|
|
Využití ratingu a nástrojů umělé inteligence v rozhodování podniku
Kunstová, Ivana ; Rais, Karel (vedoucí práce)
Disertační práce je výsledkem výzkumu v oblasti hodnocení finanční důvěryhodnosti podniku a využití ratingu a nástrojů umělé inteligence v rozhodování podniku. V rámci poznávacího cíle disertační práce je komplexně zanalyzována oblast hodnocení důvěryhodnosti podniku a nástrojů umělé inteligence, jak je toto téma v současné době zpracováno především v domácí, ale i v zahraniční literatuře. V rámci tohoto cíle byl vybrán vhodný nástroj pro hodnocení finanční důvěryhodnosti podniku a vhodný nástroj z oblasti umělé inteligence, pro praktickou aplikaci hodnocení finanční důvěryhodnosti podniku se zaměřením na stanovení rizikové přirážky pro výpočet nákladů vlastního kapitálu. Tvůrčím cílem disertační práce je navržení modelu ratingu, aplikace vybraného nástroje umělé inteligence pro výpočet rizikové přirážky nákladů vlastního kapitálu na základě navřeného ratingového modelu a sestavení algoritmu pro výpočet nákladů vlastního kapitálu.
|
|
|
High-Level Object Oriented Genetic Programming in Logistic Warehouse Optimization
Karásek, Jan ; Rakús,, Martin (oponent) ; Cvrk, Lubomír (oponent) ; Burget, Radim (vedoucí práce)
This work is focused on the work-flow optimization in logistic warehouses and distribution centers. The main aim is to optimize process planning, scheduling, and dispatching. The problem is quite accented in recent years. The problem is of NP hard class of problems and where is very computationally demanding to find an optimal solution. The main motivation for solving this problem is to fill the gap between the new optimization methods developed by researchers in academic world and the methods used in business world. The core of the optimization algorithm is built on the genetic programming driven by the context-free grammar. The main contribution of the thesis is a) to propose a new optimization algorithm which respects the makespan, the utilization, and the congestions of aisles which may occur, b) to analyze historical operational data from warehouse and to develop the set of benchmarks which could serve as the reference baseline results for further research, and c) to try outperform the baseline results set by the skilled and trained operational manager of the one of the biggest warehouses in the middle Europe.
|
|
|
Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence
Kurfűrst, Jiří ; Duroň,, Jiří (oponent) ; Singule, Vladislav (oponent) ; Ondrůšek, Čestmír (vedoucí práce)
Dizertační práce se zabývá využitím optimalizačních algoritmů umělé inteligence při návrhu elektrického stroje s permanentními magnety na rotoru (SMPM). Hlavním cílem práce je aplikovat potenciální optimalizační metody při návrhu stroje a ověřit tak jejich efektivitu a vhodnost. Optimalizace jsou obecně zaměřeny na změnu materiálu magnetů (NdFeB nebo SmCo), na zvyšování účinnosti, snižování harmonického zkreslení, eliminace parazitních složek momentu (cogging) při zachování jmenovitých hodnot stroje. Jednalo se o povrchové optimalizace tvaru magnetů, tvaru vzduchové mezery a drážky statoru. Byly vybrány dva optimalizační algoritmy. Ve světě dobře známý Genetický Algoritmus (GA) a robustní Samo-Organizující se algoritmus (SOMA), jako jeden z českých algoritmů. Na příkladech je vysvětlena podstata algoritmů a jejich nejdůležitějších funkcí (penalizační a ohodnocovací). Z hlediska perspektivy a užitečnosti optimalizačních algoritmů jsou výsledky prakticky ověřeny na vibračním generátoru (VG) výkonu 7 mW (0,1g zrychlení) a na synchronním servomotoru s PM na rotoru o výkonu 1,1 kW (6tis. min-1) vždy ve spolupráci s průmyslem. Metody se ukázaly jako vhodné pro optimalizace těchto typů strojů a jsou dále hypoteticky aplikovány u strojů se jmenovitými otáčkami do 10tis. min-1 a 120tis. min-1.
|
|
| |
|
|
Plánování cesty robotu pomocí posilovaného učení
Veselovský, Michal ; Liška, Radovan (oponent) ; Dvořák, Jiří (vedoucí práce)
Tato práce se zabývá plánováním cesty pro autonomního robota v prostředí se statickými překážkami. Součástí práce je analýza různých přístupů k plánování cesty robota, a v implementační části popis metod využívajících posilovaného učení a experimenty s nimi. Hlavními výstupy práce jsou funkční algoritmy pro plánování cesty založené na Q-učení, ověření jejich funkčnosti a vzájemné srovnání.
|
|
|
Hodnocení klienta banky
Richtrová, Kateřina ; Balada, Matěj (oponent) ; Dostál, Petr (vedoucí práce)
Diplomová práce se zabývá možností využití nástrojů umělé inteligence jako prostředku pro podporu manažerského rozhodování v podniku. Práce obsahuje návrh modelu fuzzy logiky v MS Excel a MATLAB jako nástroje pro hodnocení bonity klienta banky pro poskytnutí úvěru.
|
|
| |
|
|
The Use of Artificial Intelligence on Commodity Markets
Volf, Petr ; Geroč, Ján (oponent) ; Dostál, Petr (vedoucí práce)
This master thesis focuses on the problem of trading on commodity markets. The solution of the problem is designed using the artificial intelligence, specifically neural networks, to determine the trend of a selected commodity price and predict the price movement in the future to support investment decision. The model of the neural network is created and used for prediction in the MATLAB program.
|
|
|
Využití umělé inteligence na burze kovů pro podporu rozhodování firmy
Elhenický, Jan ; Černý, Josef (oponent) ; Budík, Jan (vedoucí práce)
Diplomová práce se zabývá problematikou využití umělé inteligence a neuronových sítí na burze kovů. Popisuje teoretické základy finančních trhů, různé metody analýz a umělou inteligenci. Hlavní důraz je kladen na vytvoření funkčních modelů v programu Matlab, které budou predikovat budoucí hodnoty časové řady. Součástí práce je popis firmy, pro kterou je návrh modelů neuronových sítí pro podporu jejího rozhodování vytvářen.
|
|
|
Analýza a predikce vývoje devizových trhů pomocí chaotických atraktorů a neuronových sítí
Pekárek, Jan ; Dostál, Petr (oponent) ; Budík, Jan (vedoucí práce)
Práce se zabývá komplexní analýzou a predikcí devizových trhů. Využívá při tom pokročilých metod umělé inteligence, zejména neuronových sítí a teorie chaosu. Představuje netradiční přístupy a metody z každé z těchto oblastí, srovnává je a aplikuje na reálný problém. Jádrem práce je návrh a srovnání několika predikčních modelů založených na zcela odlišných principech a teoriích. Výsledkem je výběr nejvhodnějšího predikčního modelu, jenž nese označení NAR + H. Model je hodnocen dle více kritérií, jsou diskutovány jeho klady a zápory, vyčíslena přibližná očekávaná ziskovost a riziko. Veškeré analytické, predikční a dílčí algoritmy jsou implementovány ve vývojovém prostředí Matlabu a tvoří jednotnou knihovnu všech použitých funkcí a skriptů. Ta je zároveň druhým hlavním výstupem práce.
|
host ::
RSS.