|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí
Klimeš, Ondřej ; Veselý, Vítězslav (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá sledováním objektu. Ke sledování je použita decentralizovaná senzorová síť využívající distribuovaný částicový filtr s věrohodnostním konsenzem. Tento konsenzus je založen na řídké reprezentaci lokální věrohodnostní funkce pomocí vhodných slovníků. V této práci se porovnávají hojně používaný Fourierův slovník s námi navrženým slovníkem tzv. B-splajnů. Zároveň je díky řídkosti distribuovaných dat možné implementovat metodu komprimovaného snímání. Výsledky jsou porovnávány z hlediska přesnosti sledování a komunikační náročnosti. Součástí práce jsou také skripty a funkce v jazyce MATLAB.
|
|
|
Restaurace signálu po průchodu limiterem s použitím psychoakustického modelu
Kramář, Denis ; Rajmic, Pavel (oponent) ; Záviška, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá využitím řídkých reprezentací signálu za účelem restaurace audiosignálu poškozeného clippingem. Nejprve je zde probrána teorie týkající se limiteru a samotné limitace signálu. Poté jsou zde uvedeny některé současné metody založené na teorii řídkých reprezentací. Ta je popsána v následující kapitole. Následně je zde popsán psychoakustický model a jeho využití pro declipping. Na závěr teoretické části jsou zde představeny dvě metody řešení této úlohy. První je založená na syntezujícím modelu signálu a využívá algoritmus Douglas-Rachford. Druhá je založená na analyzujícím modelu signálu a byl pro ni zvolen algoritmus Chambolle-Pock. V další části je popsána jejich implementace v prostředí Matlab. Na závěr jsou vyhodnoceny výsledky dosažené oběma algoritmy.
|
|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce) ; Maciak, Matúš (oponent)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Optimální metody výměny řídkých dat v senzorové síti
Valová, Alena ; Poměnková, Jitka (oponent) ; Rajmic, Pavel (vedoucí práce)
Práce je zaměřena na sledování pohybu objektu decentralizovanou senzorovou sítí s využitím distribuovaného částicového filtru s fúzním centrem i s konsenzem. Model zahrnuje šum v měření senzorů i případy, kdy senzor objekt vůbec nezachytí. Uvedený přístup využívá řídkosti globální věrohodnostní funkce, jejíž vhodnou řídkou aproximací a vhodnou volbou slovníku lze významně snížit nároky na komunikaci v decentralizované senzorové síti. Diplomová práce obsahuje návrh metod výměny řídkých dat v senzorové síti a~porovnání navržených metod z hlediska přesnosti a energetické náročnosti.
|
|
|
Restaurace audiosignálů založená na řídkých reprezentacích
Záviška, Pavel ; Průša, Zdeněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá problematikou audio clippingu a aplikací modelu řídkých reprezentací pro úlohu declippingu. Nejprve je popsána obecná teorie clippingu, na kterou navazuje stručný přehled stávajících metod a popis obecné teorie, zabývající se řídkými reprezentacemi signálů a bázemi, resp. framy. Následně jsou představeny dvě metody, které řeší úlohu declippingu na základě řídkých reprezentací. První metoda používá Obecný proximální algoritmus pro konvexní optimalizaci, druhá pak Douglas-Rachfordův algoritmus. Zmíněné metody byly naprogramovány v prostředí Matlab. Výsledky metod jsou vyhodnoceny podle ukazatelů SNR, PEMO-Q a také podle subjektivních poslechových testů.
|
|
| |
host ::
RSS.