|
|
Moderní restaurace audiosignálu s chybějícími úseky
Skyva, Pavel ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá moderní metodou restaurace audiosignálů s chybějícími úseky. Rekonstrukce je založena především na řídkých reprezentací signálů. V práci je popsán způsob hledání řídkého řešení pomocí proximálního Douglas-Rachfordova algoritmu a jeho následné užití pro výpočet zrekonstruovaného signálu. Výpočetní program je implementován v prostředí MATLAB a k výpočtům využívá toolbox LTFAT. Výsledky rekonstrukce jsou hodnoceny objektivní metodou odstupu signálu od šumu (SNR).
|
|
|
Moderní metody restaurace audiosignálů
Kalník, Jan ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato bakalářská práce pojednává o moderních metodách restaurace audiosignálu. Hlavními použitymi metodami budou řídké reprezentace signálu, které budou implementovány v programu MATLAB pomocí toolboxů LTFAT a UNLocBoX. Dále se budeme snažit dosáhnout co nejkvalitnější rekonstrukce a poté tyto vysledky porovnat jak subjektivně tak objektivně.
|
|
|
Předpovídání vývoje více časových řad při burzovním obchodování
Palček, Peter ; Zbořil, František (oponent) ; Rozman, Jaroslav (vedoucí práce)
V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad.
|
|
|
The impact of unemployment on economic development in the Visegrad group (V4) countries
Phan, Sreypech
Tato studie se snažila zkoumat vliv nezaměstnanosti na hospodářský rozvoj ve Visegrádských (V4) zemích, které zahrnují Českou republiku, Maďarsko, Polsko a Slovensko, pomocí časových řad získaných z Indikátorů světového rozvoje v období 29 let od roku 1993 do roku 2021. Tato studie použila techniku Autoregressive Distributed Lag (ARDL) pro empirické zkoumání. HDP růstová míra je závislá proměnná použitá jako proxy pro hospodářský rozvoj. V této studii jsou vysvětlujícími proměnnými nezaměstnanost, inflace a pracovní síla. Empirické zjištění naznačují, že dlouhodobý vztah mezi hospodářským růstem a různými nezávislými proměnnými se významně liší v čtyřech zemích. V České republice inflace a nezaměstnanost negativně ovlivňují hospodářský růst v dlouhodobém horizontu. V Maďarsku má nezaměstnanost silný negativní dopad na hospodářský růst, zatímco vliv inflace a pracovní síly na HDP je nejistý. V Polsku má pracovní síla pozitivní vliv na HDP, zatímco nezaměstnanost má negativní vliv. Ve Slovensku má pouze pracovní síla negativní vliv na HDP v dlouhodobém horizontu. V krátkodobém horizontu studie zjistila, že nezaměstnanost měla významný negativní dopad na HDP ve všech čtyřech zemích, zatímco pracovní síla a inflace měly významné pozitivní a negativní účinky pouze v České republice a Polsku. Navíc zpožděné hodnoty nezaměstnanosti měly významné účinky na současné HDP v České republice, Polsku a Slovensku. Výsledky naznačují, že nezaměstnanost je důležitým faktorem hospodářského růstu v krátkodobém horizontu ve všech čtyřech zemích, zatímco vliv pracovní síly a inflace na HDP je méně jasný, protože mají významné účinky pouze v některých zemích. Studie poskytuje náhledy do faktorů hospodářského růstu ve čtyřech středoevrops.
|
|
|
Bayesian modeling of market price using autoregression model
Šindelář, Jan
1 Bayesovské modelování tržní ceny za pomoci autoregresního modelu 1Šindelář Jan Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí doktorské práce: Ing. Miroslav Kárný, DrSc. Abstrakt: V doktorské práci je vyřešena úloha bayesovské filtrace v autoregresním modelu s laplaceovsky rozloženým šumem. Odhadování v regresním modelu s inovacemi s těžkými chvosty bylo již dříve z pohledu bayesovské statistiky studováno [2], [1]. V porovnání s dříve provedenými studiemi vede však řešení navržené v této práci na analytický vzorec specifikující přesnou funkční formu aposteriorní hustoty parametrů. Takové řešení bylo dříve známo pouze pro velmi omezenou třídu rozdělení šumu. V textu je dále navržen algoritmus vedoucí k efektivnímu řešení zadané úlohy. Tento algoritmus je pomalejší než algoritmus pro klasický model, avšak díky zvyšující se výpočetní kapacitě počítačů a zvyšující se podpoře paralelního počítaní, může být proveden v rozumném čase pro modely s nepříliš vysokým počtem parametrů. Klíčová slova: Bayesovský, Autoregresní, Optimální obchodování, Časové řady References [1] P. Congdon. Bayesian statistical modelling. Wiley, 2006. [2] A. Zellner. Bayesian and Non-Bayesian...
|
|
| |
|
|
Durbinův-Watsonův test
Lipták, Patrik ; Zvára, Karel (vedoucí práce) ; Anděl, Jiří (oponent)
Tato bakalářská práce se zabývá Durbin-Watsonvým testem, který se používá na testování nezávislosti reziduí v rámci normálního regresního modelu. Test nachází uplatnění v případě, že data získáváme postupně a hodnoty závislé pro- měnné tvoří časovou řadu. Práce v první části poskytuje podrobné odvození rozdělení testové statistiky (resp. jejích mezí) a závěry, jak se rozhodnout při tes- tování hypotézy o nulovosti korelačního koeficientu. V druhé části je tento te- oretický základ demonstrován na třech praktických příkladech s reálnými daty. Výpočty jsou doplněné ilustrativními grafy a jsou taktéž provedeny ve výpočetním prostředí R pro srovnání. 1
|
|
|
Bayesian modeling of market price using autoregression model
Šindelář, Jan
1 Bayesovské modelování tržní ceny za pomoci autoregresního modelu 1Šindelář Jan Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí doktorské práce: Ing. Miroslav Kárný, DrSc. Abstrakt: V doktorské práci je vyřešena úloha bayesovské filtrace v autoregresním modelu s laplaceovsky rozloženým šumem. Odhadování v regresním modelu s inovacemi s těžkými chvosty bylo již dříve z pohledu bayesovské statistiky studováno [2], [1]. V porovnání s dříve provedenými studiemi vede však řešení navržené v této práci na analytický vzorec specifikující přesnou funkční formu aposteriorní hustoty parametrů. Takové řešení bylo dříve známo pouze pro velmi omezenou třídu rozdělení šumu. V textu je dále navržen algoritmus vedoucí k efektivnímu řešení zadané úlohy. Tento algoritmus je pomalejší než algoritmus pro klasický model, avšak díky zvyšující se výpočetní kapacitě počítačů a zvyšující se podpoře paralelního počítaní, může být proveden v rozumném čase pro modely s nepříliš vysokým počtem parametrů. Klíčová slova: Bayesovský, Autoregresní, Optimální obchodování, Časové řady References [1] P. Congdon. Bayesian statistical modelling. Wiley, 2006. [2] A. Zellner. Bayesian and Non-Bayesian...
|
|
|
Moderní restaurace audiosignálu s chybějícími úseky
Skyva, Pavel ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá moderní metodou restaurace audiosignálů s chybějícími úseky. Rekonstrukce je založena především na řídkých reprezentací signálů. V práci je popsán způsob hledání řídkého řešení pomocí proximálního Douglas-Rachfordova algoritmu a jeho následné užití pro výpočet zrekonstruovaného signálu. Výpočetní program je implementován v prostředí MATLAB a k výpočtům využívá toolbox LTFAT. Výsledky rekonstrukce jsou hodnoceny objektivní metodou odstupu signálu od šumu (SNR).
|
|
|
Moderní metody restaurace audiosignálů
Kalník, Jan ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato bakalářská práce pojednává o moderních metodách restaurace audiosignálu. Hlavními použitymi metodami budou řídké reprezentace signálu, které budou implementovány v programu MATLAB pomocí toolboxů LTFAT a UNLocBoX. Dále se budeme snažit dosáhnout co nejkvalitnější rekonstrukce a poté tyto vysledky porovnat jak subjektivně tak objektivně.
|
host ::
RSS.