|
| |
|
|
Metodika vývoje a nasazování Business Intelligence v malých a středních podnicích
Rydzi, Daniel ; Jandoš, Jaroslav (vedoucí práce) ; Vlček, Radim (oponent) ; Slánský, David (oponent)
Disertační práce pojednává o vývoji a nasazování Business Intelligence řešení v malých a středních podnicích (SME) v České republice. Práce je vyvrcholením dosavadní profesní snahy autora o sestavení metodického modelu vývoje těchto aplikací v malém a středním podniku s využitím vlastních sil a minimálních nákladů. Tuto práci lze rozdělit do pěti základních částí, které se dále dělí na kapitoly. První část, popisující v práci užité technologie, je rozdělena do dvou kapitol. První kapitola popisuje soudobý stav oblasti Business Intelligence a její součástí je i původní rozdělení jednotlivých úrovní tohoto konceptu. Druhá kapitola popisuje dvě techniky z oblasti dobývání znalostí z databází (KDD), které byly vybrány pro tvorbu řešení užitých v případových studiích. Druhá část popisuje oblast společenského života, ve které tato práce vznikala a pro kterou je učeno její využití, tedy oblast malých a středních podniků v ČR. Tato oblast je reprezentována jednou kapitolou, ve které jsou definovány vymezující rozdíly malých a středních podniků oproti ostatním, tedy velkým společnostem. Dále jsou zde vysvětleny autorovy pohnutky zaměření se na tuto oblast. Třetí samostatný celek představuje výsledky průzkumu, který byl uskutečněn mezi českými SME s podporou Katedry informačních technologií Fakulty informatiky a statistiky VŠE Praha. Cílem průzkumu bylo zmapovat připravenost českých SME na vývoj a nasazování aplikací typu BI, determinovat, jaké jsou nejčastější problémy SME, s jejichž podporou řešení by takové aplikace mohly pomoci a determinovat nejvýznamnější faktory omezující vyšší míru nasazení BI řešení mezi českými SME. Čtvrtá část práce je zároveň jejím jádrem. Ve dvou kapitolách jsou zde popsány existující metodiky implementace BI řešení včetně známé metodiky CRISP-DM a především původní Metodika vývoje a nasazování Business Intelligence řešení v malých a středních podnicích. Poslední, pátá část, se skládá z kapitoly o představení konkrétního podniku, ve kterém byl pro potřeby této práce prováděn výzkum vývoje a nasazování Business Intelligence řešení a z kapitol, které představují jednotlivé případové studie nasazování BI řešení v tomto podniku dle původní metodiky a které přinášejí důkaz o jejím ověření v praxi.
|
|
|
Aplikace časových profilů při lokalizaci zdrojů AE pomocí neuronových sítí
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
V současné době představují lokalizační procedury využívající umělé neuronové sítě (ANN) vysoce efektivní alternativu ke klasickým triangulačním algoritmům. Možnosti jejich aplikace jsou však z různých důvodů omezené. Hlavním problémem bývá především sběr dostatečného množství reprezentativních tréninkových dat spolu s nepřenositelností konkrétní naučené sítě na jinou úlohu. Jako řešení obou problémů byla v poslední době navržena metoda na bázi ANN, využívající tzv. časové profily. Tento nový způsob charakterizace časů příchodů signálů umožňuje učení ANN na numerických modelech a následnou aplikaci na reálných konstrukcích různých měřítek a materiálů. V příspěvku je tato nová metoda demonstrována na experimentálních datech získaných při zatěžování složité součásti letecké konstrukce a je diskutován její významný přínos pro rozšíření aplikačních možností ANN.
|
|
|
Lokalizace zdrojů akustické emise pomocí neuronových sítí na základě časových profilů
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
Primárním požadavkem analýzy akustické emise (AE) a následného vyhodnocování mechanismu poruchy je dostatečně přesné určení polohy emisních zdrojů. V současné době představují lokalizační procedury využívající umělé neuronové sítě (ANN) vysoce efektivní alternativu ke klasickým triangulačním algoritmům. Možnosti jejich aplikace jsou však z různých důvodů omezené. Hlavním problémem bývá především sběr dostatečného množství reprezentativních tréninkových dat spolu s nepřenositelností konkrétní naučené sítě na jinou úlohu. Jako řešení obou problémů byla v poslední době navržena metoda na bázi ANN, využívající tzv. časové profily. Tento nový způsob charakterizace časů příchodů signálů umožňuje učení ANN na numerických modelech a následnou aplikaci na reálných konstrukcích různých měřítek a materiálů, což představuje významné rozšíření aplikačních možností neuronových sítí. Nová metoda je demonstrována na experimentálních datech získaných při pen-testech na ocelové desce a jsou diskutovány její významné přínosy v praxi.
|
|
| |
|
| |
|
| |
|
| |
|
|
Optimalizace architektury neuronových sítí pro rozpoznávání zdrojů akustické emise
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
V příspěvku je popsána a diskutována metoda rozpoznávání kombinace tří modelových emisních zdrojů buzených v reálné letecké konstrukci. Při optimalizaci zpětného odhadu jejich poměrného zastoupení ve zdrojové funkci naměřeného a zparametrizovaného signálu akustické emise byly určeny umělé neuronové sítě různých architektur. Následná citlivostní anylýza těchto sítí umožnila cílenou redukci vstupů až na minimum parametrů potřebných pro spolehlivý odhad poměrného zastoupení modelových zdrojů v budícím ultrazvukovém pulzu.
|
|
|
Vybrane vlastnosti atributy anotovanych dat
Řimnáč, Martin
Příspěvěk porovnává vlasnosti učení a dotazování v případě, že vstupní data jsou anotována pomocí atributů, nebo tato anotace není přístupná. Anotování hodnot pomocí atributů umužňuje popsat vztahy obecně platné na této úrovni; tyto vztahy pak mohou posloužit pro nepřímý popis sémantiky dat. Na základě porovnání navrhuje hybridní metodu pokrývající přednosti obou přístupů.
|
host ::
RSS.