magistrsko delo
Povzetek
Metode strojnega učenja vse bolj prodirajo v vsa področja modernega gospodarskega in raziskovalnega okolja. Obstoječi algoritmi dosegajo vrhunske rezultate pri nalogah, kot so prepoznavanje slik, razumevanje besedil in govora ipd. Avtomatizirane rešitve takšnih nalog so še nedavno veljale za nedosegljive. V tem magistrskem delu pregledamo najpopularnejše globoke nevronske mreže, iz njih sestavljene modele in njihove načine učenja. S pridobljenim znanjem in večkratnim testiranjem v drugem delu, razvijemo model globoke nevronske mreže za napovedovanje GPS sledi. Osnovno testiranje modela poteka na lastnem naboru sintetično ustvarjenih podatkov. Dva najuspešnejša modela v nadaljevanju učimo s pomočjo izbranih realnih podatkov, pridobljenih od podjetja GoOpti, d. o. o. Končni izpopolnjen model učimo z razširjenim naborom realnih podatkov. V magistrskem delu so opisani izbira in implementacija modela, način učenja, ustvarjanje in pridobivanje naborov podatkov in pridobljeni rezultati.
Ključne besede
magistrska dela;strojno učenje;globoko učenje;globoke nevronske mreže;povratne nevronske mreže;
Podatki
Jezik: |
Slovenski jezik |
Leto izida: |
2018 |
Tipologija: |
2.09 - Magistrsko delo |
Organizacija: |
UM FNM - Fakulteta za naravoslovje in matematiko |
Založnik: |
[J. Borlinić] |
UDK: |
004.85(043.2) |
COBISS: |
24225288
|
Št. ogledov: |
1337 |
Št. prenosov: |
114 |
Ocena: |
0 (0 glasov) |
Metapodatki: |
|
Ostali podatki
Sekundarni jezik: |
Angleški jezik |
Sekundarni naslov: |
Predicting GPS tracks with deep neural networks |
Sekundarni povzetek: |
Machine learning methods are increasingly influencing all areas of the modern economic and research environment. Existing algorithms achieve top results in tasks such as image recognition, understanding text and speech, etc. Automated solutions to such tasks were until recently considered unavailable. In this master's thesis, we review the most popular deep neural networks, underlying models and their learning tipes. With the acquired knowledge and repeated testing in the second part, we develop a deep neural network model for predicting GPS tracks. Basic testing of the model takes place on our own synthetically generated dataset. The two most successful models are further taught using selected real data obtained from GoOpti, d. o. o. and the final, best performing, model is taught with an expanded set of real data. The master's thesis describes the choice and implementation of the model, the tipe of learning, the creation and retrieval of data sets, and the obtained results. |
Sekundarne ključne besede: |
master theses;machine learning;deep learning;deep neural networks;recurrent neural networks; |
URN: |
URN:SI:UM: |
Vrsta dela (COBISS): |
Magistrsko delo/naloga |
Komentar na gradivo: |
Univ. v Mariboru, Fak. za naravoslovje in matematiko, Oddelek za matematiko in računalništvo |
Strani: |
VIII, 71 f. |
ID: |
10949267 |