|
Robustní identifikace modelu se Studentovým šumem
Hlavinka, Radek ; Friml, Dominik (oponent) ; Dokoupil, Jakub (vedoucí práce)
Diplomová práce se zabývá Bayesovskými metodami pro robustní odhad parametrů ARX modelu. Robustnosti identifikačního algoritmu je dosaženo uvažováním Studentova-t rozdělení šum měřeného výstupu. Uvažování Studentova-t šumu znemožňuje analytické vyjádření posteriorního rozložení parametrů, je tedy třeba využít aproximačních metod. V rámci této práce jsou užity algoritmy využívající Gibbsův vzorkovač a Variační aproximaci a jsou srovnány s Metodou Nejmenších Čtverců. Algoritmy jsou hodnoceny na základě jejich estimace Maximální Věrohodnosti. Je ukázáno, že algoritmy uvažující Studentův-t šum dosahují při simulacích lepších výsledků. V rámci ověření na datech naměřených na reálném systému jsou však výsledky všech algoritmů srovnatelné.
|
|
Robustní identifikace modelu se Studentovým šumem
Hlavinka, Radek ; Friml, Dominik (oponent) ; Dokoupil, Jakub (vedoucí práce)
Diplomová práce se zabývá Bayesovskými metodami pro robustní odhad parametrů ARX modelu. Robustnosti identifikačního algoritmu je dosaženo uvažováním Studentova-t rozdělení šum měřeného výstupu. Uvažování Studentova-t šumu znemožňuje analytické vyjádření posteriorního rozložení parametrů, je tedy třeba využít aproximačních metod. V rámci této práce jsou užity algoritmy využívající Gibbsův vzorkovač a Variační aproximaci a jsou srovnány s Metodou Nejmenších Čtverců. Algoritmy jsou hodnoceny na základě jejich estimace Maximální Věrohodnosti. Je ukázáno, že algoritmy uvažující Studentův-t šum dosahují při simulacích lepších výsledků. V rámci ověření na datech naměřených na reálném systému jsou však výsledky všech algoritmů srovnatelné.
|
|
Robustní identifikace modelu se Studentovým šumem
Rázek, Stanislav ; Friml, Dominik (oponent) ; Dokoupil, Jakub (vedoucí práce)
Diplomová práce se zabývá formulací algoritmu odhadování parametrů lineárního ARX modelu se Studentovým šumem s využitím aproximativní Bayesovské inference. Jsou probírána témata Studentova šumu, Aproximační Bayesovské inference a Studentův algoritmus. Formulovaný algoritmus odhadování parametrů je porovnán s jinými metodami odhadu parametrů modelu a zhodnocen. Zároveň je odvozen Studentův filtr a diskutována jeho provázanost s Kalmanovým filtrem.
|
|
Image Deblurring in Demanding Conditions
Kotera, Jan ; Šroubek, Filip (vedoucí práce) ; Portilla, Javier (oponent) ; Jiřík, Radovan (oponent)
Název: Nestandardní úlohy v odstranění rozmazání obrazu Autor: Jan Kotera Pracoviště: Ústav teorie informace a automatizace Akademie věd České republiky Vedoucí: Doc. Ing. Filip Šroubek, Ph.D., DSc., Ústav teorie informace a automati- zace Akademie věd České republiky Abstract: Odstranění rozmazání obrazu je jednou ze standardních úloh zpracování obrazu. Není-li znám přesný způsob rozmazání a je třeba ho odhadnout z rozmazaného obrázku, nazývá se takové odstranění rozmazání slepé a jedná se o těžší úlohu. Tato práce se zabývá dvěma problémy, které se objevují ve slepém odstranění rozmazání. V první části práce uvažujeme obvyklý konvoluční model rozmazání obrazu a navrhu- jeme způsob, jak zvýšit odolnost metody proti jevům, které tento model porušují, jako jsou například přepaly obrazu. Takové jevy způsobují velikou nepřesnost odhadu roz- mazání a následně špatnou kvalitu výsledného obrazu. Navržený přístup je založen na použití velmi flexibilní ARD distribuce pro chybu konvolučního modelu a metody variačního Bayese pro odhad rozmazání, díky čemuž je natolik obecný, že dokáže au- tomaticky identifikovat oblasti obrazu, které konvoluční model porušují, aniž by bylo nutné předvídat konkrétní příčiny takového porušení. Většina slepých metod pro odstranění rozmazání vyžaduje...
|
|
Image Deblurring in Demanding Conditions
Kotera, Jan ; Šroubek, Filip (vedoucí práce) ; Portilla, Javier (oponent) ; Jiřík, Radovan (oponent)
Název: Nestandardní úlohy v odstranění rozmazání obrazu Autor: Jan Kotera Pracoviště: Ústav teorie informace a automatizace Akademie věd České republiky Vedoucí: Doc. Ing. Filip Šroubek, Ph.D., DSc., Ústav teorie informace a automati- zace Akademie věd České republiky Abstract: Odstranění rozmazání obrazu je jednou ze standardních úloh zpracování obrazu. Není-li znám přesný způsob rozmazání a je třeba ho odhadnout z rozmazaného obrázku, nazývá se takové odstranění rozmazání slepé a jedná se o těžší úlohu. Tato práce se zabývá dvěma problémy, které se objevují ve slepém odstranění rozmazání. V první části práce uvažujeme obvyklý konvoluční model rozmazání obrazu a navrhu- jeme způsob, jak zvýšit odolnost metody proti jevům, které tento model porušují, jako jsou například přepaly obrazu. Takové jevy způsobují velikou nepřesnost odhadu roz- mazání a následně špatnou kvalitu výsledného obrazu. Navržený přístup je založen na použití velmi flexibilní ARD distribuce pro chybu konvolučního modelu a metody variačního Bayese pro odhad rozmazání, díky čemuž je natolik obecný, že dokáže au- tomaticky identifikovat oblasti obrazu, které konvoluční model porušují, aniž by bylo nutné předvídat konkrétní příčiny takového porušení. Většina slepých metod pro odstranění rozmazání vyžaduje...
|
| |
| |