|
Optimální řešení a CLM množiny
Semela, Ondřej ; Lachout, Petr (vedoucí práce) ; Branda, Martin (oponent)
Předložená práce spadá do oblasti teorie optimalizačních úloh. V její první části jsou definovány pojmy jako epi-konvergence, zdola a shora polospojitá funkce, epi-spojitost nebo CLM množina. Z důvodu snazšího porozumění jsou k definicím nejdůležitějších pojmů doplněny ilustrativní příklady a pozorování o jejich vlastnostech. Navazující část se potom zabývá hledáním (lokálního) minima náhodné nebo deterministické funkce. S využitím poznatků z první části jsou formulovány předpoklady, při jejichž splnění lze toto hledání přenést na posloupnost náhodných funkcí splňující určité požadavky. Powered by TCPDF (www.tcpdf.org)
|
|
Robustní optimalizace v klasifikačních a regresních úlohách
Semela, Ondřej ; Kalina, Jan (vedoucí práce)
Předložená práce pojednává o vybraných metodách regresní a klasifikační analýzy z pohledu robustní optimalizace, jejímž cílem je vhodně zohlednit případné nepřesnosti v datech nebo chyby měření. V první části je představena metoda nejmenších čtverců a její zobecnění, které lze odvodit v kontextu robustní optimalizace - hřebenová regrese a metoda Lasso. Následně je ukázána souvislost mezi těmito zobecněními a metodou nejmenších čtverců v robustní optimalizaci. Teoretické výsledky doplňuje simulační studie zkoumající z různých hledisek robustnost jednotlivých metod. Ve druhé části práce je čtenář seznámen s jednou z moderních klasifikačních metod - metodou SVM. Získané poznatky jsou následně využity k vybudování metody SVM, která se uplatňuje v robustní klasifikaci. Závěrečná část je věnována aplikaci vyložené teorie na příkladu biometrické identifikace stylu psaní a osob podle dynamiky stisku počítačových kláves. Powered by TCPDF (www.tcpdf.org)
|
|
Robustní optimalizace v klasifikačních a regresních úlohách
Semela, Ondřej ; Kalina, Jan (vedoucí práce) ; Lachout, Petr (oponent)
Předložená práce pojednává o vybraných metodách regresní a klasifikační analýzy z pohledu robustní optimalizace, jejímž cílem je vhodně zohlednit případné nepřesnosti v datech nebo chyby měření. V první části je představena metoda nejmenších čtverců a její zobecnění, které lze odvodit v kontextu robustní optimalizace - hřebenová regrese a metoda Lasso. Následně je ukázána souvislost mezi těmito zobecněními a metodou nejmenších čtverců v robustní optimalizaci. Teoretické výsledky doplňuje simulační studie zkoumající z různých hledisek robustnost jednotlivých metod. Ve druhé části práce je čtenář seznámen s jednou z moderních klasifikačních metod - metodou SVM. Získané poznatky jsou následně využity k vybudování metody SVM, která se uplatňuje v robustní klasifikaci. Závěrečná část je věnována aplikaci vyložené teorie na příkladu biometrické identifikace stylu psaní a osob podle dynamiky stisku počítačových kláves. Powered by TCPDF (www.tcpdf.org)
|
|
Optimální řešení a CLM množiny
Semela, Ondřej ; Lachout, Petr (vedoucí práce) ; Branda, Martin (oponent)
Předložená práce spadá do oblasti teorie optimalizačních úloh. V její první části jsou definovány pojmy jako epi-konvergence, zdola a shora polospojitá funkce, epi-spojitost nebo CLM množina. Z důvodu snazšího porozumění jsou k definicím nejdůležitějších pojmů doplněny ilustrativní příklady a pozorování o jejich vlastnostech. Navazující část se potom zabývá hledáním (lokálního) minima náhodné nebo deterministické funkce. S využitím poznatků z první části jsou formulovány předpoklady, při jejichž splnění lze toto hledání přenést na posloupnost náhodných funkcí splňující určité požadavky. Powered by TCPDF (www.tcpdf.org)
|