prikaz prve stranice dokumenta Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje
Rad nije dostupan
diplomski rad
Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:226408
Pjević, Edin
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Pjević, E. (2022). Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:226408

Pjević, Edin. "Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:226408

Pjević, Edin. "Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:226408

Pjević, E. (2022). 'Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 28.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:226408

Pjević E. Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 28.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:226408

E. Pjević, "Primjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:226408

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:226408
Podaci o radu
NaslovPrimjena evolucijskih algoritama za optimizaciju povratnih neuronskih mreža pri predviđanju potražnje
Naslov (engleski)Evolutionary algorithms for optimization of recurrent neural networks in demand forecasting
AutorEdin Pjević
MentorDomagoj Jakobović (mentor)
Član povjerenstvaDomagoj Jakobović (predsjednik povjerenstva)
Član povjerenstvaMarko Đurasević (član povjerenstva)
Član povjerenstvaLeonardo Jelenković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Predviđanje potražnje se opisuje kao tehnika koja se koristi za procjenu potražnje za nadolazećim proizvodom ili uslugama u budućnosti. Također se može opisati kao proces izrade budućih procjena u odnosu na potražnju kupaca u određenom razdoblju. Ovi opisi su vrlo specifični i ne nude cijelu sliku. Tehnike predviđanja potražnje se mogu primijeniti i na različite druge čimbenike za koje se želi predvidjeti ponašanje poput vremenskih uvjeta, rada postrojenja, statistike populacije itd. Ako čimbenik je pokazao sezonalnost ili trend kroz prošlost, tehnike predviđanja potražnje se mogu iskoristiti na njih za analizu budućnosti. U ovom radu istražuje se uspješnost predviđanja potražnje LSTM povratne neuronske mreže, čiji su hiperparametri optimirani evolucijskom strategijom, na različite vremenske nizove. Uspoređivanjem dobivenih predviđanja za različite kombinacije fiksiranih parametara evolucijske strategije postižu se zadovoljavajući rezultati koji ovise pretežito o ulaznim podacima.
Sažetak (engleski)
Demand forecasting is described as a technique used to estimate demand for an upcoming product or service in the future. It can also be described as the process of making future estimates in relation to customer demand over a period of time. These descriptions are very specific and do not offer the whole picture. Demand forecasting techniques can also be applied to various other factors to predict weather behavior, plant operation, population statistics, etc. If a factor has shown seasonality or a trend through the past, demand forecasting techniques can be used to analyze the future. This paper investigates the success of demand forecasting using LSTM recurrent neural networks, whose hyperparameters are optimized by evolutionary strategy, for different time series. By comparing the obtained predictions for different combinations of fixed parameters of the evolutionary strategy, satisfactory results are achieved, which depend mainly on the input data.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:226408
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 09:41:29