| Form of studies |
Bachelor |
| Title of the study programm |
Intelligent robotic systems |
| Title in original language |
Dziļās apmācības metožu izmantošana industriālu procesu attīstības prognozēšanai |
| Title in English |
Prognostics of Industrial Process Using Deep Learning Methods |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Agris Ņikitenko |
| Reviewer |
Imants Gorbāns |
| Abstract |
Bakalaura darba tēma ir “Dziļās apmācības metožu izmantošana industriālu procesu attīstības prognozēšanai”.
Bakalaura darba mērķis ir izpētīt dziļās apmācības metožu pielietojuma iespējas industriālu procesu kļūmju prognozēšanai un izstrādāt laikrindu prognozēšanas metodi, izmantot to kļūmju noteikšanai.
Darbs sastāvs no trīs daļām. Pirmajā daļā sastāv no teorijas par dziļo apmācību un mākslīgo intelektu. Otrā darba daļa sastāv no teorijas par neironu tīkliem un to veidiem, dziļās apmācības metodēm. Trešajā darba daļā tika veikta divu dziļās apmācības metožu īstenošana, lai veiktu laikrindu prognozēšanu un anomāliju identificēšanu.
Darbs sastāv no 52 lapām, 36 attēliem, 1 pielikuma un 19 informācija avotiem. |
| Keywords |
dziļā mācīšanās, neirona tīkli, LSTM, anomālijas |
| Keywords in English |
deep learning, neural networks, LSTM |
| Language |
lv |
| Year |
2022 |
| Date and time of uploading |
30.05.2022 23:56:48 |
