|
| |
|
|
Time series analysis using deep learning
Hladík, Jakub ; Kolařík, Martin (oponent) ; Uher, Václav (vedoucí práce)
The aim of the thesis was to create a tool for time-series prediction based on deep learning. The first part of the work is a brief description of deep learning and its comparison to classical machine learning. In the next section contains brief analysis of some tools, that are already used for time-series forecasting. The last part is focused on the analysis of the problem as well as on the actual creation of the program.
|
|
|
Intelligent Manager of Fantasy Premier League Game
Vasilišin, Maroš ; Burgetová, Ivana (oponent) ; Hynek, Jiří (vedoucí práce)
Fantasy Premier League online game gives millions of players around the world the chance to become a manager of their club for a while. The results and scores in the game depend on correctly predicting how players will behave in real football matches. If the user had software for predicting and analyzing players' future performance, it would help with making decisions and the outcome of the game could significantly improve. This master's thesis deals with the design and implementation of a prediction model that uses neural networks for time series prediction throughout the game season. Various methods were used to process player and club data for the last 4 seasons. The results are presented in the form of a web application where users can use the created model on their teams. Performance and accuracy of prediction methods were tested on the data from the last season of the Premier League and algorithm predictions were in most of the cases close to reality. If the user used the prediction model's advice 100% in the game, he would score more points than a regular player who does not use any prediction model.
|
|
|
Extrémní učící se stroje pro předpovídání časových řad
Zmeškal, Jiří ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
Práce je zaměřena na možnost využití extrémních učících se strojů a sítí s ozvěnou stavu pro předpověď časových řad s možností akcelerace pomocí grafických procesorů. Takovéto předpovědi jsou v dnešní době každodenní součástí života naprosté většiny lidí, a to vzhledem k jejich využití v předpovědích počasí, vývoje finančního a akciového trhu, spotřeby energie a mnohých dalších věcí. Práce uvádí teoretický podklad extrémních učících se strojů a sítí s ozvěnou stavu, jejichž hlavní výhodou je náhodná volba většiny parametrů neuronové sítě a iterativního postupu dopočtu parametrů, programovací nástroje k jejich realizaci, jako je knihovna ND4J a CUDA toolkit, tvorbu vlastního programu, a nakonec i test doby zpracování a přesnosti.
|
|
|
Evoluční predikce časových řad
Křivánek, Jan ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Náplní předkládané práce je sumarizace znalostí v oblasti teorie časových řad, jejich analýzy a aplikace na finančních trzích. Dále práce podává přehled evolučních algoritmů, jejich klasifikaci a použití. Jádrem práce je propojení těchto znalostí a vytvoření systému, který využívá evoluční algoritmy k optimalizaci predikčních modelů finančních časových řad. Při vývoji byly použity techniky softwarového inženýrství (automatická kontinuální integrace, automatizované kontrolování kvality produktu apod.) nutné pro snadnou udržovatelnost a rozšiřovatelnost projektu více vývojáři.
|
|
|
Time Series Analysis
Budai, Samuel ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
This thesis deals with the issue of time series analysis and its use in the detection of anomalies in industrial networks. AR-X, ARIMA, SARIMA, Random Forest, Facebook Prophet and XGB Boost algorithms were used in the solution to create prediction models. In addition, the work includes the implementation of an algorithm for detecting anomalies from prediction models as well as solving the problem of high seasonal period in the case of the SARIMA algorithm. Through the conducted research, it was found that with the use of selected algorithms, it is possible to predict industrial traffic for the purpose of detection, within which up to 90% of attacks were detected. The work also provides a solution to a high seasonal period using partial time series. These results allow the experimental integration of prediction-based detection into real industrial networks.
|
|
|
Intelligent Manager of Fantasy Premier League Game
Vasilišin, Maroš ; Burgetová, Ivana (oponent) ; Hynek, Jiří (vedoucí práce)
Fantasy Premier League online game gives millions of players around the world the chance to become a manager of their club for a while. The results and scores in the game depend on correctly predicting how players will behave in real football matches. If the user had software for predicting and analyzing players' future performance, it would help with making decisions and the outcome of the game could significantly improve. This master's thesis deals with the design and implementation of a prediction model that uses neural networks for time series prediction throughout the game season. Various methods were used to process player and club data for the last 4 seasons. The results are presented in the form of a web application where users can use the created model on their teams. Performance and accuracy of prediction methods were tested on the data from the last season of the Premier League and algorithm predictions were in most of the cases close to reality. If the user used the prediction model's advice 100% in the game, he would score more points than a regular player who does not use any prediction model.
|
|
|
Evoluční predikce časových řad
Křivánek, Jan ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Náplní předkládané práce je sumarizace znalostí v oblasti teorie časových řad, jejich analýzy a aplikace na finančních trzích. Dále práce podává přehled evolučních algoritmů, jejich klasifikaci a použití. Jádrem práce je propojení těchto znalostí a vytvoření systému, který využívá evoluční algoritmy k optimalizaci predikčních modelů finančních časových řad. Při vývoji byly použity techniky softwarového inženýrství (automatická kontinuální integrace, automatizované kontrolování kvality produktu apod.) nutné pro snadnou udržovatelnost a rozšiřovatelnost projektu více vývojáři.
|
|
|
Time series analysis using deep learning
Hladík, Jakub ; Kolařík, Martin (oponent) ; Uher, Václav (vedoucí práce)
The aim of the thesis was to create a tool for time-series prediction based on deep learning. The first part of the work is a brief description of deep learning and its comparison to classical machine learning. In the next section contains brief analysis of some tools, that are already used for time-series forecasting. The last part is focused on the analysis of the problem as well as on the actual creation of the program.
|
|
|
Extrémní učící se stroje pro předpovídání časových řad
Zmeškal, Jiří ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
Práce je zaměřena na možnost využití extrémních učících se strojů a sítí s ozvěnou stavu pro předpověď časových řad s možností akcelerace pomocí grafických procesorů. Takovéto předpovědi jsou v dnešní době každodenní součástí života naprosté většiny lidí, a to vzhledem k jejich využití v předpovědích počasí, vývoje finančního a akciového trhu, spotřeby energie a mnohých dalších věcí. Práce uvádí teoretický podklad extrémních učících se strojů a sítí s ozvěnou stavu, jejichž hlavní výhodou je náhodná volba většiny parametrů neuronové sítě a iterativního postupu dopočtu parametrů, programovací nástroje k jejich realizaci, jako je knihovna ND4J a CUDA toolkit, tvorbu vlastního programu, a nakonec i test doby zpracování a přesnosti.
|
host ::
RSS.