Srovnání statistických metod a hlubokého učení pro předpovídání časových řad
| Thesis title in Czech: | Srovnání statistických metod a hlubokého učení pro předpovídání časových řad |
|---|---|
| Thesis title in English: | Comparing Statistical Methods and Deep Learning for Time Series Prediction |
| Academic year of topic announcement: | 2018/2019 |
| Thesis type: | Bachelor's thesis |
| Thesis language: | čeština |
| Department: | Department of Theoretical Computer Science and Mathematical Logic (32-KTIML) |
| Supervisor: | Mgr. Martin Pilát, Ph.D. |
| Author: | hidden - assigned and confirmed by the Study Dept. |
| Date of registration: | 11.03.2019 |
| Date of assignment: | 11.03.2019 |
| Confirmed by Study dept. on: | 27.03.2019 |
| Guidelines |
| Hluboké (rekurentní) neuronové sítě v posledních letech překonávají tradiční statistické metody při předpovídání obecných časových řad. U některých (speciálně finančních) řad ovšem lepší metoda není zřejmá, zejména obohatíme-li model o externí faktory specifické pro tuto doménu (jako jsou například kurzy souvisejících instrumentů, nebo makro-ekonomické ukazatele). Cílem práce je srovnat oba přístupy pro takto specializovanou predikci.
Student nastuduje jak tradiční techniky pro předpovídání časových řad, tak moderní techniky založené na hlubokých neuronových sítích. Nastudované techniky aplikuje na problém zmíněný výše a jejich výsledky porovná. |
| References |
| [1] Box, G. E.; Jenkins, G. M.; Reinsel, G. C.; and Ljung, G. M. 2015. "Time series analysis: forecasting and control". John Wiley & Sons. ISBN: 978-1-118-67502-1
[2] Guokun Lai, Wei-Cheng Chang, Yiming Yang: “Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks”, 2017; [http://arxiv.org/abs/1703.07015 arXiv:1703.07015]. [3] Yen-Yu Chang, Fan-Yun Sun, Yueh-Hua Wu: “A Memory-Network Based Solution for Multivariate Time-Series Forecasting”, 2018; [http://arxiv.org/abs/1809.02105 arXiv:1809.02105]. [4] Sepp Hochreiter and Jürgen Schmidhuber. "Long short-term memory". Neural computation, 9(8): 1735–1780,1997 [5] Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. "Deep learning". MIT press, 2016. ISBN: 978-0262035613 |