Πιθανοτικές προβλέψεις με χρήση νευρωνικών δικτύων

Παπαδημητρίου, Δημήτριος; Papadimitriou, Dimitrios

dc.contributor.author	Παπαδημητρίου, Δημήτριος	el
dc.contributor.author	Papadimitriou, Dimitrios	en
dc.date.accessioned	2022-05-10T08:07:16Z
dc.date.available	2022-05-10T08:07:16Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55121
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22819
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Τεχνικές προβλέψεων	el
dc.subject	Νευρωνικό δϊκτυο	el
dc.subject	GluonTS	en
dc.subject	Κατανομές	el
dc.subject	Πιθανοτικές προβλέψεις	el
dc.subject	Neural network	en
dc.subject	Forecasting methods	en
dc.subject	GluonTS	en
dc.subject	Distributions	en
dc.subject	Probabilistic forecasting	en
dc.title	Πιθανοτικές προβλέψεις με χρήση νευρωνικών δικτύων	el
heal.type	bachelorThesis
heal.classification	Τεχνικές Προβλέψεων , Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-03
heal.abstract	Η έννοια της πρόβλεψης είναι άρρηκτα συνδεδεμένη με το σύγχρονο επιχειρηματικό και εν γένει επιχειρησιακό περιβάλλον, καθώς η εκτίμηση της μελλοντικής κατάτασης των μεγεθών που επηρεάζουν άμεσα ή έμμεσα τον άνθρωπο, την επιχείρηση ή τον οργανισμό είναι απαραίτητη για την ορθή λήψη αποφάσεων που σχετίζονται με τις ενέργειες του παρόντος. Η πολυπλοκότητα των συστημάτων και η πληθώρα πληροφορίας που καλέιται να διαχειριστεί ο εκάστοτε αποφασίζων έχουν οδηγήσει στην ανάγκη αξιοποίησης νέων λύσεων πέρα των αμιγώς στατιστικών, λύσεις οι οποίες λαμβάνονται από άλλους κλάδους όπως επί παραδείγματι τη μηχανική μάθηση. Σκοπός της παρούσας διπλωματικής εργασίας είναι η εξοικείωση με την εργαλειοθήκη του GluonTS, που επιτρέπει τη χρήση έτοιμων αλλά και την ανάπτυξη νέων μοντέλων μηχανικής και βαθιάς μηχανικής μάθησης, με σκοπό την εξαγωγή πιθανοτικών προβλέψεων. Παράλληλα εξετάζονται παραλλαγές του μοντέλου Απλής Πρόσθιας Τροφοδότησης , με χρήση πέντε διαφορετικών κατανομών με στόχο την εξαγωγή των βέλτιστων πιθανοτικών προβλέψεων σε μηνιαία δεδομένα τα οποία διακρίνονται σε έξι κατηγορίες. Της παραπάνω μελέτης προηγείται η θεωρητική παρουσίαση και θεμελίωση των εννοιών που άπτονται του κλάδου των Προβλέψεων, καθώς επίσης και του ιδιαίτερα δυναμικού κλάδου της μηχανικής μάθησησης. Επιπλέον γίνεται εκτενής περιγραφή της εργαλειοθήκης του GluonTS και των υπερ-παραμέτρων του μοντελου που χρησιμοποιήθηκε. Η διπλωματική εργασία περατώνεται με τα συμπεράσματα που εξήχθησαν από την πειραματική διαδικασία, ενώ γίνεται μία προσπάθεια ανάδειξης των εφαρμογών τέτοιου είδους μοντέλων σε πρακτικά προβλήματα.	el
heal.advisorName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ακούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών.Μονάδα Προβλέψεων και Στρατηγικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	128 σ.	el
heal.fullTextAvailability	false