|
|
Koncept drift v metabolomické analýze
Koštoval, Aleš ; Provazník, Ivo (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá problematikou strojového učení, konkrétně analýzou drift konceptu. Jedná se o nechtěný jev, který lze detekovat v predikčních modelech. Pomocí detekce s následnou korekcí drift konceptu se predikční modely stávají spolehlivějšími a jsou schopny adekvátně reagovat na vstupní data reprezentující dynamickou informaci. Za vhodného reprezentanta těchto dat lze považovat metabolomická data. Metabolomická data a jejich analýza může pomoc k včasné detekci nemocí jako je diabetes mellitus, či rakovina. V první části práce jsou popsány teoretické poznatky z oblasti analýzy drift konceptu a metabolomické analýzy. Druhá část pojednává o postupu modelování predikčních klasifikátorů a implementaci algoritmů pro detekci drift konceptu. Praktická část práce byla realizována v programovacím jazyce Python. Na závěr jsou v rámci druhé časti popsány dosažené výsledky a jejich diskuze.
|
|
|
Korekce koncept driftu v predikčních modelech
Michálková, Eva ; Provazník, Valentine (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá problematikou analýzy koncepčního driftu. Koncepční drift je nežádoucí jev objevující se vlivem dynamického charakteru světa. Tento jev může negativně ovlivňovat přesnost a spolehlivost predikčních modelů. Lze ho korigovat pomocí detekce a následné korekce. Jednou z oblastí, kde se tato problematika v poslední době nově objevuje, je lékařská diagnostika z metabolomických dat. Analýza metabolomických dat může vést ke včasnému odhalení některých závažných onemocnění, což může hrát velkou roli při následné léčbě. Při diagnostice onemocnění představují predikční modely její vylepšení, urychlení a personalizaci. První část práce představuje problematiku koncepčního driftu, metody jeho detekce a korekce, význam metabolomiky a predikčních modelů. Druhá část práce pojednává o implementaci dostupných algoritmů pro detekci a korekci koncepčního driftu a implementaci vlastní automatické korekce koncepčního driftu. Na závěr jsou popsány dosažené výsledky a jejich diskuze.
|
|
|
Koncept drift v metabolomické analýze
Koštoval, Aleš ; Provazník, Ivo (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá problematikou strojového učení, konkrétně analýzou drift konceptu. Jedná se o nechtěný jev, který lze detekovat v predikčních modelech. Pomocí detekce s následnou korekcí drift konceptu se predikční modely stávají spolehlivějšími a jsou schopny adekvátně reagovat na vstupní data reprezentující dynamickou informaci. Za vhodného reprezentanta těchto dat lze považovat metabolomická data. Metabolomická data a jejich analýza může pomoc k včasné detekci nemocí jako je diabetes mellitus, či rakovina. V první části práce jsou popsány teoretické poznatky z oblasti analýzy drift konceptu a metabolomické analýzy. Druhá část pojednává o postupu modelování predikčních klasifikátorů a implementaci algoritmů pro detekci drift konceptu. Praktická část práce byla realizována v programovacím jazyce Python. Na závěr jsou v rámci druhé časti popsány dosažené výsledky a jejich diskuze.
|
|
|
Srovnání možností software Dyna-Clue a LandChangemodeler pro predikční modelování suburbánního rozvoje modelového území v zázemí Prahy
Indrová, Magdalena ; Kupková, Lucie (vedoucí práce) ; Grill, Stanislav (oponent)
Srovnání možností software Dyna-CLUE a Land Change Modeler pro predikční modelování suburbánního rozvoje modelového území v zázemí Prahy Abstrakt Cílem práce bylo pomocí softwaru Dyna-CLUE a Land Change Modeler (LCM) predikovat vývoj využití suburbánního území v zázemí hlavního města Prahy a na základě dosažených výsledků porovnat možnosti těchto softwarů. V práci byla využita časová řada dat krajinného pokryvu získaná na katedře aplikované geoinformatiky a kartografie, územní plány jednotlivých obcí a informace o třídách BPEJ poskytnuté Výzkumným ústavem meliorací a ochrany půdy. Na základě těchto dat byla v obou softwarech zpracována predikční mapa krajinného pokryvu pro rok 2020. Oba výsledky byly následně porovnány. Bylo zjištěno, že modely respektují zákaz rozvoje zástavby v předem stanovených oblastech. V souladu s územními plány se také v obou softwarech podařilo správně rozmístit novou rezidenční zástavbu. U komerční zástavby nebyl tento požadavek zcela naplněn. Z výsledků práce je patrné, že oba modely jsou schopné vytvořit korektní mapu zobrazující stav krajinného pokryvu v budoucím okamžiku na základě zadaných požadavků, ovšem velká nestabilita LCM a nutnost použití jiných softwarů při práci s Dyna-CLUE práci do určité míry komplikují. Klíčová slova: Dyna-CLUE, Land Change Modeler, predikční...
|
host ::
RSS.