Diplomová práce je zaměřena na návrh modelů frontálních neuronových sítí pro predikci hrubého domácího produktu. Pro učení neuronové sítě je použit index vedoucích ekonomických indikátorů a jeho difúzní index, jimž odpovídá procentuální změna hrubého domácího produktu. Následně je v diplomové práci řešen způsob modelování trendových složek těchto indexů pomocí klouzavých průměrů a exponenciálních vyrovnání. Je zde definována frontální neuronová síť a zmíněny další neuronové sítě vhodné pro predikci. V další části práce jsou analyzovány navržené modely frontálních neuronových sítí.
Anotace v angličtině
This diploma work deals with a suggestion for simulating frontal neural network model for prediction of gross domestic product. For training frontal neural network is applied index of leading economics indicators and diffusion index of leading economics indicators, for which belongs percentage change of gross domestic product. In next part of this diploma work is solved method of modelling trend elements of this indexes by moving averages and exponential adjustements. There is defined frontal neural network and another neural networks that is available for prediction. In last part of this diploma are analyzed models of frontal neural networks.
Klíčová slova
predikce HDP, IVEI, DIVEI, časová řada, neuronové sítě vhodné pro predikci, frontální neuronové sítě, Back-Propagation, SNNS
Klíčová slova v angličtině
prediction HDP, IVEI, DIVEI, time line, neural network for prediction, frontal neural network, Back-Propagation, SNNS
Rozsah průvodní práce
81
Jazyk
CZ
Anotace
Diplomová práce je zaměřena na návrh modelů frontálních neuronových sítí pro predikci hrubého domácího produktu. Pro učení neuronové sítě je použit index vedoucích ekonomických indikátorů a jeho difúzní index, jimž odpovídá procentuální změna hrubého domácího produktu. Následně je v diplomové práci řešen způsob modelování trendových složek těchto indexů pomocí klouzavých průměrů a exponenciálních vyrovnání. Je zde definována frontální neuronová síť a zmíněny další neuronové sítě vhodné pro predikci. V další části práce jsou analyzovány navržené modely frontálních neuronových sítí.
Anotace v angličtině
This diploma work deals with a suggestion for simulating frontal neural network model for prediction of gross domestic product. For training frontal neural network is applied index of leading economics indicators and diffusion index of leading economics indicators, for which belongs percentage change of gross domestic product. In next part of this diploma work is solved method of modelling trend elements of this indexes by moving averages and exponential adjustements. There is defined frontal neural network and another neural networks that is available for prediction. In last part of this diploma are analyzed models of frontal neural networks.
Klíčová slova
predikce HDP, IVEI, DIVEI, časová řada, neuronové sítě vhodné pro predikci, frontální neuronové sítě, Back-Propagation, SNNS
Klíčová slova v angličtině
prediction HDP, IVEI, DIVEI, time line, neural network for prediction, frontal neural network, Back-Propagation, SNNS
Zásady pro vypracování
Charakterizujte index vedoucích ekonomických indikátorů a jeho dufúzní index na predikci hrubého domácího produktu.
Analyzujte vstupní parametry, předzpracujte dané časové řady tak, aby měli vhodnou ekonomickou interpretaci.
Charakterizujte frontální neuronové sítě z hlediska predikce.
Navrhněte model predikce hrubého domácího produktu pomocí frontální neuronové sítě.
V prostředí SNNS simulátoru, případně v jiném prostředí, verifikujte navržený model a analyzujte výsledky.
Vytvořte uživatelskou příručku uvedeného programového systému.
Zásady pro vypracování
Charakterizujte index vedoucích ekonomických indikátorů a jeho dufúzní index na predikci hrubého domácího produktu.
Analyzujte vstupní parametry, předzpracujte dané časové řady tak, aby měli vhodnou ekonomickou interpretaci.
Charakterizujte frontální neuronové sítě z hlediska predikce.
Navrhněte model predikce hrubého domácího produktu pomocí frontální neuronové sítě.
V prostředí SNNS simulátoru, případně v jiném prostředí, verifikujte navržený model a analyzujte výsledky.
Vytvořte uživatelskou příručku uvedeného programového systému.
Seznam doporučené literatury
1. OLEJ, V.: Modelovanie ekonomických procesov na báze výpočtovej inteligencie. [Vedecká monografia], Miloš Vognar - M&V, ISBN 80-903024-9-1, Hradec Králové, 2003, 160s.
2. KVASNIČKA, V. a kol.: Úvod do teórie neurónových sietí. Iris, Bratislava, 1997.
3. SINČÁK, P. - ANDREJKOVÁ, G.: Neurónové siete 1. diel, 2. diel, ELFA s.r.o., Košice, 1996.
4. OLEJ, V.: Prediction of Gross Domestic Product Development on the Basis of Frontal Neural Networks, Genetic and Eugenic Algorithms. Proc. 2nd Euro - International Symposium on Computational Intelligence, E-ISCI 2002, Intelligent Technologies - Theory and Applications, New Trend in Intelligent Technologies, IOS Press Ohmsha, Netherlands, pp.309-314, 2002.
5. OLEJ, V.: Prediction of Gross Domestic Product Development on the Basis of Neural Networks, Generic and Eugenic Algorithms. Proc. of 8th International Conference on Soft Computing, MENDEL '2002, Brno, Czech Republic, pp.153-158, 2002.
Seznam doporučené literatury
1. OLEJ, V.: Modelovanie ekonomických procesov na báze výpočtovej inteligencie. [Vedecká monografia], Miloš Vognar - M&V, ISBN 80-903024-9-1, Hradec Králové, 2003, 160s.
2. KVASNIČKA, V. a kol.: Úvod do teórie neurónových sietí. Iris, Bratislava, 1997.
3. SINČÁK, P. - ANDREJKOVÁ, G.: Neurónové siete 1. diel, 2. diel, ELFA s.r.o., Košice, 1996.
4. OLEJ, V.: Prediction of Gross Domestic Product Development on the Basis of Frontal Neural Networks, Genetic and Eugenic Algorithms. Proc. 2nd Euro - International Symposium on Computational Intelligence, E-ISCI 2002, Intelligent Technologies - Theory and Applications, New Trend in Intelligent Technologies, IOS Press Ohmsha, Netherlands, pp.309-314, 2002.
5. OLEJ, V.: Prediction of Gross Domestic Product Development on the Basis of Neural Networks, Generic and Eugenic Algorithms. Proc. of 8th International Conference on Soft Computing, MENDEL '2002, Brno, Czech Republic, pp.153-158, 2002.
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
1) Charakterizujte přesnost predikce HDP pomocí frontálních NS a Vámi navrhnutého filtru.
2) Jak parametry Vašeho filtru ovlivní rychlost výpočtu?
3) Jak jste očistil časové řady? A proč více metod? Jsou dva sloupce dat a protože potřebuju více vstupů do neuronové sítě.
4) Jak může být model použit pro predikci, když je vstupem klouzavý průměr? Podstata je, že indexy jsou schopny predikovat.
Jak ověříte, že model dobře predikuje? Netestoval jsem to.
Jak je možné, že jste netestoval, když jste použil testovací data?
Jaký bude vývoj HDP do budoucna? Bude klesat nebo růst?