Időfolyamok mélytanulás alapú analízise

OData támogatás
Konzulens:
Gincsainé Dr. Szádeczky-Kardoss Emese
Irányítástechnika és Informatika Tanszék

Az élet számos területén találkozhatunk idősor alapú problémákkal. Ez alól a mérnöki területek sem kivételek, mivel a legtöbb mért adatunk időalapú. A diplomamunkám során szeretném bemutatni, hogy a mélytanuló hálók hatékony és jó megoldást jelentenek ezekre a problémákra. Ennek bemutatásához először az elméleti hátteret mutatom be, majd röviden szólok a fejlesztőkörnyezet kiválasztásáról. A diplomamunkám második felében három feladaton keresztül bemutatom a neurális hálók gyakorlati alkalmazását. Az első bemutatott feladat a hangok felismerésén keresztül mutatja meg a neurális hálók klasszifikáló képességeit, itt bemutatom, hogy a konvolúciós neurális hálók hogyan alkalmazhatók erre a problémára. A második feladatban egy dinamikus neurális háló (LSTM) segítségével bemutatom, hogyan alkalmazhatók prediktálásra a neurális hálók.Az utolsó példában egy EKG jeleken végzet anomália detektációt mutatok be. Ennek során röviden bemutatom milyen más anomália detektáló algoritmusok léteznek még, majd az általam elkészített neurális háló képességeit mutatom be.Legvégül összegzem a tapasztalatimat.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.