Εμφάνιση απλής εγγραφής

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

dc.contributor.advisorΜαστοροκώστας, Πάρις
dc.contributor.authorΣαγκριώτης, Παναγιώτης
dc.date.accessioned2023-10-12T17:10:09Z
dc.date.available2023-10-12T17:10:09Z
dc.date.issued2023-10-11
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/5329
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-5167
dc.description.abstractΣκοπός 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 σύστημαel
dc.format.extent109el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectRNNel
dc.subjectLSTMel
dc.subjectΒαθιά μάθησηel
dc.subjectΑναδρομικά νευρωνικά δίκτυαel
dc.titleΜοντέλα βαθιάς μάθησης για την πρόβλεψη χρονοσειρών με χρήση της βιβλιοθήκης Tensorflowel
dc.title.alternativeDeep learning models for time-series forecasting using Tensorflow libraryel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeΑμοργίνος, Ιωάννης
dc.contributor.committeeTselenti, Panagiota
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.description.abstracttranslatedThe 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


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές