|
|
Strojové učení v oblasti stylometrie a určování autorství
Drápela, Karel ; Škoda, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
Práce se zabývá identifikací autorů anglických internetových komentářů. Popisuje aktuální stav v oboru určování autorství na sociálních sítích. Vysvětluje fungování a strukturu vytvořeného systému na určování autorství, který funguje na základě výběru nejinformativnějších příznaků z převážně písmemnných n-gramů a slovních druhů. Prezentuje výsledky testování systému na internetových službách Quora a Twitter.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Červíček, Karel ; Glembek, Ondřej (oponent) ; Szőke, Igor (vedoucí práce)
Forex je dnes největším trhem na světě. Díky vysoké likviditě je vhodným kandidátem pro intradenní obchodování na základě jisté obchodní strategie založené na technické a fundamentální analýze. Obchodní strategie jdou navrhnout pro automatické algoritmické obchodování. Takováto strategie je navržena s využitím neuronové sítě, která zastává pozici aproximátoru časové řady kurzovních dat na základě, kterého je možné predikovat budoucí vývoj.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Chlud, Michal ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato diplomová práce se zabývá algoritmickým obchodováním na burze s využitím umělých neuronových sítí. V první částí jsou popsány základní termíny týkající se obchodování na burze a algoritmického obchodování, také je zde k dispozici teoretický úvod do neuronových sítí. V druhé částí jsou specifikována data, na kterých bude probíhat simulace obchodování. Na těchto datech se také učí neuronová síť. Ta je využita pro predikci budoucí hodnoty trhu v automatické obchodní strategii. Ke konci je navzájem porovnáno několik strategií s různými variantami neuronových sítí.
|
|
|
Analýza sentimentu s využitím dolování dat
Sychra, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Obsahem práce je analýza sentimentu, především z informatického hlediska (okrajově z hlediska lingvistického). V lingvistické části je rozebrán pojem sentiment a jazykové metody pro jeho analýzu, např. lemmatizace, POS tagging, využití seznamu stopwords apod. Větší pozornost je následně věnována struktuře analyzátoru sentimentu, který je založen na některé z metod strojového učení (metoda podpůrných vektorů, naivní Bayesův klasifikátor a klasifikátor maximální entropie). Na základě teoretických východisek je navržen a implementován funkční analyzátor. Experimenty jsou zaměřeny především na porovnání klasifikačních metod a přínos využití jednotlivých metod předzpracování. Úspěšnost sestrojeného klasifikátoru dosahuje až 84 % v křížové validaci.
|
|
|
Predikce hodnot v čase
Maršová, Eliška ; Bařina, David (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce se zabývá predikcí číselných řad, jejichž aplikace je vhodná i pro predikci vývoje cen na burze. Jsou vysvětleny postupy analýzy a práce s cenovými grafy. Také jsou objasněny způsoby strojového učení. Znalosti jsou využity k sestavení programu, který v řadě nalezne vzory umožňující predikci.
|
|
|
Fundamentální analýza numerických dat pro automatický trading
Huf, Petr ; Szőke, Igor (oponent) ; Černocký, Jan (vedoucí práce)
Tato práce se zabývá využitím fundamentální analýzy v automatickém obchodování. Technická analýza využívá k predikci ceny hlavně její historické hodnoty a indikátory z této ceny odvozené. Fundamentální analýza naopak využívá informace z různých zdrojů k predikci cenového signálu, přičemž v této práci byly zkoumány pouze kvantitativní zdroje dat. Konkrétně se jedná o počasí, Forex, Google Trends, WikiTrends, historické ceny různých futures a souhrnná fundamentální data (porodnost, migrace, \dots). Takto získána data jsou zpracovávána LSTM neuronovou sítí, která provádí predikci ceny vybraných akcií. Na základě této predikce je postaven obchodní systém. Experimenty v této práci ukazují na zlepšení výsledků obchodního systému až o 8\% v úspěšnosti predikce díky zapojení fundamentální analýzy.
|
|
|
Rozpoznávání textu pomocí konvolučních sítí
Csóka, Pavel ; Behúň, Kamil (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá tvorbou nových datových sad pro účely strojového učení rozpoznávání textu z fotografií a experimenty s konvolučními neuronovými sítěmi na těchto sadách. Popisuje architekturu konvolučních sítí, problémy rozpoznávání z fotografií a současné práce využívající tyto sítě. Dále tvorbu anotace datové sady fotografií stránek dokumentů, pořízených mobilními telefony, nazvané Mobile Page Photos. K anotaci je využit Tesseract OCR. Z této sady jsou vyříznutím znaků z fotografií vytvořeny dvě další. Jedná se o sady znaků dobře čitelných Mobile Nice Page Photos Characters a dobře i spatně až nečitelných Mobile Page Photos Characters, ve formátu datové sady číslic Street View House Numbers. S třemi vytvořenými modely konvolučních sítí jsou na datových sadách provedeny experimenty s rozpoznáváním textu, s jejichž pomocí je také odhadnuta chyba anotace.
|
|
|
Dolování znalostí z rozsáhlých statistických souborů lékařských dat
Badelita, Elvyn-George
Závěrečná práce se zabývá problematikou dolování informací z rozsáhlých souborů lékařských dat pomocí metod a algoritmů strojového učení. Předmětem teoretické části je strojové učení a jeho rozdělení, popis základních datových typů v data miningu, nejdůležitější klasifikační a predikční metody, kritéria definující kvalitu predikčních metod, popis data miningové metodiky a nevyužívanějších systémů. Praktická část se zaměřuje na statistický a informatický průzkum poskytnutých lékařských dat, její vhodnou transformaci, následný návrh a uskutečnění experimentů pomocí metod strojového učení s cílem získat znalosti a skryté informace a nakonec interpretace získaných výsledků společně s vyvozením závěrů pro cílové skupiny.
|
|
|
Analýza pokrytí území metodami dálkového průzkumu země
Chodúr, Martin
Tato práce se zabývá využitím metod dálkového průzkumu země pro analýzu pokrytí území. Na základě hodnocení využívaných metod a postupů je navrženo a otestováno vlastní řešení zjednodušující celý proces na úkor přesnosti klasifikace. Navržený postup nabízí odlišný pohled na danou problematiku a možnosti jeho dalšího rozvoje.
|
|
|
Použití evolučních a genetických algoritmů v ekonomických aplikacích
Popelka, Ondřej
Práce popisuje nové evoluční metody umělé inteligence vhodné pro řešení složitých úloh. Jedná se o úlohy plánování, optimalizace, rozhodování, predikce a další - to vše jsou problémy, které se inteligentní člověk naučí velmi rychle řešit, ale strojově nejsou řešitelné v únosném čase. Pro tyto úlohy často není k dispozici analytický aparát pro řešení, ani žádný obecný algoritmus. Právě toto je oblast ve které nachází uplatnění metody umělé inteligence. Tato práce se zaměřuje na evoluční metody umělé inteligence založené na genetických algoritmech, konkrétně na gramatické evoluci a diferenciální evoluci. V první části práce jsou popsány genetické algoritmy, jejich principy a dílčí algoritmy, zejména pak ty, které se používají v gramatické evoluci. Dále práce popisuje gramatickou evoluci, což je genetický algoritmus rozšířený o překladač bezkontextové gramatiky. Gramatická evoluce má díky tomuto rozšíření schopnost generovat strukturované řetězce v libovolném jazyce definovaném regulární nebo bezkontextovou gramatikou. Druhá část práce je zaměřena na vytvoření obecného výpočetního systému, který umožňuje uživatelsky přívětivější ovládání gramatické evoluce než stávající aplikace. Je zde popsán návrh architektury tohoto systému, který se skládá z výpočetní služby, databázového serveru a z odděleného uživatelského rozhraní. Součástí práce je také popis úloh na které byly navržené algoritmy aplikovány. Jedná se o úlohy symbolické regrese, klasifikace a generování logických obvodů. Všechny úlohy byly řešeny s využitím popsané implementace.
|
host ::
RSS.