Modelování hrubého domácího produktu pomocí neuronových sítí

Abstract

Diplomová práce se zabývá návrhem modelů dopředných neuronových sítí pro predikci hrubého domácího produktu. Pro učení neuronové sítě je použit index vedoucích ekonomických indikátorů a jeho difúzní index, jimž odpovídá procentuální změna HDP. V teoretické části diplomové práce je řešen způsob modelování trendových složek těchto indexů pomocí klouzavých průměrů a exponenciálních vyrovnání. Je zde definována dopředná neuronová síť a uvedeny další neuronové sítě vhodné pro predikci. V praktické části jsou analyzovány navrhnuté modely dopředných neuronových sítí prostřednictvím Stuttgartského simulátoru neuronových sítí.

This diploma work deals with a suggestion for simulating feed-forward neural network model for prediction of gross domestic product. For training feed-forward neural network is applied index of leading economics indicators and diffusion index of leading economics indicators, for which belongs percentage change of gross domestic product. In teoretical part of this diploma work is solved method of modelling trend elements of this indexes by moving averages and exponential adjustements. There is defined feed-forward neural network and another neural networks that is available for prediction. The proposed models of feed-forward neural networks are analyzed by Stuttgart Neural Network Simulator in practical part.