Prihlásenie

Kello, Tomáš: Operatívne riadenie železničnej dopravy využitím strojového učenia. [Dizertačná práca]. – Žilinská univerzita v Žiline. Fakulta riadenia a informatiky; Katedra softvérových technológii. – Školiteľ: doc. Ing. Emil Kršák PhD. – Stupeň odbornej kvalifikácie: doktorandský. – Žilina: FRI UNIZA, 2021. Počet strán 125 Dizertačná práca sa zaoberá problémom predikcie jazdnej doby vlakovej súpravy. Matematický model plánovanej jazdnej doby dosahuje úspešnosť 85,61% K predikcii sme využili 5 ročné záznamy o premávke železničnej dopravy. Pomocou umelej inteligencie a vstupných dát sme natrénovali model, ďalej sme úspešnosť zlepšovali pomocou selekcie dát a nastavovaním parametrov učiaceho algoritmu. Výsledná predikcia skutočnej jazdnej doby dosiahla úspešnosť až 94,38%. Reprezentuje to zlepšenie o 8,77%. Kľúčové slová: Strojové učenie, Predikcia jazdnej doby vlakovej súpravy, Tensor Flow, ML.NET

Kello, Tomáš: Railway traffic management using machine learning. [Doctoral thesis]. – University of Žilina. Faculty of management science and informatics; Department of software technologies. – Supervisor: doc. Ing. Emil Kršák PhD. – Professional qualification level: PhD. – Žilina: FRI UNIZA, 2021. Page count: 125 Topic of this work is based on prediction train driving time. Mathematical model has success rate of 85,61%. We used train driving records of 5 years interval for machine learning algorithm. To improve our success rate, we combine machine learning with selection of data and modifying training parameters. Our final prediction gets 94,38% success rate. This represents improvement of 8,77%. Key words: Machine learning, Prediction of train driving time, Tensor Flow, ML.NET