|
|
Dolovací modul systému pro získávání znalostí z dat FIT-Miner
Zapletal, Petr ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato diplomová práce rozebírá rozšíření systému pro získávání znalostí z databází FIT-Miner. V první části práce je probrán proces dolování dat, problematika smíšených modelů a systém FIT-Miner. Druhá část popisuje návrh, implementaci a testování vytvořeného modulu, určeného pro shlukovou analýzu pomocí algoritmu Expectation-Maximalization. Závěr práce se věnuje návrhu modulů s použitím technologie Java Stored Procedures.
|
|
|
Mřížky obsazenosti pracovního prostoru robota
Herman, Ivo ; Pohl, Jan (oponent) ; Šolc, František (vedoucí práce)
Tato práce se zabývá teoretickou analýzou a praktickým porovnáním různých modelů sensoru pro mřížky obsazenosti pracovního prostoru robota. Nejprve byl teoreticky odvozen vzorec pro jednrozměrný sensor, který byl později převeden do 2D. V další části práce byly porovnány některé z modelů, které jsou uváděny v literatuře: model od R. Murphy, mapa získaná pomocí EM~algoritmu a upravený model z 1D. Dalším z výstupů práce je program, který dokáže simulovat měření podle některého z modelů a dovede zakomponovat i reálná měření získaná ze sonaru.
|
|
|
Statistical analysis of samples from the generalized exponential distribution
Votavová, Helena ; Popela, Pavel (oponent) ; Michálek, Jaroslav (vedoucí práce)
Thesis deals with generalized exponential distribution as an alternative distribution to Weibull and log-normal distributions. At first, properties of the generalized exponential distribution are presented, followed by the methods of parameter estimation. Separate chapter describes goodness of fit tests. Second part of the thesis deals with censored samples. Demonstrative examples of censoring on exponential distribution are presented. Moreover the type I left censored case on generalized exponential distribution, which has not been studied before, is elaborated at the end of the chapter. Simulations for this particular case of censoring are presented and studied in detail. EM algorithm is developed and its efficiency is compared to the maximum likelihood method. The derived theory is then applied on set of environmental data.
|
|
|
Algoritmy odhadu stavových veličin elektrických pohonů
Herman, Ivo ; Vavřín, Petr (oponent) ; Václavek, Pavel (vedoucí práce)
Práce se zabývá metodami odhadu stavů pro střídavé motory a podmínkami odhadu těchto stavů. Odvozeny byly podmínky pozorovatelnosti pro synchronní motor a dále pro odhad momentu setrvačnosti a momentu zátěže pro oba typy motorů - synchronní i indukční. Možnosti odhadu byly potvrzeny i experimentálně na reálných datech. Kovarianční matice pro všechny filtry byly nalezeny pomocí EM algoritmu. Pro oba typy motorů byla též provedena identifikace. Pro odhad stavů byly použity estimátory Rozšířený Kalmanův filtr, Unscented Kalman Filter, Particle filters a estimátor s plovoucím horizontem (MHE)
|
|
|
Gaussian mixtures in R
Marek, Petr ; Malá, Ivana (vedoucí práce) ; Zimmermann, Pavel (oponent)
Směsi normálních rozdělení jsou velmi populárním a flexibilním nástrojem statistického modelování. Standardní postup odhadu pomocí maximální věrohodnosti bohužel nemůže být pro některé z těchto modelů použit. Pro odhad takovýchto modelů lze však použít některé z iterativních procedur, jako například EM (Expectation-Maximization) algoritmus. Cílem této práce je vysvětlit směsi pravděpodobnostních rozdělení a jejich odhad pomocí EM algoritmu. Hlavní náplní práce je ukázka implementace směsi normálních rozdělení v R. Existující balíčky a metody jsou prezentovány, popsány a porovnány. Pro některé z balíčků jsou dopsány rozšiřující funkce v jazyku R. V práci je provedeno několik rozsáhlých simulací. Některé z výsledků jsou prezentovány. Při práci s těmito simulacemi je navrhnuta a popsána myšlenka "nejčastějšího odhadu" (usual fit).
|
|
|
Approximating Probability Densities by Mixtures of Gaussian Dependence Trees
Grim, Jiří
Considering the probabilistic approach to practical problems we are increasingly confronted with the need to estimate unknown multivariate probability density functions from large high-dimensional databases produced by electronic devices. The underlying densities are usually strongly multimodal and therefore mixtures of unimodal density functions suggest themselves as a suitable approximation tool. In this respect the product mixture models are preferable because they can be efficiently estimated from data by means of EM algorithm and have some advantageous properties. However, in some cases the simplicity of product components could appear too restrictive and a natural idea is to use a more complex mixture of dependence-tree densities. The dependence tree densities can explicitly describe the statistical relationships between pairs of variables at the level of individual components and therefore the approximation power of the resulting mixture may essentially increase.
|
|
|
Směsi pravděpodobnostních rozdělení
Nedvěd, Jakub ; Malá, Ivana (vedoucí práce) ; Bílková, Diana (oponent)
Cílem práce je vytvořit model rozdělení příjmů domácností v České republice pomocí směsi pravděpodobnostních rozdělení. V teoretické části práce jsou popsány vlastnosti směsí rozdělení s důrazem na směs normálních rozdělení. V praktické části práce jsou konstruovány modely a odhady parametrů založeny na datech ze šetření EU-SILC. Pomocí grafické metody, EM algoritmu a metody maximální věrohodnosti jsou vytvořeny modely rozdělení příjmů domácností. Kvalita modelů je porovnávána pomocí Akaikeho informačního kritéria.
|
|
|
Detekce lineární části Patlak-Rutlandova grafu
Šmídl, Václav
Detekce lineární části grafu je častým problémem při analýze dat. Konkrétně pro Patlak-Rutlandův graf je daný úkol důležitý pro správné vyhodnocení funkce ledvin ze scintigrafického vyšetření. Automatická metoda detekce byla navržena a testována na šestnácti sadách reálných medicínských dat.
|
|
|
Informační shlukování kategoriálních dat
Hora, Jan
Shlukování kategoriálních dat je často řešeno hledáním tzv. latentních tříd pomocí EM algoritmu. Tento přístup ovšem závisí na počátečním řešení a naráží na problém neidentifikovatelosti směsi. Popisovaná metoda vyhledává shluky nikoliv jako jednotlivé komponenty směsi jako v případě latentních tříd, ale jako podsměsi vzniklé sloučením několika jednoduchých tříd z odhadnuté distribuční směsi s vyšším počtem komponent. Extrémní variantou takové směsi může být jádrový odhad, jehož optimální vyhlazení je v práci popsáno. V práci je dále představena metoda hierarchického shlukování s kritériem nejmenší informační ztráty.
|
|
|
Aplikace zobecněného lineárního modelu na směsi pravděpodobnostních rozdělení
Pokorný, Pavel ; Malá, Ivana (vedoucí práce) ; Pavelka, Roman (oponent)
Předkládaná práce je zaměřena na použití směsí pravděpodobnostních rozdělení ve zobecněném lineárním modelu. Teoretická část je rozdělena do dvou kapitol. V první kapitole je definován zobecněný lineární model (GLM), jako alternativa ke klasickému lineárnímu regresnímu modelu. Druhá kapitola se zabývá konečnou směsí pravděpodobnostních rozdělení a odhadem jejích parametrů. V závěru druhé kapitoly jsou pak předchozí úvahy spojeny v konečně smíšený zobecněný lineární model. Poslední třetí kapitola práce pak demonstruje použití modelu na generovaných datech.
|
host ::
RSS.