Μονάδα:
Τμήμα Πληροφορικής & ΤηλεπικοινωνιώνΠληροφορική
Ημερομηνία κατάθεσης:
2019-07-09
Συγγραφέας:
ΤΖΑΜΟΣ ΧΑΡΑΛΑΜΠΟΣ
Στοιχεία επιβλεπόντων καθηγητών:
ΕΜΙΡΗΣ ΙΩΑΝΝΗΣ, ΚΑΘΗΓΗΤΗΣ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ, ΕΚΠΑ
Πρωτότυπος Τίτλος:
VentusNet: Deep Learning for Wind Speed prediction
Γλώσσες εργασίας:
Αγγλικά
Ελληνικά
Μεταφρασμένος τίτλος:
VentusNet: Deep Learning for Wind Speed prediction
Περίληψη:
Στην παρούσα πτυχιακή εργασία, αναπτύσουμε μια βαθιά αρχιτεκτονική νευρωνικών δι-
κτύων βασισμένη σε recurrent στρώμματα με σκοπό την πρόβλεψη ακολουθιών ταχύτητας ανέμου. Η είσοδος του δικτύου μας είναι ένας συνδυασμός μετρήσεων ανέμου και προβλέψεων ταχύτητας ανέμου απο άλλο μοντέλο. Αναλύουμε τα δεδομένα μας σε χρονολογικές σειρές έτσι ώστε να επωφεληθούμε από τα χρονική φύση των δεδομένων μας και τα recurrent στρώμματα. Το μέσο απόλυτο σφάλμα, το μέσο τετραγωνικό σφάλμα και ο λογάριθμος του υπερβολικού συνημίτονου χρησιμοποιούνται ως μετρικές αξιολόγησης του μοντέλου μας. Βάσει των αποτελεσμάτων μας, δείχνουμε ότι το μοντέλο μας επιτυγχάνει να βελτιώσει τις προβλέψεις του μοντέλου του οποίου οι προβλέψεις χρησιμοποιούνται ως χαρακτηριστικό στην είσοδο του μοντέλου μας.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Πρόβλεψη ταχύτητας ανέμου, τεχνητά νευρωνικά δίκτυα, recurrent δίκτυα, χρονολογικές σειρές, βαθιά μάθηση
Αρ. σελίδων ευρετηρίου:
2
Αρ. βιβλιογραφικών αναφορών:
16
