevřít

Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam