|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil základný model Kohonenových máp a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil relatívne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viaceré učiace algoritmy RAN, RANKEF, MRAN, EMRAN a GAP. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
Clustering of dynamic data
Marko, Michal ; Mráz, František (vedoucí práce) ; Skopal, Tomáš (oponent)
Název práce: Zhluková analýza dynamických dát Autor: Bc. Michal Marko Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. e-mail vedoucího: Frantisek.Mraz@mff.cuni.cz Abstrakt: Cieľom práce je zvoliť, prípadne navrhnúť vlastné modifikácie metód zhlukovej analýzy tak, aby bolo možné sledovať vývoj dynamických dát a ich zhlukov v čase. Vybrané metódy sú následne aplikované na reálne dáta. Dynamické dáta sú informácie tvorené sériou, v čase po sebe idúcich dátových množín, popisujúcich rovnaké vlastnosti danej množiny objektov. Problém aplikácie klasických zhlukovacích algoritmov na takéto dáta je v absencii zachovania súvislostí medzi zhlukovaniami jednotlivých dátových množín zo série, čo je možné ilustrovať ich nevhodným priebehom na umelých dátach. Rozoberáme princíp navrhnutých modifikácií a porovnávame ich výstupy na spomenutých dátach. Aby sme nami navrhnuté metódy mohli aplikovať na reálne dáta, je nutné otestovať vhodnosť ich použitia na viacrozmerných dátach, a z toho dôvodu si postupne vytvoríme až desaťrozmerné dáta. K porovnaniu efektívnosti týchto modifikácii na dátach o viacerých dimenziách slúži vlastný spôsob klasifikácie. Nami overené metódy následne aplikujeme na reálne dáta, ilustrujeme a zhodnotíme výsledky. Klíčová slova: zhluková analýza,...
|
|
|
Text mining in social network analysis
Hušek, Michal ; Mrázová, Iveta (vedoucí práce) ; Pešková, Klára (oponent)
Názov: Text mining in social network analysis Autor: Bc. Michal Hušek Katedra: Katedra teoretické informatiky a matematické logiky Vedúca práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Sociálne siete sú v súčastnosti veľmi hodnotným zdrojom informácií. Táto práca sa zameriava na dolovanie dát pochádzajúcich zo sociálnych sietí. Pojednáva a analyzuje rôzne techniky dolovania dát, konkrétne klastrovanie, neurónové siete, hodnotiace algoritmy a histogramovú štatistiku. Väčšina zmienených algoritmov bola implementovaná a testovaná s dátami z reálnej sociálnej siete. V prípade, že to bolo zmyslupné, výsledky boli vzájomne porovnané. Pre výpočtovo náročné úlohy, konkrétne klastrovanie, boli použité grafické procesory na ich zrýchlenie. Testy takto upravených programov potvrdili nižšie časové nároky. Všetky vykonané analýzy sú však nezávislé na konkrétnej použitej sociálnej sieti. Kľúčové slová: dolovanie dát, sociálne siete, klastrovanie, neurónové siete, hodnotiace algoritmy, CUDA
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil základný model Kohonenových máp a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil relatívne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viaceré učiace algoritmy RAN, RANKEF, MRAN, EMRAN a GAP. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie vstupných dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil Kohonenové mapy a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil pomerne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viacero učiacich algoritmov. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
Clustering of dynamic data
Marko, Michal ; Mráz, František (vedoucí práce) ; Skopal, Tomáš (oponent)
Název práce: Zhluková analýza dynamických dát Autor: Bc. Michal Marko Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. e-mail vedoucího: Frantisek.Mraz@mff.cuni.cz Abstrakt: Cieľom práce je zvoliť, prípadne navrhnúť vlastné modifikácie metód zhlukovej analýzy tak, aby bolo možné sledovať vývoj dynamických dát a ich zhlukov v čase. Vybrané metódy sú následne aplikované na reálne dáta. Dynamické dáta sú informácie tvorené sériou, v čase po sebe idúcich dátových množín, popisujúcich rovnaké vlastnosti danej množiny objektov. Problém aplikácie klasických zhlukovacích algoritmov na takéto dáta je v absencii zachovania súvislostí medzi zhlukovaniami jednotlivých dátových množín zo série, čo je možné ilustrovať ich nevhodným priebehom na umelých dátach. Rozoberáme princíp navrhnutých modifikácií a porovnávame ich výstupy na spomenutých dátach. Aby sme nami navrhnuté metódy mohli aplikovať na reálne dáta, je nutné otestovať vhodnosť ich použitia na viacrozmerných dátach, a z toho dôvodu si postupne vytvoríme až desaťrozmerné dáta. K porovnaniu efektívnosti týchto modifikácii na dátach o viacerých dimenziách slúži vlastný spôsob klasifikácie. Nami overené metódy následne aplikujeme na reálne dáta, ilustrujeme a zhodnotíme výsledky. Klíčová slova: zhluková analýza,...
|
host ::
RSS.