Μοντέλα βαθιάς μάθησης για την πρόβλεψη χρονοσειρών με χρήση της βιβλιοθήκης Tensorflow

Σαγκριώτης, Παναγιώτης

dc.contributor.advisor	Μαστοροκώστας, Πάρις
dc.contributor.author	Σαγκριώτης, Παναγιώτης
dc.date.accessioned	2023-10-12T17:10:09Z
dc.date.available	2023-10-12T17:10:09Z
dc.date.issued	2023-10-11
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5329
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-5167
dc.description.abstract	Σκοπός της εργασίας είναι αρχικά η εξοικείωση με τη βιβλιοθήκη Τensorflow και τους αλγορίθμους Βαθιάς Μάθησης που περιλαμβάνει. Ειδικότερα έγινε μελέτη των μοντέλων RNN και LSTM, και η εφαρμογή τους στο πρόβλημα της βραχυπρόθεσμης πρόβλεψης ηλεκτρικού φορτίου για το ελληνικό διασυνδεδεμένο σύστημα	el
dc.format.extent	109	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	RNN	el
dc.subject	LSTM	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Αναδρομικά νευρωνικά δίκτυα	el
dc.title	Μοντέλα βαθιάς μάθησης για την πρόβλεψη χρονοσειρών με χρήση της βιβλιοθήκης Tensorflow	el
dc.title.alternative	Deep learning models for time-series forecasting using Tensorflow library	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Αμοργίνος, Ιωάννης
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	The purpose of this thesis is initially to get familiar with the Tensorflow library and the Deep Learning algorithms it includes. Specifically, RNN and LSTM models were studied and applied to the problem of short-term electric load forecasting for the Greek interconnected power system.	el

Files in this item

Name:: Sagriotis_Diplomatiki.pdf
Size:: 3.957Mb
Format:: PDF
Description:: Κύριο άρθρο

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές