| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Dziļās apmācības metožu izmantošana industriālu procesu attīstības prognozēšanai |
| Nosaukums angļu valodā |
Prognostics of Industrial Process Using Deep Learning Methods |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Agris Ņikitenko |
| Recenzents |
Imants Gorbāns |
| Anotācija |
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. |
| Atslēgas vārdi |
dziļā mācīšanās, neirona tīkli, LSTM, anomālijas |
| Atslēgas vārdi angļu valodā |
deep learning, neural networks, LSTM |
| Valoda |
lv |
| Gads |
2022 |
| Darba augšupielādes datums un laiks |
30.05.2022 23:56:48 |
