Ústav informatiky

Nejnovější přírůstky:
2019-02-13
17:44
Laplacian preconditioning of elliptic PDEs: Localization of the eigenvalues of the discretized operator
Gergelits, Tomáš ; Mardal, K.-A. ; Nielsen, B. F. ; Strakoš, Z.
This contribution represents an extension of our earlier studies on the paradigmatic example of the inverse problem of the diffusion parameter estimation from spatio-temporal measurements of fluorescent particle concentration, see [6, 1, 3, 4, 5]. More precisely, we continue to look for an optimal bleaching pattern used in FRAP (Fluorescence Recovery After Photobleaching), being the initial condition of the Fickian diffusion equation maximizing a sensitivity measure. As follows, we define an optimization problem and we show the special feature (so-called complementarity principle) of the optimal binary-valued initial conditions.

Úplný záznam
2019-02-13
17:44
On the Optimal Initial Conditions for an Inverse Problem of Model Parameter Estimation - a Complementarity Principle
Matonoha, Ctirad ; Papáček, Š.
This contribution represents an extension of our earlier studies on the paradigmatic example of the inverse problem of the diffusion parameter estimation from spatio-temporal measurements of fluorescent particle concentration, see [6, 1, 3, 4, 5]. More precisely, we continue to look for an optimal bleaching pattern used in FRAP (Fluorescence Recovery After Photobleaching), being the initial condition of the Fickian diffusion equation maximizing a sensitivity measure. As follows, we define an optimization problem and we show the special feature (so-called complementarity principle) of the optimal binary-valued initial conditions.

Úplný záznam
2019-02-13
17:44
Analýza zranitelnosti hl.m. Prahy vůči dopadům změny klimatu
Lorencová, Eliška ; Emmer, Adam ; Geletič, Jan ; Vačkář, David
Změna klimatu představuje jednu z klíčových výzev 21. století, jak z hlediska adaptací, tak mitigací. Cílem tohoto výzkumného záměru bylo v návaznosti na Strategii adaptace hl. m. Prahy na klimatickou změnu, zpracovat podklady pro Implementační plán, zaměřené na analýzu zranitelnosti hl.m. Prahy vůči dopadům změny klimatu. Analýza zranitelnosti se zaměřovala na dopady spojené s: (i) teplotními extrémy ve městě – vlnami horka, (ii) nedostatečným zasakováním a extrémními srážkami. Přístup zahrnoval prostorově explicitní analýzu v postředí ArcGIS, založenou na klimatický, land use a socio-ekonomických indikátorech pro současný stav a scénáře RCP 4.5 a RCP 8.5. Z hlediska zranitelnosti vůči teplotním extrémům - vlnám horka jsou v současné době nejvíce zasaženy oblasti v centru města (MČ Praha 2, MČ Praha 3, MČ Praha 6, MČ Praha 7, MČ Praha 1) a některé z okrajových částí města s průmyslovou zástavbou, např. Libeň, či Štěrboholy. Zranitelnost vůči extrémním srážkám a nedostatečnému zasakování srážkové vody je nejvyšší zejména v oblasti soutoku Vltavy a Berounky – Velká Chuchle, Praha 16, Zbraslav a Lipence.

Úplný záznam
2019-02-13
17:44
Datová sada pro detekci dezinformačního obsahu – případová studie Novičok v Česku
Řimnáč, Martin
Publikování dezinformací na webu hraje stále větší roli, proto vyvstává otázka, jak takovému obsahu čelit, a nebo na jeho potenciální závadnost alespoň upozornit. Propaganda využívá dezinformací k relativizaci skutečností, jejichž popis se snaží většinou nepřímo zpochybnit. Příspěvek formou případové studie v konkrétní kauze formálně popisuje výroky prezentované v článcích publikovaných na webu a to včetně účelu jejich publikování, všímá si některých zajímavých aspektů prezentovaných dezinformací a hledá model pro jejich popis. Cílem příspěvku je informovat o vznikající datové sadě a ilustrovat základní použité dezinformační techniky včetně důsledků jejich použití.

Úplný záznam
2019-02-13
17:43
Transforming hierarchical images to program expressions using deep networks
Křen, Tomáš
We present a technique describing how to effectively train a neural network given an image to produce a formal description of the given image. The basic motivation of the proposed technique is an intention to design a new tool for automatic program synthesis capable of transforming sensory data (in our case static image, but generally a phenotype) to a formal code expression (i.e. syntactic tree of a program), such that the code (from evolutionary perspective a genotype) evaluates to a value that is similar to the input data, ideally identical. Our approach is partially based on our technique for generating program expressions in the context of typed functional genetic programming. We present promising results evaluating a simple image description language achieved with a deep network combining convolution encoder of images and recurrent decoder for generating program expressions in the sequential prefix notation and propose possible future applications.
Plný text: Stáhnout plný textPDF

Úplný záznam
2019-02-13
17:43
Detailní simulace proudění, teplot a znečištění vzduchu pro oblast Praha-Dejvice
Resler, Jaroslav ; Geletič, Jan ; Krč, Pavel ; Eben, Kryštof
Simulations of Prague quarter Dejvice were performed with newly developed urban climate model PALM-4U based on LES model PALM. The modelling domain has extent 1000 x 800 m and the resolution of the model was 2 m. Two 24 hours episodes were simulated. The summer episode was intended to assess mainly the UHI effects and the winter episode to assess mainly the air quality issues. Two variants were simulated - the current real situation and the scenario with considered new buildings in the area of Victory Square (Vítězné náměstí). Some comments of the ressults are appended at the end of the report.

Úplný záznam
2019-02-13
17:43
A Hybrid Method for Nonlinear Least Squares that Uses Quasi-Newton Updates Applied to an Approximation of the Jacobian Matrix
Lukšan, Ladislav ; Vlček, Jan
In this contribution, we propose a new hybrid method for minimization of nonlinear least squares. This method is based on quasi-Newton updates, applied to an approximation A of the Jacobian matrix J, such that AT f = JT f. This property allows us to solve a linear least squares problem, minimizing ∥Ad+f∥ instead of solving the normal equation ATAd+JT f = 0, where d ∈ Rn is the required direction vector. Computational experiments confirm the efficiency of the new method.

Úplný záznam
2019-01-07
14:42
Popis TDD modelu verze 3.9
Novák, Jakub ; Jiřina, M. ; Benešová, Michaela
Zpráva je závěrečnou roční zprávou pro rok 2018 v rámci Projektu TDD-ČR. Cílem je předat metodiky pro užití modelu jak provozovatelem distribuční soustavy, tak operátorem trhu a dále informovat o aktuálním stavu modelu. Jsou popsány předávané soubory včetně vzorového výpočtu na reálných datech a jejich obsah.

Úplný záznam
2018-12-07
17:59
Nonparametric Bootstrap Techniques for Implicitly Weighted Robust Estimators
Kalina, Jan
The paper is devoted to highly robust statistical estimators based on implicit weighting, which have a potential to find econometric applications. Two particular methods include a robust correlation coefficient based on the least weighted squares regression and the minimum weighted covariance determinant estimator, where the latter allows to estimate the mean and covariance matrix of multivariate data. New tools are proposed allowing to test hypotheses about these robust estimators or to estimate their variance. The techniques considered in the paper include resampling approaches with or without replacement, i.e. permutation tests, bootstrap variance estimation, and bootstrap confidence intervals. The performance of the newly described tools is illustrated on numerical examples. They reveal the suitability of the robust procedures also for non-contaminated data, as their confidence intervals are not much wider compared to those for standard maximum likelihood estimators. While resampling without replacement turns out to be more suitable for hypothesis testing, bootstrapping with replacement yields reliable confidence intervals but not corresponding hypothesis tests.

Úplný záznam
2018-12-07
17:59
Robust Metalearning: Comparing Robust Regression Using A Robust Prediction Error
Peštová, Barbora ; Kalina, Jan
The aim of this paper is to construct a classification rule for predicting the best regression estimator for a new data set based on a database of 20 training data sets. Various estimators considered here include some popular methods of robust statistics. The methodology used for constructing the classification rule can be described as metalearning. Nevertheless, standard approaches of metalearning should be robustified if working with data sets contaminated by outlying measurements (outliers). Therefore, our contribution can be also described as robustification of the metalearning process by using a robust prediction error. In addition to performing the metalearning study by means of both standard and robust approaches, we search for a detailed interpretation in two particular situations. The results of detailed investigation show that the knowledge obtained by a metalearning approach standing on standard principles is prone to great variability and instability, which makes it hard to believe that the results are not just a consequence of a mere chance. Such aspect of metalearning seems not to have been previously analyzed in literature.

Úplný záznam