Hlavní stránka > Výsledky hledání: keywords:"Dynamic Bayesian Network"
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Dynamic Bayesian Networks for the Classification of Sleep Stages
 Vomlel, Jiří ; Kratochvíl, Václav
Human sleep is traditionally classified into five (or six) stages. The manual classification is time consuming since it requires knowledge of an extensive set of rules from manuals and experienced experts. Therefore automatic classification methods appear useful for this task. In this paper we extend the approach based on Hidden Markov Models by relating certain features not only to the current time slice but also to the previous one. Dynamic Bayesian Networks that results from this generalization are thus capable of modeling features related to state transitions. Experiments on real data revealed that in this way we are able to increase the prediction accuracy.
Úplný záznam
Uživatelsky přívětivé prostředí pro práci s dynamickými Bayesovskými sítěmi
 Vinárek, Jan ; Kadlec, Rudolf (vedoucí práce) ; Skřivánek, Zdeněk (oponent)
Název práce: Uživatelsky přívětivé prostředí pro práci s dynamickými Bayesov- skými sítěmi Autor: Jan Vinárek Ústav: Kabinet software a výuky informatiky Vedoucí bakalářské práce: Mgr. Rudolf Kadlec, Kabinet software a výuky infor- matiky Abstrakt: U open source nástrojů s grafickým rozhraním určených pro datami- ning napsaných v jazyce Java je malá podpora pro zpracování sekvenčních dat. Jedním z nejpopulárnějších modelů využívaných při zpracování sekvenčních dat je dynamická Bayesovská síť, a to s využitím jejích inferenčních algoritmů. Cílem teoretické části práce bylo najít program s grafickým rozhraním pro da- tamining se snadným ovládáním a knihovnu, která dynamické Bayesovské sítě a jejich inferenční algoritmy nejlépe implementuje. Cílem praktické části práce bylo pro zvolený program (RapidMiner) navrhnout a naprogramovat rozšíření s využitím nalezené knihovny (JSMILE). U rozšíření byla otestována kombinace učícího algoritmu Expectation-Maximization a inferenčního algoritmu dynamické Bayesovské sítě pro predikci sekvenčních dat a byla srovnána s použitím učících modelů Support Vector Machines a Decision Tree na dvou příkladech. Klíčová slova: dynamické Bayesovské sítě, sekvenční data, časové řady, Java
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English