|
|
Adaptive Matchmaking Algorithms for Computational Multi-Agent Systems
Kazík, Ondřej ; Neruda, Roman (vedoucí práce) ; Paprzycki, Marcin (oponent) ; Diamantini, Claudia (oponent)
Multi-agentní systémy (MAS) se ukázaly být vhodným rámcem pro imple- mentaci rozsáhlých softwarových systém·. Za pomoci organizačního modelu založeného na pojmu role provádíme v této práci analýzu a návrh MAS za- měřeného na úlohu dobývání znalostí. Tento organizační model byl společně s modelem metod dobývání znalostí formalizován za pomoci deskripční logiky. Matchmakingem, který je hlavním tématem výzkumu, rozumíme doporučování výpočetních agent·, tedy agent· zapouzdřujících některou výpočetní metodu, podle jejich schopností a předchozích výsledk·. Matchmaking se zde tedy skládá ze dvou složek: dotazování nad ontologickým modelem a meta-učení. Byly rozpracovány tři scénáře meta-učení: optimalizace v prostoru parametr·, vícekriteriální optimalizace proces· dobývání znalostí a doporučování metod. Provedli jsme v těchto scénářích sérii experiment·. 1
|
|
|
Social networks and data mining
Zvirinský, Peter ; Mrázová, Iveta (vedoucí práce) ; Neruda, Roman (oponent)
Aktuální techniky z oblasti dobývání znalostí představují moderní přístup vhodný pro analýzu velkého množství dat i extrakci potenciálně užitečných informací z těchto dat. Práce je věnována detailnímu studiu jednotlivých kroků procesu dobývání znalostí, včetně přípravy dat, jejich ukládání, čištění, analýzy i vizualizace získaných výsledků. Velký důraz je v práci kladen na efektivní analýzu dat veřejně dostupných z Insolvenčního rejstříku České republiky, který obsahuje údaje o insolvenčních řízeních zahájených v České republice po 1. lednu 2008. S ohledem na specifika uvažovaného typu dat se zaměříme zejména na popis, implementaci, testování a vyhodnocení vybraných metod dobývání znalostí. Mezi jinými budou studované techniky zahrnovat i analýzu nákupního košíku, Bayesovské sítě a metody pro analýzu sociálních sítí. Výsledky provedených analýz dokumentují některé ze sociálních vztahů patrných ve struktuře současné české společnosti.
|
|
|
Adaptive Matchmaking Algorithms for Computational Multi-Agent Systems
Kazík, Ondřej ; Neruda, Roman (vedoucí práce) ; Paprzycki, Marcin (oponent) ; Diamantini, Claudia (oponent)
Multi-agentní systémy (MAS) se ukázaly být vhodným rámcem pro imple- mentaci rozsáhlých softwarových systém·. Za pomoci organizačního modelu založeného na pojmu role provádíme v této práci analýzu a návrh MAS za- měřeného na úlohu dobývání znalostí. Tento organizační model byl společně s modelem metod dobývání znalostí formalizován za pomoci deskripční logiky. Matchmakingem, který je hlavním tématem výzkumu, rozumíme doporučování výpočetních agent·, tedy agent· zapouzdřujících některou výpočetní metodu, podle jejich schopností a předchozích výsledk·. Matchmaking se zde tedy skládá ze dvou složek: dotazování nad ontologickým modelem a meta-učení. Byly rozpracovány tři scénáře meta-učení: optimalizace v prostoru parametr·, vícekriteriální optimalizace proces· dobývání znalostí a doporučování metod. Provedli jsme v těchto scénářích sérii experiment·. 1
|
|
| |
|
|
Empirické porovnání systémů dobývání znalostí z databází
Benešová, Kristýna ; Berka, Petr (vedoucí práce) ; Šimůnek, Milan (oponent)
S rostoucím množstvím shromažďovaných a ukládaných dat roste také potřeba a zájem majitelů těchto dat o využití jejich potenciálu k dalšímu rozhodování. Proto se vyvíjí nové přístupy a způsoby vycházející z informatiky, statistiky a oblasti strojového učení, které se této potřebě snaží vyhovět. Cílem této diplomové práce je uvést proces dobývání znalostí dat z databází na medicínských datech Tinnitus a představit systémy LISp-Miner a Weka, které daný proces podporují. Obsahem teoretické části diplomové práce je shrnutí základních charakteristik a přístupů procesu dobývání znalostí. Praktická část diplomové práce je věnována realizaci celého procesu v jednotlivých krocích. V samotném kroku modelování jsou využity již zmíněné systémy akademické LISp-Miner a Weka. Poslední část praktické části práce patří prezentaci dosažených výsledků a vlastnímu zhodnocení systémů.
|
|
|
Empirické porovnání volně dostupných systémů dobývání znalostí z databází
Kasík, Josef ; Berka, Petr (vedoucí práce) ; Rauch, Jan (oponent)
Tématem a cílem práce je srovnání volně dostupných systémů k dobývání znalostí z databází. Předmětem srovnání je šest konkrétních aplikací vyvíjených v rámci univerzitních projektů jako experimentální nástroje v oblasti data miningu i jako prostředky pro výukové účely. Kritéria srovnání jsou odvozena ze čtyř obecných pohledů, dle kterých je na jednotlivé systémy nahlíženo. Každý z nich je hodnocen jako nástroj k řešení reálných úloh dobývání, nástroj podporující fáze metodiky CRISP-DM, nástroj schopný praktického nasazení na konkrétních datech a také jako běžný softwarový systém. Z těchto pohledů vyplývá 31 dílčích kritérií srovnání, jejichž ohodnocení bylo stanoveno důkladným rozborem všech systémů. Výsledky komparace potvrdily předpokládanou skutečnost. Nejlépe dopadl program Weka, který vyniká především množstvím dostupných metod strojového učení, bohatými nástroji k předzpracování dat a rychlostí zpracování.
|
|
|
Dobývání znalostí z makroekonomických dat
Lang, Lukáš ; Berka, Petr (vedoucí práce) ; Marek, Luboš (oponent)
Tématem mé práce je Dobývání znalostí z makroekonomických dat. Cílem práce je použít metody dobývání znalostí pro analýzu vztahu základních makroekonomických velicin daných ekonomik západní Evropy a USA v období let 1961--1989 a srovnat použití dobývání znalostí s použitím statistických metod. Statistickou analýzu jsem provádel v programech EViews a MS-Office Excel, dobývání znalostí pak v programu LISp-Miner. Struktura práce je následující -- v teoretické cásti nejprve definuji zkoumané ekonomické veliciny, popisuji jejich vztahy a zabývám se ekonomickou historií daného casového období. Následuje popis vybraných statistických metod a duvody, proc jsem je pri analýze použil. Teoretická cást je zakoncena seznámením se s problematikou dobývání znalostí a výberem vhodných prostredku. V praktické cásti popisuji, jaké konkrétní úlohy jsem rešil, následuje popis procesu sberu a prípravy dat, použití konkrétních statistických metod i metod dobývání znalostí a výsledky, k nimž jsem dospel. Poucení z analýzy i srovnání statistických metod a prostredku dobývání znalostí je obsaženo v záveru. Dekuji vedoucímu své práce Prof. Ing. Petru Berkovi, CSc. za konzultace dobývání znalostí a duležité pripomínky ke strukture práce. Dekuji svým kolegum ze zamestnání Ing. Vojtechu Menzlovi, MSc a Mgr. Jane Závacké za kritiku použitých statistických metod. Dekuji zbylým clenum své rodiny za trpelivost.
|
host ::
RSS.