|
|
Modely výpočetní inteligence pro hydrologické predikce
Paščenko, Petr ; Neruda, Roman (vedoucí práce) ; Petříčková, Zuzana (oponent)
Tato práce se zabývá možností využití metod výpočetní umělé inteligence v oblasti hydrologických předpovědí. Praktická studie problému krátkodobé predikce průtoku na základě světových srážek je provedena na skutečných fyzikálních datech popisujících relevantní časové řady naměřené v povodí řeky Ploučnice. Zevrubně statitstická studie zahrnující korelační regresní analýzu prokázal vysoký rozptyl naměřených hodnot. Pro konstrukci vstupniho filtru pro neuronové modely byl proveden evoluční experiment. V hlavní části práce bylo prozkoumáno několik modelů neuronových sítí založených na vicevrstvém perceptronu, sítích typu RBF a neuroevoluci společně se dvěma anáblovými modely inspirovanými tzv. bagginem. Výsledné modely byly pečlivě testovány na datech pokrývajících letní období tří po sobě následujících let. Bylo prokázáno, že modely založené na vícevrstvém perceptronu vykazují větší schopnost generalizace. Výsledné perceptronové modely jsou schopny snížit kvadratickou chybu předpovědi o zhruba 15% v porovnání s konzervativní predikcí současnou hodnotou.
|
|
|
Klasifikace původu malířských hlinek
Mareš, Jiří ; Blažek, Jan (vedoucí práce) ; Paščenko, Petr (oponent)
Název práce: Klasifikace původu malířských hlinek Autor: Jiří Mareš Katedra (ústav): Katedra softwarového inženýrství Vedoucí bakalářské práce: Mgr. Jan Blažek e-mail vedoucího: blazek@utia.cas.cz Abstrakt: Práce se zabývá algoritmy pro rozpoznání původu malířských hlinek na základě jejich prvkového složení. Ke klasifikaci jsou použity algoritmy K-means, Bayesův klasifikátor, a vlastní algoritmy zpřesňující výsledek. Součástí práce je i veřejně přístupná webová služba [http://klasifikatorhlinek.somee.com], která obsahuje zmíněné klasifikační algoritmy. Klíčová slova: classification, k-means, Bayess classificator, weight ratio
|
|
|
Klasifikace původu malířských hlinek
Mareš, Jiří ; Blažek, Jan (vedoucí práce) ; Paščenko, Petr (oponent)
Název práce: Klasifikace původu malířských hlinek Autor: Jiří Mareš Katedra (ústav): Katedra softwarového inženýrství Vedoucí bakalářské práce: Mgr. Jan Blažek e-mail vedoucího: blazek@utia.cas.cz Abstrakt: Práce se zabývá algoritmy pro rozpoznání původu malířských hlinek na základě jejich prvkového složení. Ke klasifikaci jsou použity algoritmy K-means, Bayesův klasifikátor, a vlastní algoritmy zpřesňující výsledek. Součástí práce je i veřejně přístupná webová služba [http://klasifikatorhlinek.somee.com], která obsahuje zmíněné klasifikační algoritmy. Klíčová slova: classification, k-means, Bayess classificator, weight ratio
|
|
|
Modely výpočetní inteligence pro hydrologické predikce
Paščenko, Petr ; Petříčková, Zuzana (oponent) ; Neruda, Roman (vedoucí práce)
Tato práce se zabývá možností využití metod výpočetní umělé inteligence v oblasti hydrologických předpovědí. Praktická studie problému krátkodobé predikce průtoku na základě světových srážek je provedena na skutečných fyzikálních datech popisujících relevantní časové řady naměřené v povodí řeky Ploučnice. Zevrubně statitstická studie zahrnující korelační regresní analýzu prokázal vysoký rozptyl naměřených hodnot. Pro konstrukci vstupniho filtru pro neuronové modely byl proveden evoluční experiment. V hlavní části práce bylo prozkoumáno několik modelů neuronových sítí založených na vicevrstvém perceptronu, sítích typu RBF a neuroevoluci společně se dvěma anáblovými modely inspirovanými tzv. bagginem. Výsledné modely byly pečlivě testovány na datech pokrývajících letní období tří po sobě následujících let. Bylo prokázáno, že modely založené na vícevrstvém perceptronu vykazují větší schopnost generalizace. Výsledné perceptronové modely jsou schopny snížit kvadratickou chybu předpovědi o zhruba 15% v porovnání s konzervativní predikcí současnou hodnotou.
|
|
|
Verzovaná komprese textových dokumentů
Paščenko, Petr ; Lánský, Jan (oponent) ; Žemlička, Michal (vedoucí práce)
V předložené práci studujeme efektivní správu různých verzí textových dokumentů. Výsledkem práce je aplikace pro řízení takového archivu. Aplikace umožňuje maximální využití podobnosti verzí soubor pro dosažení minimální redundance uložené informace. Aplikace využívá metody rozdílového porovnávání soubor (Diff ), obohacenou o rozlišování menších změn - oproti původnímu Diff u může efektivně zachytit i změny na úrovni slov či znaků. Citlivost diffu se dynamicky mění na různých úsecích textového dokumentu v závislosti na hustotě a charakteru provedených změn. To zajišťuje dostatečnou přesnost pro úspornou velikost archivu v kombinaci se stále velmi dobrou rychlostí aplikace. Pro další zmenšení velikosti archivu je využita komprese metodou zip pomocí volně šířitelné knihovny Info-ZIP.
|
host ::
RSS.