|
|
Strojové učení v klasifikaci obrazu
Král, Jiří ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Práce se zabývá hledáním a analýzou statistických modelů a algoritmických postupů, které mají potenciál zlepšit výsledky FIT VUT v Brně na soutěžích zabývajících se klasifi kací obrazu jako jsou ImageNet Large Scale Visual Recognition Challenge a TRECVID. V práci byl otestován multinomiální model, také byl použit model Phonotactic Intersession Variation Compensation (PIVCO) pro adaptaci náhodných vlivů v obrazové reprezentaci a dále pak pro redukci dimenzionality. Dále byl analyzován model KPCA, kterým se emulovala Kernel SVM klasi kace. Všechny statistické modely byly testovány na Pascal VOC 2007 datasetu.
|
|
|
Oceňování opcí
Moravec, Radek ; Hurt, Jan (vedoucí práce) ; Cipra, Tomáš (oponent)
Název práce: Oceňování opcí Autor: Radek Moravec Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: doc. RNDr. Jan Hurt, CSc., Katedra pravděpodobnosti a matematické statistiky V předložené práce se zabýváme oceňováním evropských call opcí pomocí stromových struktur. Představujeme diskrétní model trhu a předkládáme návod na arbitrážní oceně- ní instrumentů na úplném trhu pomocí diskontovaných očekávaných budoucích peněž- ních toků. Zobecněním binomického modelu konstruujeme multinomický model. Teo- reticky odvozenou oceňovací formuli testujeme na reálných datech z amerických burz NYSE a NASDAQ. Navrhujeme metodu odhadu parametrů, která vychází z časové řady historických pozorování denních uzavíracích cen podkladových akcií. Porovnáváme vypočtené ceny opcí s jejich skutečnou tržní cenou a hledáme příčiny jejich diferencí. 1
|
|
|
Oceňování opcí
Moravec, Radek ; Hurt, Jan (vedoucí práce)
Název práce: Oceňování opcí Autor: Radek Moravec Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: doc. RNDr. Jan Hurt, CSc., Katedra pravděpodobnosti a matematické statistiky V předložené práci se zabýváme oceňováním evropských call opcí pomocí stromových struktur. Představujeme diskrétní model trhu a předkládáme návod na arbitrážní oceně- ní instrumentů na úplném trhu pomocí diskontovaných očekávaných budoucích peněž- ních toků. Zobecněním binomického modelu konstruujeme multinomický model. Teo- reticky odvozenou oceňovací formuli testujeme na reálných datech z amerických burz NYSE a NASDAQ. Navrhujeme metodu odhadu parametrů, která vychází z časové řady historických pozorování denních uzavíracích cen podkladových akcií. Porovnáváme vypočtené ceny opcí s jejich skutečnou tržní cenou a hledáme příčiny jejich diferencí. 1
|
|
|
Oceňování opcí
Moravec, Radek ; Hurt, Jan (vedoucí práce)
Název práce: Oceňování opcí Autor: Radek Moravec Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: doc. RNDr. Jan Hurt, CSc., Katedra pravděpodobnosti a matematické statistiky V předložené práci se zabýváme oceňováním evropských call opcí pomocí stromových struktur. Představujeme diskrétní model trhu a předkládáme návod na arbitrážní oceně- ní instrumentů na úplném trhu pomocí diskontovaných očekávaných budoucích peněž- ních toků. Zobecněním binomického modelu konstruujeme multinomický model. Teo- reticky odvozenou oceňovací formuli testujeme na reálných datech z amerických burz NYSE a NASDAQ. Navrhujeme metodu odhadu parametrů, která vychází z časové řady historických pozorování denních uzavíracích cen podkladových akcií. Porovnáváme vypočtené ceny opcí s jejich skutečnou tržní cenou a hledáme příčiny jejich diferencí. 1
|
|
|
Oceňování opcí
Moravec, Radek ; Hurt, Jan (vedoucí práce) ; Cipra, Tomáš (oponent)
Název práce: Oceňování opcí Autor: Radek Moravec Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: doc. RNDr. Jan Hurt, CSc., Katedra pravděpodobnosti a matematické statistiky V předložené práce se zabýváme oceňováním evropských call opcí pomocí stromových struktur. Představujeme diskrétní model trhu a předkládáme návod na arbitrážní oceně- ní instrumentů na úplném trhu pomocí diskontovaných očekávaných budoucích peněž- ních toků. Zobecněním binomického modelu konstruujeme multinomický model. Teo- reticky odvozenou oceňovací formuli testujeme na reálných datech z amerických burz NYSE a NASDAQ. Navrhujeme metodu odhadu parametrů, která vychází z časové řady historických pozorování denních uzavíracích cen podkladových akcií. Porovnáváme vypočtené ceny opcí s jejich skutečnou tržní cenou a hledáme příčiny jejich diferencí. 1
|
|
|
Analýza sentimentu zákaznických recenzí
Hrabák, Jan ; Helman, Karel (vedoucí práce) ; Malá, Ivana (oponent)
Tato práce se zabývá analýzou sentimentu nestrukturovaného textu a její praktickou aplikací na reálná data, která byla stažena z portálu Yelp.com Cílem teoretické části této práce je podat ucelený přehled o historii, metodách a využití analýzy sentimentu. Čtenář je zde obeznámen se základními pojmy a postupy. Teoretická část se zaměřuje zejména na klasifikační metodu Naivní Bayes, která bude použita v praktické části. V praktické části je detailně popsán datový soubor, který je použit pro pozdější analýzu. Čtenář je také podrobně seznámen s procesem přípravy dat, s konstrukcí a testováním klasifikačního modelu. Na závěr jsou prezentovány výhody a nevýhody zvoleného modelu a popsány možnosti jeho uplatnění.
|
|
|
Strojové učení v klasifikaci obrazu
Král, Jiří ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Práce se zabývá hledáním a analýzou statistických modelů a algoritmických postupů, které mají potenciál zlepšit výsledky FIT VUT v Brně na soutěžích zabývajících se klasifi kací obrazu jako jsou ImageNet Large Scale Visual Recognition Challenge a TRECVID. V práci byl otestován multinomiální model, také byl použit model Phonotactic Intersession Variation Compensation (PIVCO) pro adaptaci náhodných vlivů v obrazové reprezentaci a dále pak pro redukci dimenzionality. Dále byl analyzován model KPCA, kterým se emulovala Kernel SVM klasi kace. Všechny statistické modely byly testovány na Pascal VOC 2007 datasetu.
|
host ::
RSS.