|
|
Simulation of Robotic Search of Lost Radiation Sources
Cihlář, Miloš ; Lázna, Tomáš (oponent) ; Žalud, Luděk (vedoucí práce)
The master thesis considers simulating the outdoor environment and lost radiation sources in the Gazebo simulator and then deals with radiation search algorithms. Simulators play an essential role in research, and robotics companies widely use them. Simulation accelerates and facilitates testing, verification, and evaluation of developed algorithms. Therefore the thesis establishes a system based on ROS2 and Gazebo that simulates robot models. The performance of the simulation is evaluated. The work presents and compares a model of a four-wheel skid steering mobile robot with the model created in the simulator. In future work, this model comparison allows the improvement of the robot model simulation's parameters based on the real model tested. A solution is proposed for the trajectory tracking problem based on linear proportional-integral (PI) or optimal linear quadratic regulator (LQR). One method of modeling radiation sources and sensors to simulate radiation was suggested. The simulated radiation is compared with the measurement gained from a real (and simulated) outdoor experiment, in which the robot searches the radiation source. The thesis describes the particle filter designed for searching a lost radiation source.
|
|
|
Sekvenční Monte Carlo metody
Sobková, Eva ; Zikmundová, Markéta (vedoucí práce) ; Prokešová, Michaela (oponent)
Monte Carlo metody jsou metody pro simulaci stochastických systémů. Sekvenční Monte Carlo metody využívají postupně přicházející pozorování ke zpřesňování odhadu. V práci zavedeme nejprve skrytý markovský model, potom diskutujeme výhody a nevýhody třech přístupů k filtraci. Jde o perfektní Monte Carlo simulaci, Importance Sampling a sekvenční Importance Sampling. Tato diskuze nás dovede k přidání dodatečného kroku přegenerování a k formulaci klasického částicového filtru. Uvedeme ještě modifikaci Metropolis-Hastingsova algoritmu pro klasický částicový filtr. Zvolíme skrytý markovský model používaný promodelování stochastické volatility a částicový filtr i modifikovaný Metropolis-Hastingsův algoritmus implementujeme v softwaru Wolfram Mathematica verze 8.
|
|
|
Methods for Constrained State Estimation: Comparison and Application to Zero-Bound Interest Rate Problem
Musil, Karel ; Hlávka, Zdeněk (oponent)
Rigorózní práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod částicových filtrů (Particle filtrů) využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje v čase proměnné nezáporné omezení nominálních úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány. Powered by TCPDF (www.tcpdf.org)
|
|
|
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
|
|
|
Detekce pohybujících se objektů ve video sekvenci
Němec, Jiří ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá metodami detekce osob a sledování objektů ve video sekvenci. Její součástí je také návrh a implementace systému, který provádí detekci a následné sledování hráčů v záznamu sportovního utkání, např. hokeje nebo basketbalu. Navržená aplikace používá kombinaci histogramu orientovaných gradientů a SVM (support vector machines) pro detekci hráčů v obraze. Pro sledování hráčů je použit částicový filtr. Celý systém je důkladně otestován a výsledky jsou uvedeny přehledně v grafech a tabulkách včetně slovního popisu.
|
|
|
Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí
Klimeš, Ondřej ; Veselý, Vítězslav (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá sledováním objektu. Ke sledování je použita decentralizovaná senzorová síť využívající distribuovaný částicový filtr s věrohodnostním konsenzem. Tento konsenzus je založen na řídké reprezentaci lokální věrohodnostní funkce pomocí vhodných slovníků. V této práci se porovnávají hojně používaný Fourierův slovník s námi navrženým slovníkem tzv. B-splajnů. Zároveň je díky řídkosti distribuovaných dat možné implementovat metodu komprimovaného snímání. Výsledky jsou porovnávány z hlediska přesnosti sledování a komunikační náročnosti. Součástí práce jsou také skripty a funkce v jazyce MATLAB.
|
|
|
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 Monte Carlo metody
Sobková, Eva ; Zikmundová, Markéta (vedoucí práce) ; Prokešová, Michaela (oponent)
Monte Carlo metody jsou metody pro simulaci stochastických systémů. Sekvenční Monte Carlo metody využívají postupně přicházející pozorování ke zpřesňování odhadu. V práci zavedeme nejprve skrytý markovský model, potom diskutujeme výhody a nevýhody třech přístupů k filtraci. Jde o perfektní Monte Carlo simulaci, Importance Sampling a sekvenční Importance Sampling. Tato diskuze nás dovede k přidání dodatečného kroku přegenerování a k formulaci klasického částicového filtru. Uvedeme ještě modifikaci Metropolis-Hastingsova algoritmu pro klasický částicový filtr. Zvolíme skrytý markovský model používaný promodelování stochastické volatility a částicový filtr i modifikovaný Metropolis-Hastingsův algoritmus implementujeme v softwaru Wolfram Mathematica verze 8.
|
|
|
Methods for Constrained State Estimation: Comparison and Application to Zero-Bound Interest Rate Problem
Musil, Karel ; Hlávka, Zdeněk (oponent)
Rigorózní práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod částicových filtrů (Particle filtrů) využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje v čase proměnné nezáporné omezení nominálních úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.