2.23M
Category: informaticsinformatics

Прогнозирование временных рядов в задаче компьютерного зрения при помощи векторов-признаков

1.

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ФАКУЛЬТЕТ ПРИКЛАДНОЙ МАТЕМАТИКИ И ИНФОРМАТИКИ
Кафедра компьютерных технологий и систем
Гарбузов Даниил Андреевич
ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ В ЗАДАЧЕ
КОМПЬЮТЕРНОГО ЗРЕНИЯ ПРИ ПОМОЩИ ВЕКТОРОВ ПРИЗНАКОВ
Научный руководитель
Шолтанюк С.В.
старший преподаватель кафедры КТС
Гарбузов Д.А. Дипломная работа 2024

2.

Цель работы:
Разработка свёрточного автокодировщика для
извлечения векторов признаков из изображений и
прогнозирование временного ряда методами
авторегрессии, оценка точности полученных
предсказаний.
База данных HURSAT
Гарбузов Д.А. Дипломная работа 2024

3.

Содержание
• Описание моделей авторегрессии – скользящего
среднего и векторной авторегрессии
• Понятие свёрточных автокодировщиков
• Проектирование архитектуры сети для
извлечения признаков из изображений
• Прогнозирование временного ряда методами
авторегрессии и оценка результатов
Гарбузов Д.А. Дипломная работа 2024

4.

Модель ARMA
Лаговый оператор
Гарбузов Д.А. Дипломная работа 2024

5.

Модель ARIMA для нестационарных
временных рядов записывается с
использованием лагового оператора:
Гарбузов Д.А. Дипломная работа 2024

6.

Модель VAR
Векторно-матричная запись:
Гарбузов Д.А. Дипломная работа 2024

7.

Архитектура автокодировщика
Гарбузов Д.А. Дипломная работа 2024

8.

Свёрточные сети, операция свёртки
Свёртка с
шагом и без
Гарбузов Д.А. Дипломная работа 2024

9.

Деконволюция, или
транспонированная свёртка
Гарбузов Д.А. Дипломная работа 2024

10.

(скрытое представление)
Разработанная
архитектура
Гарбузов Д.А. Дипломная работа 2024

11.

Обучение разработанной сети
Гарбузов Д.А. Дипломная работа 2024

12.

Метрики
Гарбузов Д.А. Дипломная работа 2024

13.

Сравнение оригинальных изображений и
восстановленных из векторов признаков
Гарбузов Д.А. Дипломная работа 2024

14.

ACF для определения порядка AR
PACF для определения порядка MA
Гарбузов Д.А. Дипломная работа 2024

15.

Метрики для ARIMA
и для VAR
Гарбузов Д.А. Дипломная работа 2024

16.

Субъективная оценка качества прогнозов
Гарбузов Д.А. Дипломная работа 2024

17.

Результаты
Полученный ряд векторов признаков не является
стационарным.
Стационарность временного ряда удалось обеспечить
с помощью однократного дифференцирования.
Порядок методов определялся из графиков функций
автокорреляции и частичной автокорреляции.
Метод ARIMA применялся к каждой компоненте
вектора признаков по отдельности, он предполагает
зависимость значений компонент вектора в данный
момент только от собственных значений в
предыдущие моменты и значений ошибок.
Метод VAR предполагает зависимость одних компонент
также и от других.
Гарбузов Д.А. Дипломная работа 2024

18.

Заключение
Все метрики (MSE, PSNR, SSIM) говорят о том,
что метод векторной авторегрессии является более
предпочтительным.
Полученные
результаты
могут
быть
усовершенствованы
в
рамках
дальнейших
исследований, направленных на повышение
точности работы автокодировщика, изучение
возможности применения других архитектур,
таких как генеративные состязательные сети, и
применение глубоких методов прогнозирования
временных рядов для ряда векторов признаков,
извлекаемых с помощью автокодировщика.
Гарбузов Д.А. Дипломная работа 2024

19.

СПАСИБО ЗА ВНИМАНИЕ!
Гарбузов Д.А. Дипломная работа 2024
English     Русский Rules