Práce se zabývá problematikou předpovědi systémových zdrojů za použití umělé inteligence, konkrétně neuronových sítí. V teoretické části jsou popsány neuronové sítě a jejich využití pro předpověď hodnot. V praktické části je implementována konzolová aplikace pro předpověď využití systémových zdrojů. Této aplikaci jsou poté předkládány na vstup naměřené hodnoty a aplikace se snaží předpovědět vývoj využití těchto hodnot.
Anotace v angličtině
Thesis is focused on system resources prediction, using artificial intelligence, specifically neural networks. The teoretical part describes neural networks and their use for prediction of values. In the practical part is implemented console application, which predicts the usage of system resources. This application is given measured values of system resources usage and the application tries to predict the future values.
Klíčová slova
Předpověď využití CPU a RAM, neuron, neuronová síť, Resilient propagation, časové řady.
Klíčová slova v angličtině
Prediction of CPU and RAM usage, neuron, neural network, Resilient propagation, time series.
Rozsah průvodní práce
65 s. (88 248 znaků)
Jazyk
CZ
Anotace
Práce se zabývá problematikou předpovědi systémových zdrojů za použití umělé inteligence, konkrétně neuronových sítí. V teoretické části jsou popsány neuronové sítě a jejich využití pro předpověď hodnot. V praktické části je implementována konzolová aplikace pro předpověď využití systémových zdrojů. Této aplikaci jsou poté předkládány na vstup naměřené hodnoty a aplikace se snaží předpovědět vývoj využití těchto hodnot.
Anotace v angličtině
Thesis is focused on system resources prediction, using artificial intelligence, specifically neural networks. The teoretical part describes neural networks and their use for prediction of values. In the practical part is implemented console application, which predicts the usage of system resources. This application is given measured values of system resources usage and the application tries to predict the future values.
Klíčová slova
Předpověď využití CPU a RAM, neuron, neuronová síť, Resilient propagation, časové řady.
Klíčová slova v angličtině
Prediction of CPU and RAM usage, neuron, neural network, Resilient propagation, time series.
Zásady pro vypracování
Proveďte analýzu současného stavu a možností v předpovídání využití systémových zdrojů.
Seznamte se s umělými neuronovými sítěmi.
Navrhněte vhodná data a extrahujte vhodným způsobem vstupní atributy.
Implementujte navržený model pro predikci využití systémových zdrojů.
Srovnejte navržený model s již existujícím produktem.
Zásady pro vypracování
Proveďte analýzu současného stavu a možností v předpovídání využití systémových zdrojů.
Seznamte se s umělými neuronovými sítěmi.
Navrhněte vhodná data a extrahujte vhodným způsobem vstupní atributy.
Implementujte navržený model pro predikci využití systémových zdrojů.
Srovnejte navržený model s již existujícím produktem.
Seznam doporučené literatury
ŠÍMA J., NERUDA R.: Teoretické otázky neuronových sítí. Vyd. 1. Praha, 1996: Matfyzpress, 390 s., ISBN 80-85863-18-9
KŘIVAN, Miloš. Úvod do umělých neuronových sítí. Vyd. 3., přeprac. Praha: Oeconomica, 2014, 44 s. ISBN 978-80-245-2024-7.
ZELINKA, Ivan. Umělá inteligence I: Neuronové sítě a genetické algoritmy. 1. vyd. Brno: VUT v Brně, 1998, 126 s. ISBN 80-214-1163-5.
FRANK, R.J, N. DAVEY a S.P. HUNT. Time Series Prediction and Neural Networks. Journal of Intelligent and Robotic Systems \matsymb{lbrack}online\matsymb{rbrack}. 2001, (31), 91-103.
HEATON, Jeff. Programming Neural Networks with Encog 3 in C\symbol{35}. Vyd. 1. St. Louis: Heaton Research, 2011, 232s. ISBN 978-1-60439-026-1.
Seznam doporučené literatury
ŠÍMA J., NERUDA R.: Teoretické otázky neuronových sítí. Vyd. 1. Praha, 1996: Matfyzpress, 390 s., ISBN 80-85863-18-9
KŘIVAN, Miloš. Úvod do umělých neuronových sítí. Vyd. 3., přeprac. Praha: Oeconomica, 2014, 44 s. ISBN 978-80-245-2024-7.
ZELINKA, Ivan. Umělá inteligence I: Neuronové sítě a genetické algoritmy. 1. vyd. Brno: VUT v Brně, 1998, 126 s. ISBN 80-214-1163-5.
FRANK, R.J, N. DAVEY a S.P. HUNT. Time Series Prediction and Neural Networks. Journal of Intelligent and Robotic Systems \matsymb{lbrack}online\matsymb{rbrack}. 2001, (31), 91-103.
HEATON, Jeff. Programming Neural Networks with Encog 3 in C\symbol{35}. Vyd. 1. St. Louis: Heaton Research, 2011, 232s. ISBN 978-1-60439-026-1.
Přílohy volně vložené
1 CD-ROM
Přílohy vázané v práci
ilustrace, grafy, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student prezentoval diplomovou práci. Po seznámení s posudky vedoucího i oponenta student zodpověděl otázky uvedené v těchto posudcích. Následně komise položila následující dotaz:
Ing. David Malaník, Ph.D.: U predikce RAM máte pořád konstantní odchylku v ose y, napadá Vás příčina? Predikce průběhu je dobrá, ale nepátral jste proč je to konstantně na nižší honotě?
Student odpověděl na dotaz uspokojivě.