Predviđanje budućih očitanja uređaja Interneta stvari putem dubokog učenja

diplomski rad

• Naslov (engleski): Predicting IoT Readings With Deep Learning
• Autor: Stjepan Kovačić
• Mentor: Vladimir Čeperić (mentor)
• Član povjerenstva: Vladimir Čeperić (predsjednik povjerenstva)
• Član povjerenstva: Mirko Poljak (član povjerenstva)
• Član povjerenstva: Tomislav Marković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tema ovog rada je primjena modela dubokog učenja na problem predviđanja budućih očitanja uređaja Interneta stvari. Objašnjeni su pojmovi Interneta stvari i dubokog učenja. Razvijen je LSTM model za predviđanje. Provedeni su postupci učenja modela i optimiranja hiperparametara. Predstavljeni su i analizirani rezultati razvijenog modela te su predložene moguće nadogradnje modela. Razvijeno je i predstavljeno programsko rješenje na odabranoj IoT platformi.

Sažetak (engleski)

The subject of this thesis is the application of deep learning models for the problem of predicting IoT readings. The concepts of the Internet of Things and deep learning are explained. An LSTM model has been developed. Model training was performed as well as hyperparameter optimization. The results of the model are presented and analyzed. Possible model upgrades are proposed. IoT solution on the chosen IoT platform was developed and presented.

• Ključne riječi: Internet stvari; duboko učenje; vremenski nizovi; predviđanje; RNN; LSTM
• Ključne riječi (engleski): Internet of Things; deep learning; time series; prediction; RNN; LSTM
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:261091
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 09:09:57