| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Dziļās apmācības metožu pielietojuma izstrāde industriālu procesu pārvaldībā |
| Nosaukums angļu valodā |
Development of Application of Deep Learning Methods for Industrial Process Management |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Agris Ņikitenko |
| Recenzents |
Vitālijs Osadčuks |
| Anotācija |
Bakalaura darba tēma ir “Dziļas apmācības metožu pieleitojuma izstrāde
industriālu procesu pārvaldībā”.
Bakalaura darba mērķis ir izpētīt dziļās apmācības metožu pielietojumu veidus
industriālā procesu vadībā un izstrādāt laikrindu prognozēšanas metodi.
Darbs sastāv no četrām daļām. Pirmā daļa sastāv no teorijas par dziļo apmācību,
neirona tīkliem, to uzbūvi, pielietojuma veidiem un specifisku terminoloģiju atbilstoši
jomai. Otrā daļa sastāv no statistikas metodēm. Darba trešajā daļā tiek aprakstīta dziļās
apmācības neirona tīkla izveide, pielietojot LSTM modeli. Ceturtajā daļā izveidotā
dziļās apmācības neirona tīkla pārbaude un statistikas modeļu rezultāti.
Darba pamattekstā ir 53. lappuses, 36. attēli, 27. nosaukumu informācijas avoti
un 3. pielikums. |
| Atslēgas vārdi |
dziļā mācīšanās, neirona tīkli, mākslīgais intelekts, MI, LSTM, statistika, arima, sarima, RNN, rekurentie neirona tīkli |
| Atslēgas vārdi angļu valodā |
deep learning, neural networks, Artificial intelligence, AI, LSTM, statistics, arima, sarima, RNN, recurrent neural network |
| Valoda |
lv |
| Gads |
2023 |
| Darba augšupielādes datums un laiks |
05.09.2023 22:56:35 |
