|
|
Analýza metod pro detekci odlehlých hodnot
Labaš, Dominik ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Téma tejto práce je analýza metód pre detekciu odľahlých hodnôt. Na začiatok je poskytnutý popis odľahlých hodnôt a rôznych metód pre ich detekciu. Následne popisuje zvolené dátové sady, určené k testovaniu metód detekcie odľahlých hodnôt. Je predstavený návrh aplikácie, určenej k analýze popísaných metód. Sú predložené technológie, ktoré poskytujú modely pre detekciu odľahlých hodnôt. Implementácia je následne bližšie popísaná. Následne sú predložené výsledky z experimentov, ktoré predstavujú hlavnú časť tejto práce. Výsledky práce sú zhodnotené a jednotlivé modely sú navzájom porovnané. Na záver je predložený spôsob urýchlenia detekcie odľahlých hodnôt.
|
|
|
Dolovací modul systému pro dolování z dat na platformě NetBeans
Výtvar, Jaromír ; Křivka, Zbyněk (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této diplomové práce je získat přehled o procesu získávání znalostí z databází a analýza dolovacího systému vyvíjeného na FIT VUT v Brně na platformě NetBeans za účelem vytvoření nového dolovacího modulu. Ze získaných znalostí bylo rozhodnuto o vytvoření modulu pro dolování odlehlých hodnot a doplnění existujícího modulu regrese o nový algoritmus vícenásobné lineární regrese založený na zobecněných lineárních modelech. Nové dolovací metody využívají existující řešení na straně Oracle data mining.
|
|
|
Statistická analýza rozsáhlých dat z průmyslu
Zamazal, Petr ; Popela, Pavel (oponent) ; Šomplák, Radovan (vedoucí práce)
Práce se zabývá zpracováním reálných dat svozu odpadu. Jsou v ní popsány vybrané poznatky o statistických testech, identifikaci odlehlých hodnot, korelační analýze a lineární regresi. Tyto teoretické znalosti jsou použity za pomocí programovacího jazyka Python k zpracování dat do podoby vhodné k tvorbě lineárního regresního modelu. Výsledné modely pro dobu svozu v obci popisují mezi 70 \% až 85 \% variability. Na základě informací získaných při zpracování dat jsou stanovena doporučení pro svozovou společnost.
|
|
|
Zavedení a aplikace obecného regresního modelu
Hrabec, Pavel ; Štarha, Pavel (oponent) ; Bednář, Josef (vedoucí práce)
V práci byl podrobně popsán obecný lineární regresní model, včetně testových statistik pro jednotlivé koeficienty, podmodely, predikce a především testy odlehlých hodnot a pozorování výrazně deformujících model. Byl popsán způsob jak do regresního modelu zahrnout kategoriální proměnné. Tento model byl aplikován na popis saturace fotografických snímků chleba, kde vstupní proměnné byly typ mouky, typ přídavku a koncentrace mouky. Po identifikaci nevhodných pozorování jsme vytvořili matematický model, který má vysoký koeficient determinace a odborníkům z potravinářského průmyslu bude v kombinaci s matematickým modelem barvy a struktury, které nejsou předmětem této práce, sloužit k předběžné identifikaci možného složení chleba.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Detekce neobvyklých událostí v temporálních datech
Černík, Tomáš ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Bakalářská práce se zabývá hledáním neobvyklých událostí (anomálií) v dostupných temporálních datech. V teoretické části je čtenář seznámen s existujícími technikami a algoritmy pro detekci anomálií v datech. Jsou zde také představena meteorologická data, která jsou poté použita k experimentálnímu ověření implementovaných detekčních algoritmů. Praktická část práce se zabývá návrhem, implementací a zjištěním úspěšnosti vybraných algoritmů pro hledání bodových, kontextuálních a kolektivních anomálií.
|
|
|
Application Of Implicitly Weighted Regression Quantiles: Analysis Of The 2018 Czech Presidential Election
Kalina, Jan ; Vidnerová, Petra
Regression quantiles can be characterized as popular tools for a complex modeling of a continuous response variable conditioning on one or more given independent variables. Because they are however vulnerable to leverage points in the regression model, an alternative approach denoted as implicitly weighted regression quantiles have been proposed. The aim of current work is to apply them to the results of the second round of the 2018 presidential election in the Czech Republic. The election results are modeled as a response of 4 demographic or economic predictors over the 77 Czech counties. The analysis represents the first application of the implicitly weighted regression quantiles to data with more than one regressor. The results reveal the implicitly weighted regression quantiles to be indeed more robust with respect to leverage points compared to standard regression quantiles. If however the model does not contain leverage points, both versions of the regression quantiles yield very similar results. Thus, the election dataset serves here as an illustration of the usefulness of the implicitly weighted regression quantiles.
|
|
|
The 2020 Election In The United States: Beta Regression Versus Regression Quantiles
Kalina, Jan
The results of the presidential election in the United States in 2020 desire a detailed statistical analysis by advanced statistical tools, as they were much different from the majority of available prognoses as well as from the presented opinion polls. We perform regression modeling for explaining the election results by means of three demographic predictors for individual 50 states: weekly attendance at religious services, percentage of Afroamerican population, and population density. We compare the performance of beta regression with linear regression, while beta regression performs only slightly better in terms of predicting the response. Because the United States population is very heterogeneous and the regression models are heteroscedastic, we focus on regression quantiles in the linear regression model. Particularly, we develop an original quintile regression map, such graphical visualization allows to perform an interesting interpretation of the effect of the demographic predictors on the election outcome on the level of individual states.
|
|
|
Image Deblurring in Demanding Conditions
Kotera, Jan ; Šroubek, Filip (vedoucí práce) ; Portilla, Javier (oponent) ; Jiřík, Radovan (oponent)
Název: Nestandardní úlohy v odstranění rozmazání obrazu Autor: Jan Kotera Pracoviště: Ústav teorie informace a automatizace Akademie věd České republiky Vedoucí: Doc. Ing. Filip Šroubek, Ph.D., DSc., Ústav teorie informace a automati- zace Akademie věd České republiky Abstract: Odstranění rozmazání obrazu je jednou ze standardních úloh zpracování obrazu. Není-li znám přesný způsob rozmazání a je třeba ho odhadnout z rozmazaného obrázku, nazývá se takové odstranění rozmazání slepé a jedná se o těžší úlohu. Tato práce se zabývá dvěma problémy, které se objevují ve slepém odstranění rozmazání. V první části práce uvažujeme obvyklý konvoluční model rozmazání obrazu a navrhu- jeme způsob, jak zvýšit odolnost metody proti jevům, které tento model porušují, jako jsou například přepaly obrazu. Takové jevy způsobují velikou nepřesnost odhadu roz- mazání a následně špatnou kvalitu výsledného obrazu. Navržený přístup je založen na použití velmi flexibilní ARD distribuce pro chybu konvolučního modelu a metody variačního Bayese pro odhad rozmazání, díky čemuž je natolik obecný, že dokáže au- tomaticky identifikovat oblasti obrazu, které konvoluční model porušují, aniž by bylo nutné předvídat konkrétní příčiny takového porušení. Většina slepých metod pro odstranění rozmazání vyžaduje...
|
host ::
RSS.