Národní úložiště šedé literatury Nalezeno 22 záznamů.  1 - 10dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Sekvenční metody Monte Carlo
Coufal, David ; Beneš, Viktor (vedoucí práce) ; Prokešová, Michaela (oponent)
Název práce: Sekvenční metody Monte Carlo Autor: David Coufal Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: prof. RNDr. Viktor Beneš, DrSc. Abstrakt: Práce shrnuje teoretické základy sekvenčních metod Monte Carlo se zaměřením na použití v oblasti částicových filtrů a základní výsledky z oblasti neparametrických jádrových odhadů hustot pravděpodobnostních rozdělení. Přehled výsledků tvoří základ ke zkoumání použití jádrových metod pro aprox- imaci hustot rozdělení částicových filtrů. Hlavními výsledky práce jsou důkaz konvergence jádrových odhadů k příslušným teoretickým hustotám a popis vývoje chyby aproximace v souvislosti s časovou evolucí filtru. Práce je do- plněna experimentální částí demonstrující použití popsaných algoritmů formou simulací ve výpočetním prostředí MATLABR⃝ . Klíčová slova: sekvenční metody Monte Carlo, částicové filtry, neparametrické jádrové odhady
Kernel Methods in Particle Filtering
Coufal, David ; Beneš, Viktor (vedoucí práce)
Jádrové metody v částicovém filtru David Coufal Disertační práce - abstrakt Předmětem práce je analýza použití jádrových odhadů hustot v částicovém filtru. Jmenovitě se zabývá vyšetřováním konvergence jádrových odhadů fil- tračních hustot konstruovaných na základě výstupu částicového filtru. Práce teoreticky dokazuje, že použití standardních jádrových odhadů je v kontextu částicového filtru efektivní, přestože výstup částicového filtru negeneruje náhodný výběr z filtračního rozdělení. Hlavními teoretickými výsledky práce je 1) stanovení horních mezí na MISE chybu odhadů filtračních hustot a jejich parciálních derivací; 2) stanovení příslušných dolních mezí a 3) for- mulace podmínky zajišťující zachování Sobolevského charakteru filtračních hustot v průběhu času. Práce rovněž obsahuje prakticky zaměřenou část zabývající se návrhy jader vhodných pro praktické použití. 1
Kernel Methods in Particle Filtering
Coufal, David ; Beneš, Viktor (vedoucí práce)
Jádrové metody v částicovém filtru David Coufal Disertační práce - abstrakt Předmětem práce je analýza použití jádrových odhadů hustot v částicovém filtru. Jmenovitě se zabývá vyšetřováním konvergence jádrových odhadů fil- tračních hustot konstruovaných na základě výstupu částicového filtru. Práce teoreticky dokazuje, že použití standardních jádrových odhadů je v kontextu částicového filtru efektivní, přestože výstup částicového filtru negeneruje náhodný výběr z filtračního rozdělení. Hlavními teoretickými výsledky práce je 1) stanovení horních mezí na MISE chybu odhadů filtračních hustot a jejich parciálních derivací; 2) stanovení příslušných dolních mezí a 3) for- mulace podmínky zajišťující zachování Sobolevského charakteru filtračních hustot v průběhu času. Práce rovněž obsahuje prakticky zaměřenou část zabývající se návrhy jader vhodných pro praktické použití. 1
Kernel Methods in Particle Filtering
Coufal, David ; Beneš, Viktor (vedoucí práce) ; Klebanov, Lev (oponent) ; Studený, Milan (oponent)
Jádrové metody v částicovém filtru David Coufal Disertační práce - abstrakt Předmětem práce je analýza použití jádrových odhadů hustot v částicovém filtru. Jmenovitě se zabývá vyšetřováním konvergence jádrových odhadů fil- tračních hustot konstruovaných na základě výstupu částicového filtru. Práce teoreticky dokazuje, že použití standardních jádrových odhadů je v kontextu částicového filtru efektivní, přestože výstup částicového filtru negeneruje náhodný výběr z filtračního rozdělení. Hlavními teoretickými výsledky práce je 1) stanovení horních mezí na MISE chybu odhadů filtračních hustot a jejich parciálních derivací; 2) stanovení příslušných dolních mezí a 3) for- mulace podmínky zajišťující zachování Sobolevského charakteru filtračních hustot v průběhu času. Práce rovněž obsahuje prakticky zaměřenou část zabývající se návrhy jader vhodných pro praktické použití. 1
Sekvenční metody Monte Carlo
Coufal, David ; Beneš, Viktor (vedoucí práce) ; Prokešová, Michaela (oponent)
Název práce: Sekvenční metody Monte Carlo Autor: David Coufal Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: prof. RNDr. Viktor Beneš, DrSc. Abstrakt: Práce shrnuje teoretické základy sekvenčních metod Monte Carlo se zaměřením na použití v oblasti částicových filtrů a základní výsledky z oblasti neparametrických jádrových odhadů hustot pravděpodobnostních rozdělení. Přehled výsledků tvoří základ ke zkoumání použití jádrových metod pro aprox- imaci hustot rozdělení částicových filtrů. Hlavními výsledky práce jsou důkaz konvergence jádrových odhadů k příslušným teoretickým hustotám a popis vývoje chyby aproximace v souvislosti s časovou evolucí filtru. Práce je do- plněna experimentální částí demonstrující použití popsaných algoritmů formou simulací ve výpočetním prostředí MATLABR⃝ . Klíčová slova: sekvenční metody Monte Carlo, částicové filtry, neparametrické jádrové odhady
Kernel density estimates in particle filter
Coufal, David
Plný tet: v1210-14 - Stáhnout plný textPDF
Plný text: content.csg - Stáhnout plný textPDF
Neural and Fuzzy Modelling of Hydrological Data
Neruda, Roman ; Coufal, David
The main goal of this work is to model flood waves based on runoff and precipitation data. We utilize data from the Smeda rivera catchment provided by the CHMI in order to build several models of flood episodes. Multilayer perceptron networks and Fuzzy system models are used and their performance is compared to traditional hydrological approaches.
Plný tet: v1172-12 - Stáhnout plný textPDF
Plný text: content.csg - Stáhnout plný textPDF

Národní úložiště šedé literatury : Nalezeno 22 záznamů.   1 - 10dalšíkonec  přejít na záznam:
Viz též: podobná jména autorů
3 Coufal, Daniel
2 Coufal, Denis
2 Coufal, Dušan
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.