|
| |
|
|
Computational modelling of thermal behavior of DC motor
Grepl, Robert ; Wierciak, J. ; Vlach, R.
The paper deals with computational modelling of thermal behavior ofdrive system with DC motor. Motivation to built dynamical thermal model is toincrease utility value performance of electrical motor in particular roboticapplication. There is mathematical model presented in the paper, describedidentification of parameters process and shown results for two kind ofidentification approaches. Usage of neural networks approximators ismentioned.
|
|
|
Možnost predikce povodní pomocí neuronových sítí
Neruda, M. ; Neruda, Roman
Příspěvek se zabývá sledováním srážko-odtokových vztahů na povodí Ploučnice. Pomocí metody umělých neuronových sítí jsme vytvořili několik modelů závislosti průtoku na srážkách a hodnotách průtoku v minulých letech. Neuronový model je pak schopen predikovat hodnoty průtoků na základě historických dat. Vypočtené průtoky mohou pomoci přo předpovědi povodňových stavů na řekách.
|
|
| |
|
| |
|
| |
|
|
Využití neuronových sítí při obchodování s akciemi
Lahodová, Martina ; Veselá, Jitka (vedoucí práce) ; Stádník, Bohumil (oponent)
Neuronové sítě se v poslední době staly nejrychleji se rozvíjející oblastí počítačových věd. Mají výrazný interdisciplinární charakter, což umožňuje jejich aplikace v mnoha odvětvích lidské činnosti např. v prostředí kapitálových trhů. Cílem této práce je aplikovat model perceptronu pro výpočet budoucí ceny u vzorku akcií, zjistit přesnost predikce a vyvodit závěr o spolehlivém uplatnění neuronových sítí. Úvodní kapitoly práce se zabývají obecnými principy fungování neuronových sítí, jejich tříděním a překládají různé způsoby učení. Analytická část se věnuje tvorbě a použití modelu perceptronu a analýze dosažených výsledků.
|
|
|
Aplikace neuronových sítí a Elliotových vln na vybraný vzorek akcií
Polaková, Soňa ; Veselá, Jitka (vedoucí práce) ; Musílek, Petr (oponent)
Tato práce je zaměřena na predikce budoucího trendu kurzu akcií pomocí umělých neuronových sítí, zejména na optimalizaci parametrů v procesu učení neuronové sítě. Identifikace pozice v rámci systému Elliotových vln a následná predikce budoucího vývoje trendu kurzu akcií je druhým zkoumaným přístupem. Na základě shody obchodních signálů, generovaných těmito dvěma metodami, a ex-post skutečného signálu přinášejícího zisk, je vyhodnocena úspěšnost využívání těchto modelů pro predikce na akciových trzích.
|
|
|
Analýza burzovních dat metodami UI
Kutina, Michal ; Jelínek, Jiří (vedoucí práce) ; Dvořák, Pavel (oponent)
Diplomová práce Analýza burzovních dat metodami UI je zaměřena na uplatnění neuronových sítí při predikci kurzových pohybů na burze. Teoretická část je rozdělena na tři samostatné celky. V první části je popsána problematika burzy a jednotlivé termíny s ní související. V druhé části jsou rozebrány dva základní přístupy pro analýzu burzovních dat, kterými jsou fundamentální a technická analýza. Třetí, poslední teoretická část tvoří samostatný celek popisující teorii Umělé Inteligence. Zejména podrobně je popsána problematika neuronových sítí. Praktická část hledá uplatnění pro vybranou neuronovou síť GAME. Analyzuje vybraný trh YMZ9. Zaměřuje se na predikci pohybu kurzu pomocí metody posuvného okna. V závěrečné kapitole shrnuje výsledky a dokazuje, že neuronové sítě je možné, za určitých podmínek, vhodně použít, jak pro predikci kurzových pohybů, tak jako jeden ze základních stavebních kamenů profitabilního obchodního systému.
|
|
|
Historie umělé inteligence - Neuronové sítě
Šuchman, Ondřej ; Jirků, Petr (vedoucí práce) ; Berka, Petr (oponent)
Cílem mé bakalářské práce je zmapovat historický vývoj neuronových sítí od jejich počátku, za který lze považovat první matematický model neuronu v roce 1943, až po současnost a aplikaci neuronových sítí do "inteligentních" přístrojů, které dokáží rozpoznávat znaky, grafické údaje nebo dokáží převádět anglicky psaný text do mluvené podoby (NETtalk). Pro dosažení tohoto cíle jsem pečlivě prostudoval literaturu uvedenou v kapitole "Literatura a zdroje." V první kapitole získáme teoretický přehled o oblasti umělé inteligence a neuronových sítí. Dále je pak práce přehledně řazena do pěti časových období, která byla pro neuronové sítě v kladném nebo záporném slova smyslu podstatná. U nejvýznamnějších objevů je podrobněji rozepsána jejich funkce a příklady použití. Tato práce si neklade za cíl úplný výčet neuronových sítí, na to by obsahově ani zdaleka nestačila. Podstatnější je pro ni demonstrace určitých typů sítí, jejich první použití, nejdůležitější algoritmy a také zmínka o některých významných aplikačních použitích.
|
host ::
RSS.