|
|
Využití strojového učení pro predikci vývoje trhu
Klhůfek, Michal ; Trchalík, Roman (oponent) ; Holkovič, Martin (vedoucí práce)
Práce pojednává o systému pro predikci vývoje trhu na základě dat, která byla získána na zkoumaném trhu v minulosti. Cíl byl kladen na využití metod technické analýzy k vytvoření co nejpřesnějšího odhadu chování trhu v budoucnosti. Data získaná z aktuálního stavu trhu jsou pomocí algoritmů na klasifikaci dat z oblasti strojového učení vzájemně porovnávána s historickými hodnotami trhu. Na základě jednotlivých algoritmů byl implementován software, který se snaží nalézt co nejpodobnější shodu dvou skupin dat. Testování probíhalo na sadě dat, která reprezentovala minulý vývoj trhu a bylo pozorováno, na kolik je celkový systém výkonný.
|
|
|
Segmentace tomografických dat v prostředí 3D Slicer
Korčuška, Robert ; Dvořák, Pavel (oponent) ; Mikulka, Jan (vedoucí práce)
Táto práca obsahuje základný teoretický rozbor segmentácie obrazu pomocou techniky SVM, teóriu klasifikácie dát a popis programu 3D Slicer. Práca popisuje spracovanie medicínskych obrazov a demonštruje problematiku segmentácie týchto obrazov. Obsahuje návrh a implementáciu metódy SVM v programe 3D Slicer ako rozširovací modul programu. SVM metóda je porovnaná s jednoduchými segmentačnými metódami programu 3D Slicer. Experimentálne je overená kvalita segmentácie metódou SVM na reálnych subjektoch.
|
|
|
Vyhodnocování elektrochemických signálů neuronovou sítí
Šílený, Jan ; Kuchta, Radek (oponent) ; Hubálek, Jaromír (vedoucí práce)
Automatizovaná elektrochemická měření jsou zdrojem velkého množství dat určených k následnému vyhodnocování. Tato práce se zabývá problémem zpracování, klasifikace a vyhodnocování elektrochemických signálů pomocí neuronových sítí. Kvůli vysoké dimenzionalitě analyzovaných dat je v této práci využita autoasociativní neuronová síť (AANN). Tento typ sítě provádí redukci dimenzionality filtrováním analyzovaných dat a extrahuje relativně nízký počet význačných parametrů na výstupu svého krčku. Pomocí extrahovaných parametrů je možné provést klasifikaci, vyhodnocení a násleně modelovat analyzovaný experiment díky rekonstrukční části naučené sítě. Dále se tato práce zabývá implementací dopředných neuronových sítí v jazyku OpenCL.
|
|
|
Inteligentní klient pro hudební přehrávací server MPD
Wagner, Tomáš ; Kočí, Radek (oponent) ; Janoušek, Vladimír (vedoucí práce)
Cílem diplomové práce je návrh a implementace inteligentní klientské aplikace pro hudební přehrávací server Music Player Daemon (MPD), která vyhledává a prezentuje související metadata k přehrávanému obsahu. Samotnému návrhu předchází teoretický rozbor, který zahrnuje analýzu agentních systémů, metod klasifikace dat, webových komunikačních protokolů a jazyků pro popis dokumentu. Současně je proveden rozbor MPD serveru a komunikačního protokolu využívaného klientskou aplikací. Dále jsou v práci popsány současné klientské aplikace, které prezentují uživateli metadata. V posledních kapitolách práce je popsán návrh a implementace klientské a serverové aplikace. Je rozebrán způsob řešení implementace a řešení vzniklých problémů. V práci jsou také popsány výsledky testování.
|
|
|
Analýza odezvy laboratorního modelu kolejiště
Heteš, Marek ; Věchet, Stanislav (oponent) ; Kšica, Filip (vedoucí práce)
Z hľadiska bezpečnosti je potrebné udržiavať železničné dráhy v dobrej kondícii. Včasná a presná detekcia porúch dokáže pri údržbe ušetriť čas aj peniaze. Táto práca sa zaoberá simuláciou prejazdu vlaku na laboratórnom prípravku a meraním vzniknutej odozvy. Prípravok reprezentuje zmenšenú časť železničnej dráhy, a umožňuje simulovať vznik rôznych porúch. Na základe získaných dát bol hľadaný vhodný spôsob, ktorý umožní vznik porúch detekovať.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Analýza odezvy laboratorního modelu kolejiště
Heteš, Marek ; Věchet, Stanislav (oponent) ; Kšica, Filip (vedoucí práce)
Z hľadiska bezpečnosti je potrebné udržiavať železničné dráhy v dobrej kondícii. Včasná a presná detekcia porúch dokáže pri údržbe ušetriť čas aj peniaze. Táto práca sa zaoberá simuláciou prejazdu vlaku na laboratórnom prípravku a meraním vzniknutej odozvy. Prípravok reprezentuje zmenšenú časť železničnej dráhy, a umožňuje simulovať vznik rôznych porúch. Na základe získaných dát bol hľadaný vhodný spôsob, ktorý umožní vznik porúch detekovať.
|
|
|
The Depth of Functional Data.
Nagy, Stanislav ; Hlubinka, Daniel (vedoucí práce) ; Omelka, Marek (oponent)
Hĺbková funkcia (resp. funkcionál) je moderný neparametrický nástroj štatistickej analýzy (konečnorozmerných) dát s množstvom praktických aplikácií. V práci sa zameriame na možnosti rozšírenia konceptu hĺbky na prípad funkcionálnych dát. V prípade konečnorozmerných funkcionálnych dát využijeme izomorfizmus priestoru funkcií a konečnorozmerného euklidovského priestoru, čo nám umožní zaviesť indukované hĺbky funkcionálnych dát. Dokážeme tvrdenie o vlastnostiach indukovaných hĺbok a na príkladoch si ukážeme možnosti a obmedzenia ich praktického použitia. Ďalej popíšeme a na jednoduchých príkladoch ukážeme výhody aj nevýhody zavedených hĺbkových funkcionálov používaných v literatúre (Fraimanových-Munizovej hĺbok a pásových hĺbok). Na odstránenie najväčšej vyvstávajúcej nevýhody známych hĺbok pre funkcionálne dáta zavedieme novú, K-pásovú hĺbku založenú na rozšírení inferencie zo spojitých na hladké funkcie. Odvodíme niekoľko dôležitých vlastností a na záverečnej simulačnej štúdií ukážeme na príklade riadenej klasifikácie funkcionálnych dát praktickú výhodnosť nového prístupu oproti predchádzajúcim. Na záver porovnáme výpočetnú náročnosť všetkých predstavených hĺbkových funkcionálov.
|
|
|
Matlab Implementation Of Multilayer Perceptron For Bearing Faults Classification
Doseděl, Martin
This paper deals with implementation of multilayer perceptron neural network (NN) forbearing faults classification. Neural network has been created from scratch as an M-script with backpropagation learning algorithm also, but without using advanced MATLAB packages. Public availablebearing dataset from CaseWestern Reserve University has been used for both training and testingphase, as well as for the final classification process. Problem with sparse input data for training thenetwork has also been addressed. This relatively simple and small neural network is capable to classifythe failures of a bearing with very low error rate.
|
|
|
Využití strojového učení pro predikci vývoje trhu
Klhůfek, Michal ; Trchalík, Roman (oponent) ; Holkovič, Martin (vedoucí práce)
Práce pojednává o systému pro predikci vývoje trhu na základě dat, která byla získána na zkoumaném trhu v minulosti. Cíl byl kladen na využití metod technické analýzy k vytvoření co nejpřesnějšího odhadu chování trhu v budoucnosti. Data získaná z aktuálního stavu trhu jsou pomocí algoritmů na klasifikaci dat z oblasti strojového učení vzájemně porovnávána s historickými hodnotami trhu. Na základě jednotlivých algoritmů byl implementován software, který se snaží nalézt co nejpodobnější shodu dvou skupin dat. Testování probíhalo na sadě dat, která reprezentovala minulý vývoj trhu a bylo pozorováno, na kolik je celkový systém výkonný.
|
host ::
RSS.