|
|
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.
|
|
| |
|
|
Snížení náročnosti výpočtů v libSVM s použitím řetězcových funkcí
Kubernát, Tomáš ; Sehnalová, Pavla (oponent) ; Michlovský, Zbyněk (vedoucí práce)
Cílem práce bylo implementovat čtyři řetězcové funkce do knihovny libSVM . Za pomoci této knihovny a výše zmíněných řetězcových funkcí poté provést sérii testování s různými hodnotami parametrů ovlivňujících výpočet samotných řetězcových funkcí. Pomocí experimentů byla porovnána rychlost a úspěšnost klasifikace mojí implementace řetězcových funkcí v knihovně libSVM s implementací řetězcových funkcí v programu kernels . V práci jsou také popsány průběhy všech testování i s naměřenými hodnotami a grafy pro grafické znázornění výsledků.
|
|
|
Konvergence řešení soustav algebraických rovnic
Sehnalová, Pavla ; Šátek, Václav (oponent) ; Kunovský, Jiří (vedoucí práce)
Práce podrobně popisuje metody řešení soustav lineárních algebraických a diferenciálních rovnic. Představuje metodu převodu ze soustav lineárních algebraických rovnic na soustavy rovnic diferenciálních. Vysvětluje metodu elementárního převodu, převod pomocí transformačního algoritmu a oba postupy demonstruje na jednoduchých příkladech s ukázkou jejich vlastností. Práce srovnává metody řešení soustav rovnic z hlediska přesnosti a rychlosti. Pro řešení příkladů a experimenty byly použity programy TKSL a TKSL/C. Program TKSL/C byl v rámci práce rozšířen o grafické uživatelské rozhraní určené k automatickému převodu soustav a jejich výpočtu.
|
|
| |
|
|
Data mining
Mrázek, Michal ; Sehnalová, Pavla (oponent) ; Bednář, Josef (vedoucí práce)
Tato diplomová práce se zabývá analýzou vícerozměrných dat. Jsou zavedeny tři algoritmy pro snižování dimenze dat. Pomocí metod zpracování přirozeného jazyka je ukázáno, jak manipulovat s textovými dokumenty. V praktické části je cílem zpracovat reálná data z internetového fóra. Nejprve soubor diskuzních příspěvků převedeme na numerickou reprezentaci, provedeme transformaci do dvourozměrného prostoru a vizualizujeme. Dále najdeme tématické okruhy příspěvků. V závěru porovnáme několik vybraných algoritmů na redukci dimenze.
|
|
| |
|
|
Interaktivní výuka pro U3V
Vavřínek, Aleš ; Kunovský, Jiří (oponent) ; Sehnalová, Pavla (vedoucí práce)
Tato bakalářská práce je určena pro Univerzitu třetího věku při VUT v Brně (U3V). Zejména pro její studenty, kterými jsou osoby staršího věku, kteří se chtějí i po překročení určité věkové hranice nadále vzdělávat a jít s dobou. Tato práce byla vytvořena pomocí jazyků HTML, CSS, PHP, JavaScript s použitím databáze MySQL.
|
|
|
Stability and convergence of numerical computations
Sehnalová, Pavla ; Dalík, Josef (oponent) ; Horová, Ivana (oponent) ; Kunovský, Jiří (vedoucí práce)
The aim of this thesis is to analyze the stability and convergence of fundamental numerical methods for solving ordinary differential equations. These include one-step methods such as the classical Euler method, Runge-Kutta methods and the less well known but fast and accurate Taylor series method. We also consider the generalization to multistep methods such as Adams methods and their implementation as predictor-corrector pairs. Furthermore we consider the generalization to multiderivative methods such as Obreshkov method. There is always a choice in predictor-corrector pairs of the so-called mode of the method and in this thesis both PEC and PECE modes are considered. The main goal and the new contribution of the thesis is the use of a special fourth order method consisting of a two-step predictor followed by an one-step corrector, each using second derivative formulae. The mathematical background of historical developments of Nordsieck representation, the algorithm of choosing a variable stepsize or an error estimation are discussed. The current approach adapts well to the multiderivative situation in variable stepsize formulations. Experiments for linear and non-linear problems and the comparison with classical methods are presented.
|
|
|
Data mining
Mrázek, Michal ; Sehnalová, Pavla (oponent) ; Bednář, Josef (vedoucí práce)
Tato diplomová práce se zabývá analýzou vícerozměrných dat. Jsou zavedeny tři algoritmy pro snižování dimenze dat. Pomocí metod zpracování přirozeného jazyka je ukázáno, jak manipulovat s textovými dokumenty. V praktické části je cílem zpracovat reálná data z internetového fóra. Nejprve soubor diskuzních příspěvků převedeme na numerickou reprezentaci, provedeme transformaci do dvourozměrného prostoru a vizualizujeme. Dále najdeme tématické okruhy příspěvků. V závěru porovnáme několik vybraných algoritmů na redukci dimenze.
|
host ::
RSS.