|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Глубокое обучение для краткосрочного прогнозирования транспортных потоковкурсовая работа (Бакалавр)
- Научный руководитель: Часовских А.А.
- Автор: Джексембаев Руслан
- Тип: Бакалавр
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Кафедра: Кафедра математической теории интеллектуальных систем
- Год защиты: 2020
- Курс: 3
- Аннотация: Выполнено сравнение моделей, построенных с помощью сверточной нейронной сети (CNN), рекуррентной нейронной сети (RNN), и графового метода, разработанного студентом на основе Independent RNN и Graph Convolutional Network. Для оценки работы сетей использовались следующие метрики: средняя абсолютная ошибка, средняя относительная ошибка. При этом графовый метод тестировался в двух вариантах: дискретном и непрерывном. Все подходы показали сравнимые результаты. Показано, что графовый метод является значительно более экономичными в смысле затрачиваемых вычислительных ресурсов, чем CNN и RNN подходы
- Добавил в систему: Часовских Анатолий Александрович