|
|
Informační systém pro domácnost
Knyrevich, Michail ; Matějka, Pavel (oponent) ; Szőke, Igor (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou Informačního systému pro domácnost a to především jeho modulem Energie. Jsou zde analyzované již existující informační systémy zabývající se tímto tématem. Dále je zde popsán formální návrh vlastního modulu Energie na základě získaných informací. Součásti tohoto návrhu je systém predikce výdajů za energie, který se provádí na základě monitorování počasí. Na závěr je realizace a testování tohoto návrhu s použitím webových technologii a to především Zend Framework.
|
|
| |
|
|
Identifikace počítače na základě časových značek paketů
Krba, Martin ; Košař, Vlastimil (oponent) ; Kaštil, Jan (vedoucí práce)
Primárním způsobem identifikace zařízení v počítačové síti je využití jejich MAC adresy a IP adresy.Cílem této práce je vytvoření aplikace, která dokáže jednoznačně identifikovat počítač v síti Internet, a to i v případě, kdy dojde ke změně jeho IP adresy nebo MAC adresy. Základem je využití drobných časových odchylek v hardvérovém zažízení, tzv. clock skew. Ty se vyskytují v každých hodinách, které jsou založeny na krystalovém oscilátoru. Jejich využití je zvláště výhodné, protože není potřebná žádná úprava sledovaných zařízení a při určité implementaci ani jejich vědomá spolupráce. Zjištění těchto hodnot spočívá v zachycení dostatečného množství paketů nesoucích časové známky, tzv. timestamps. Uplatnění jednoznačné identifikace zařízení je velice široké, příkladem může být vyšetřování počítačové kriminality, sledování zařízení využívající různé přistupové body, zjištění počtu zařízení za routerem s překladem síťových adres ( NAT ).
|
|
|
Introduction to Six Sigma Method and its Application for Process Improvements
Šerák, Petr ; Maroš, Bohumil (oponent) ; Bednář, Josef (vedoucí práce)
Six Sigma methodology is today used in many companies to improve the processes and products quality. It makes use of various statistical tools and one of the most important is the linear regression. The aim of this thesis is a short description of Six Sigma methodology. And in the next step by the help of linear regression and also other statistical tools to eliminate one manufacturing operation in a concrete technical process.
|
|
|
Aplikace pokročilých regresních modelů
Rosecký, Martin ; Popela, Pavel (oponent) ; Bednář, Josef (vedoucí práce)
Tato práce shrnuje nejnovější poznatky z oblasti modelování produkce komunálního odpadu (KO). Tyto používá k řešení vícerozměrného analogu úlohy inverzní predikce. Jedná se o problém, který nelze řešit analyticky, proto byl navržen heuristický postup využívající regresních modelů a modelů vyrovnávání dat. Jako vedlejší produkt vznikly modely produkce KO využívající PCA (Principal Component Analysis) a LM (Linear Model). Tyto modely byly srovnány s heuristickým modelem RF (Random Forest). Oba modely byly použity i pro modelování množství odpadů na osobu. V práci jsou také zahrnuty nezbytné teoretické partie týkající se zobecněných lineárních modelů, vyrovnávání dat a nelineární optimalizace.
|
|
|
Statistical Method Selection Matters: Vanilla Methods in Regression May Yield Misleading Results
Kalina, Jan
The primary aim of this work is to illustrate the importance of the choice of the appropriate methods for the statistical analysis of economic data. Typically, there exist several alternative versions of common statistical methods for every statistical modeling task\nand the most habitually used (“vanilla”) versions may yield rather misleading results in nonstandard situations. Linear regression is considered here as the most fundamental econometric model. First, the analysis of a world tourism dataset is presented, where the number of international arrivals is modeled for 140 countries of the world as a response of 14 pillars (indicators) of the Travel and Tourism Competitiveness Index. Heteroscedasticity is clearly recognized in the dataset. However, the Aitken estimator, which would be the standard remedy in such a situation, is revealed here to be very inappropriate. Regression quantiles represent a much more suitable solution here. The second illustration with artificial data reveals standard regression quantiles to be unsuitable for data contaminated by outlying values. Their recently proposed robust version turns out to be much more appropriate. Both\nillustrations reveal that choosing suitable methods represent an important (and often difficult) part of the analysis of economic data.
|
|
|
Statistical Method Selection Matters: Vanilla Methods in Regression May Yield Misleading Results
Kalina, Jan
The primary aim of this work is to illustrate the importance of the choice of the appropriate methods for the statistical analysis of economic data. Typically, there exist several alternative versions of common statistical methods for every statistical modeling task and the most habitually used (“vanilla”) versions may yield rather misleading results in nonstandard situations. Linear regression is considered here as the most fundamental econometric model. First, the analysis of a world tourism dataset is presented, where the number of international arrivals is modeled for 140 countries of the world as a response of 14 pillars (indicators) of the Travel and Tourism Competitiveness Index. Heteroscedasticity is clearly recognized in the dataset. However, the Aitken estimator, which would be the standard remedy in such a situation, is revealed here to be very inappropriate, regression quantiles represent a much more suitable solution here. The second illustration with artificial data reveals standard regression quantiles to be unsuitable for data contaminated by outlying values, their recently proposed robust version turns out to be much more appropriate. Both illustrations reveal that choosing suitable methods represent an important (and often difficult) part of the analysis of economic data.
|
|
| |
|
|
The 2022 Election in the United States: Reliability of a Linear Regression Model
Kalina, Jan ; Vidnerová, Petra ; Večeř, M.
In this paper, the 2022 United States election to the House of Representatives is analyzed by means of a linear regression model. After the election process is explained, the popular vote is modeled as a response of 8 predictors (demographic characteristics) on the state-wide level. The main focus is paid to verifying the reliability of two obtained regression models, namely the full model with all predictors and the most relevant submodel found by hypothesis testing (with 4 relevant predictors). Individual topics related to assessing reliability that are used in this study include confidence intervals for predictions, multicollinearity, and also outlier detection. While the predictions in the submodel that includes only relevant predictors are very similar to those in the full model, it turns out that the submodel has better reliability properties compared to the full model, especially in terms of narrower confidence intervals for the values of the popular vote.
|
|
|
Sparse Representation for Classification of Posture in Bed
Mesárošová, Michaela ; Mihálik, Ondrej
Redundant dictionaries, also known as frames, offera non–orthogonal representation of signals, which leads to sparsityin their representative coefficients. As this approach providesmany advantageous properties it has been used in various applicationssuch as denoising, robust transmissions, segmentation,quantum theory and others. This paper investigates the possibilityof using sparse representation in classification, comparing theachieved results to other commonly used classifiers. The differentmethods were evaluated in a real-world classification task inwhich the position of a lying patient has to be deduced basedon the data provided by a pressure mattress of 30×11 sensors.The investigated method outperformed most of the commonlyused classifiers with accuracy exceeding 92%, while being lessdemanding on design and implementation complexity.
|
host ::
RSS.