|
|
VYUŽITÍ AUTOMATIZOVANÉHO SBĚRU VLÍCOVACÍCH BODŮ PRO ORIENTACI ARCHIVNÍCH LETECKÝCH MĚŘICKÝCH SNÍMKŮ S POMOCÍ SOUČASNÝCH DATOVÝCH SAD
Berka, Rostislav ; Potůčková, Markéta (vedoucí práce) ; Dušánek, Petr (oponent)
VYUŽITÍ AUTOMATIZOVANÉHO SBĚRU VLÍCOVACÍCH BODŮ PRO ORIENTACI ARCHIVNÍCH LETECKÝCH MĚŘICKÝCH SNÍMKŮ S POMOCÍ SOUČASNÝCH DATOVÝCH SAD Abstrakt Diplomová práce se zaměřuje na automatizované vyhledávání vlícovacích bodů (VLB) za účelem zpracování archivních leteckých měřických snímků (LMS) a vytvoření ortomozaiky. V práci jsou testovány vybrané operátory z oblasti počítačového vidění (SIFT, SURF, ORB a obrazová korelace) a různé přístupy pro vyhledávání a následně párování identických bodů mezi referenčním podkladem (současným ortofotem) a archivními LMS. Díky georeferencím LMS je známa oblast k prohledávání ve starých LMS pro nalezení odpovídajícího bodu k referenčnímu podkladu (současnému ortofotu). Bohužel se ukázalo, že georeference archivních LMS dodané ČÚZK jsou chybně metodicky zpracované (velmi nepřesné), proto musely být před automatizovaným vyhledáváním VLB opraveny. Téma bylo podpořeno vedením Zeměměřického úřadu a datové sady (současné ortofoto, archivní LMS, ZABAGED) byly poskytnuty pro účely zpracování práce zdarma (nad rámec běžné studentské licence). Na základě testování operátorů byla sestavena plně automatizovaná metodika naprogramovaná v jazyce Python založená na obrazové korelaci. Vstupem jsou archivní LMS, současné ortofoto a síť komunikací, přičemž jako spolehlivé a časově invariantní...
|
|
| |
|
|
Posouzení stávající ekonomické situace společnosti a návrhy na její zlepšení
Hynek, Jan Jaroslav ; Franková, Tereza (oponent) ; Doubravský, Karel (vedoucí práce)
Diplomová práce se zabývá posouzením finanční situace společnosti XZY s.r.o. pomocí finanční analýzy a statistických metod. Teoretická část je rozložena na finanční a statistickou teorii. V těchto částech předkládá definici vybraných finančních ukazatelů a statistických metod, mezi které patří časové řady regresní a korelační analýza. Na teoretickou část navazuje analytická část, ve které je zhodnocena finanční situace vybraného podniku spolu s predikcí vybraných ukazatelů. Dále jsou vybrané ukazatele podrobeny korelační analýze, kde je mezi nimi zkoumána vzájemná závislost. Závěr práce je věnován návrhům na zlepšení finanční situace podniku.
|
|
|
Posouzení ekonomické situace společnosti a návrhy na její zlepšení
Rybár, Tomáš ; Novotná, Veronika (oponent) ; Doubravský, Karel (vedoucí práce)
Diplomová práce se soustředí na posouzení ekonomické situace společnosti Prefa Brno a.s. a možnými návrhy na zlepšení její výkonnosti. Teoretická část práce je věnována objasněním pojmů z finanční a statistické analýzy. Tyto koncepty jsou následně aplikovány v analytické části. Z finanční analýzy jsou vyhodnoceny rozdílové a poměrové ukazatele, doplněné o soustavu ukazatelů. U vybraných ukazatelů je provedena regresní analýza s předpovědí na následující období a pomocí korelační analýzy identifikujeme vzájemné vztahy mezi nimi. Z výsledků jsou vyvozeny závěry, které slouží k formulaci možných opatření, která povedou ke zlepšení stávající ekonomické situace zkoumaného subjektu.
|
|
| |
|
|
Posouzení stávající ekonomické situace společnosti a návrhy na její zlepšení
Pokorný, Dominik ; Fuchs, Ondřej (oponent) ; Doubravský, Karel (vedoucí práce)
Diplomová práce se zabývá posouzením ekonomické situace společnosti CQQ v letech 2013–2022 na základě výsledků vybraných ukazatelů finanční analýzy a prostřednictvím statistický metod. Teoretická část práce se zaměřuje na finanční a statistickou teorii. Analytická část obsahuje výpočty finančních ukazatelů společnosti, z nichž některé jsou dále zpracovány i v rámci analýzy statistické. Poslední část se věnuje navrženým řešením pro nápravu či zlepšení ekonomické situace dané společnosti.
|
|
|
Posouzení ekonomické situace společnosti a návrhy na její zlepšení
Rýpal, Matěj ; Novotná, Veronika (oponent) ; Doubravský, Karel (vedoucí práce)
Tato diplomová práce se zaměřuje na zhodnocení ekonomické situace společnosti GUMEX, spol. s.r.o. a předpovídání budoucího vývoje pomocí statistických metod. Teoretická část práce se zabývá popisem vybraných finančních ukazatelů a statistických metod, jako je analýza časových řad, regresní a korelační analýza. V praktické části jsou pro posouzení finančního stavu analyzované společnosti jednotlivé ukazatele vypočteny a vybrané ukazatele jsou poté analyzovány statistickými metodami pro predikci budoucího vývoje. Závěrečná část práce se věnuje návrhům, které jsou založeny na výsledcích analytické části práce a mají za cíl zlepšení finanční situace společnosti.
|
|
|
Analýza ekonomických dat s využitím statistických metod
Pavlásek, Boris ; Doubravský, Karel (oponent) ; Michalíková, Eva (vedoucí práce)
Táto bakalárska práca sa zaoberá analýzou ekonomických dát podniku a následným zhodnotením jeho finančnej situácie. Využíva pritom nástroje finančnej analýzy a štatistických metód, konkrétne regresnú analýzu a časové rady. V teoretickej časti je uvedená teória potrebná k uskutočneniu analýzy a taktiež sú tu objasnené jednotlivé finančné ukazovatele, štatistické metódy a regresné funkcie. V analytickej časti sú využité údaje z účtovných výkazov podniku na finančnú analýzu a následnú prognózu ich budúceho vývoja. V posledných častiach práce je uvedené komplexné zhodnotenie finančnej situácie podniku a návrhy na vyriešenie zistených problémov.
|
|
| |
|
|
Financial time series analysis based on innovative Machine Learning Signal Processing approaches
Tshiangomba, Reagan Kasonsa ; Sehnalová, Pavla (oponent) ; Cicone, Antonio (vedoucí práce)
Forecasting financial time series has been classified as one of the most challenging problems in the last decade due to its non-stationarity and non-linear properties. On one hand, statistical techniques have been found incapable of accurately predicting financial time series. On the other hand, machine learning techniques have achieved remarkable results, but they do not provide an explicit way of handling the non-stationarity property of financial time series. The proposed approach leverages the capabilities of signal processing decomposition techniques to address the non-stationarity property of financial time series. The signal decomposition technique employed in this work is iterative filtering (IF), which generates intrinsic mode functions (IMFs). These generated IMFs, along with the original signal, are used to produce a time-frequency representation of the financial time series, called IMFogram. Two types of data, namely the IMFs and IMFogram, are utilized to train a fusion neural network for predicting the financial time series. One entry component of the fusion neural network is an artificial neural network (ANN) taking the IMFs as input. The other entry component of the fusion neural network is a convolutional neural network (CNN), which takes the IMFogram as input. The outputs of the ANN and the CNN are concatenated for a regression task. We show the application of this newly developed approach to financial data, NASDAQ series to be precise. And we report its performance in different scenarios of boundary conditions.
|
host ::
RSS.