|
|
Aplikace Bayesovských sítí
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá možnými aplikacemi Bayesovských sítí. Nejprve se zaměřuje na obecnou teorii pravděpodobnosti a později na úrovni matematiky vysvětluje samotnou teorii Bayesovských sítí, přístupy k inferenci a k učení včetně ozřejmění silných a slabých stránek popisovaných technik. Součástí výkladu jsou v mnoha případech ilustrativní příklady a podrobně komentovaná matematická odvození prezentovaných vzorců. V praktické části práce je kladen důraz na aplikace vyžadující učení Bayesovské sítě, jednak ve smyslu učení parametrů a jednak ve smyslu struktury. První aplikací jsou obecné benchmarkové úlohy, které zkoumají chování prezentovaných technik a zaměřují se na způsob optimální volby parametrů učení Bayesovské sítě. Druhou aplikací je užití Bayesovských sítí pro účely dolování znalostí o příčinách zločinnosti prostřednictvím vizualizace závislostí mezi náhodnými proměnnými popisujícími zkoumanou doménu. Třetí aplikace zkoumá možnosti nasazení Bayesovské sítě jakožto spam filtru a dosažené výsledky porovnává prostřednictvím všeobecně užívané datové sady s výsledky naivního Bayesovského filtru, který rovněž vychází z teorie pravděpodobnosti.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Nowcasting as the new potential predicting method for the policy-makers
Chaloupka, David ; Kofroň, Jan (vedoucí práce) ; Parízek, Michal (oponent)
Tato bakalářská práce zkoumá roli nowcastingu jako metodě pro předpovídání v reálném čase pro tvorbu politiky. Studie porovnává informační hodnotu makroekonomického forecastingu během let 2019 až 2022 a potenciál now- castingu jako alternativy. Analýzou vybraných forecastingových a nowcastin- gových indexů bylo zjištěno, že nowcasting v roce 2020, který byl ovlivněn pan- demií COVID-19, vykazuje skvělou úspěšnost. Avšak čelí omezením z hlediska časového horizontu předpovědí a požadavků na vysokofrekvenční data. Ačkoliv během krizí forecasting může ztratit svou informační hodnotu, nowcasting jej nemůže zcela nahradit v dlouhodobé předpovědi. Místo toho se oba přístupy mohou doplňovat a na jejich základě zlepšovat politická rozhodnutí.
|
|
|
In Collaboration with Despot: Analysing the Impact of Sanctions on Russia and the Eurasian Economic Union
Chaloupka, David ; Semerák, Vilém (vedoucí práce) ; Teichman, Jiří (oponent)
Tato bakalářská práce se zaměřuje na zkoumání Eurasijské ekonomické unie, která byla založena v roce 2015 s cílem prohloubit ekonomickou integraci v postsovětském prostoru. Cílem výzkumu je analyzovat dopad sankcí na Rusko a jeho partnery v rámci Eurasijské ekonomické unie a zjistit, zda před válkou na Ukrajině v roce 2022 Rusko obcházelo sankce prostřednictvím těchto států. Agregovaná data o obchodních tocích analyzuji za užití gravitační rovnice. Zjišťuji tak, že sankce uvalené na Rusko negativně ovlivnily obchod s part- nerskými státy, s průměrným poklesem o více než 27 %. Vytvoření Eurasijské ekonomické unie pak zvýšilo obchod mezi členy a snížilo jej s třetími státy, naopak uvalení sankcí po roce 2014 na Rusko mělo celkově negativní dopad na bilaterální obchod členských států.
|
|
|
Některá agresivní horninová prostředí na území Prahy, jejich podzemní voda a s tím související ochrana stavebních konstrukcí
Štěpán, Jiří ; Král, Jan (vedoucí práce) ; Chaloupka, David (oponent)
Tato diplomová práce se zabývá agresivitou podzemní vody na území jednoho listu podrobné inženýrskogeologické mapy Prahy 1:5000, list Praha 2-3. Cílem této práce je snaha o ověření, do jaké míry se horninové prostředí podílí na chemickém složení podzemní vody. K vyhodnocení chemických rozborů je použito mezních hodnot uvedených v platné normě ČSN EN 206 Beton - Specifikace, vlastnosti, výroba a shoda. Z chemických rozborů vzorků podzemní vody, u kterých byly stanoveny agresivní složky (SO4 2- , CO2, pH, NH4 + , Mg2+ ) a celková mineralizace vyplývá, že horninové prostředí se na chemickém složení podzemní vody v zájmovém území podílí velice významně. Chemismus podzemní vody je ovlivněn rychlostí proudění, a tedy dobou kontaktu vody s horninovým podložím, lokálním složením horniny a jejími akcesoriemi zejména pyritem. Podzemní voda ordovických souvrství v zájmovém území je většinou silně mineralizována a je kalcium-síranová. Podzemní voda dobrotivského a libeňského souvrství je výrazně méně agresivní, než voda letenského, vinického a zahořanského souvrství. Chemismus podzemní vody perucko-korycankého souvrství odpovídá souvrství letenskému, na kterém spočívá.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Aplikace Bayesovských sítí
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato diplomová práce se zabývá možnými aplikacemi Bayesovských sítí. Nejprve se zaměřuje na obecnou teorii pravděpodobnosti a později na úrovni matematiky vysvětluje samotnou teorii Bayesovských sítí, přístupy k inferenci a k učení včetně ozřejmění silných a slabých stránek popisovaných technik. Součástí výkladu jsou v mnoha případech ilustrativní příklady a podrobně komentovaná matematická odvození prezentovaných vzorců. V praktické části práce je kladen důraz na aplikace vyžadující učení Bayesovské sítě, jednak ve smyslu učení parametrů a jednak ve smyslu struktury. První aplikací jsou obecné benchmarkové úlohy, které zkoumají chování prezentovaných technik a zaměřují se na způsob optimální volby parametrů učení Bayesovské sítě. Druhou aplikací je užití Bayesovských sítí pro účely dolování znalostí o příčinách zločinnosti prostřednictvím vizualizace závislostí mezi náhodnými proměnnými popisujícími zkoumanou doménu. Třetí aplikace zkoumá možnosti nasazení Bayesovské sítě jakožto spam filtru a dosažené výsledky porovnává prostřednictvím všeobecně užívané datové sady s výsledky naivního Bayesovského filtru, který rovněž vychází z teorie pravděpodobnosti.
|
host ::
RSS.