|
|
Data mining
Mrázek, Michal ; Sehnalová, Pavla (oponent) ; Bednář, Josef (vedoucí práce)
Tato diplomová práce se zabývá analýzou vícerozměrných dat. Jsou zavedeny tři algoritmy pro snižování dimenze dat. Pomocí metod zpracování přirozeného jazyka je ukázáno, jak manipulovat s textovými dokumenty. V praktické části je cílem zpracovat reálná data z internetového fóra. Nejprve soubor diskuzních příspěvků převedeme na numerickou reprezentaci, provedeme transformaci do dvourozměrného prostoru a vizualizujeme. Dále najdeme tématické okruhy příspěvků. V závěru porovnáme několik vybraných algoritmů na redukci dimenze.
|
|
|
Bodový proces řízený Gaussovským polem
Scheib, Karel ; Beneš, Viktor (vedoucí práce) ; Šedivý, Ondřej (oponent)
Práce vyšetřuje hledání podprostoru redukce dimenze pro Poissonův bodový proces řízený Gaussovským náhodným polem. V práci je popsána metoda plátkové inverzní regrese, která je aplikována na prostředí bodového procesu ří- zeného náhodným polem. Dále je dokázána její funkčnost ve zmíněném kontextu. V prostředí programu R je metoda více způsoby implementována a testována na náhodných datech. Jednotlivé způsoby jsou popsány a výsledky vzájemně srov- nány.
|
|
|
Big data visualization
Lehončák, Michal ; Pelikán, Josef (vedoucí práce) ; Horáček, Jan (oponent)
V dnešnej dobe sú dáta neoddeliteľnou súčasťou nášho života. Ich objem každým dňom narastá a často nám ich množstvo bráni v pochopení toho, čo pre nás vlastne tieto dáta znamenajú. Cieľom tejto práce je preto vyvinúť aplikáciu slúžiacu k analýze a vizualizácii veľkých dát. Súčasťou práce je aj prieskum štatistických metód využívaných k redukcii objemu aj dimenzie dát a implementácia vybraných algoritmov v tomto obore. Ďalším cieľom je preskúmať možnosti moderných grafických kariet, keďže ich výkonnosť sa každým rokom násobne zvyšuje. Vizualizácia by mala prebiehať za pomoci grafického procesora s dátami zobrazenými vo forme bodov v 3D priestore a uživateľ by mal mať možnosť si tieto dáta interaktívne prehliadať.
|
|
|
Mathematical modelling of thin films of martensitic materials
Pathó, Gabriel ; Kružík, Martin (vedoucí práce) ; Kalamajska, Agnieszka (oponent) ; Šilhavý, Miroslav (oponent)
Cílem této práce je matematické a počítačové modelování tenkých filmů martenzitických materiálů. Dvoustupňovém postupem odvodíme mezoskopický termodynamický model pro tenké filmy, jenž umí zachytit evoluční proces efektu tvarové paměti. Nejprve provedeme redukci dimenze v mikroskopickém 3D modelu, pak zvětšíme měřítko zanedbáním mikroskopických mezifázových vlivů. Počítačové modelování tenkých filmů je provedeno v statickém případě zahrnutím modifikované Hadamardovy podmínky skoku, jež dává slabší podmínku na kompatibilitu fází ve srovnání s 3D modelem. Dále jsou popsány $L^p$-Youngovy míry generované regulárními maticemi, popř. maticemi s kladným determinantem. Gradientní případ je vyřešen pro zobrazení, kde gradient a inverze gradientu jsou v $L^\infty$, netriviálním problémem byla manipulace s okrajovými podmínkami u generující posloupnosti, neboť standardní "ořezávací metody" nelze v našem případě aplikovat kvůli podmínce na determinant. V poslední kapitole zmíníme nové výsledky týkající se slabé zdola polospojitosti integrálních funkcionálů podél tzv. (asymptoticky) $\mathcal{A}$-free posloupností, jež mohou být záporné i nekoercivní. Powered by TCPDF (www.tcpdf.org)
|
|
|
Efektivní implementace metod pro redukci dimenze v mnohorozměrné statistice
Pekař, Vojtěch ; Duintjer Tebbens, Erik Jurjen (vedoucí práce) ; Hnětynková, Iveta (oponent)
V naší práci si klademe za cíl především zefektivnit implementaci klasifikační metody, která se nazývá lineární diskriminační analýza. Jde o model mnohorozměrné statistiky, který má na základě určitého množství vzorků a jejich příslušnosti k určité skupině zařadit do skupiny vzorek nový. Zaměřujeme se zejména na její vysoce dimenzionální verzi, což znamená, že množství vstupních parametrů je tak velké, že převyšuje počet vzorků a v důsledku toho úloha vede na singulární kovarianční matici. Pro příliš velká data mohou být běžně užívané metody prakticky nepoužitelné z důvodu vysokých výpočetních nákladů. Z toho důvodu nahlížíme na téma z pohledu numerické lineární algebry a vzniklé úlohy upravujeme na jejich ekvivalentní formulaci s mnohem nižší dimenzí. Nabízíme tak nové způsoby řešení, k tomu poskytujeme příklady konkrétních algoritmů a diskutujeme jejich efektivitu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Statistický model tvaru obličeje
Boková, Kateřina ; Pelikán, Josef (vedoucí práce) ; Krajíček, Václav (oponent)
Cíl této práce je použití metod strojového učení na dataset oskenovaných tváří a vytvořit tak program, který umožní prozkoumat a editovat tváře reprezentované trojúhelníkovou sítí pomocí několika ovládacích prvků. Nejprve jsme museli snížit dimenzi trojúhelníkových sítí pomocí PCA a pak jsme se pokusili předpovídat tvar sítě podle fyzických vlastností jako je váha, výška věk a BMI. Modelované tváře můžou být pak použity v animacích nebo hrách.
|
|
|
Statistický model tvaru obličeje
Boková, Kateřina ; Pelikán, Josef (vedoucí práce) ; Krajíček, Václav (oponent)
Cíl této práce je použití metod strojového učení na dataset oskenovaných tváří a vytvořit tak program, který umožní prozkoumat a editovat tváře reprezentované trojúhelníkovou sítí pomocí několika ovládacích prvků. Nejprve jsme museli snížit dimenzi trojúhelníkových sítí pomocí PCA a pak jsme se pokusili předpovídat tvar sítě podle fyzických vlastností jako je váha, výška věk a BMI. Modelované tváře můžou být pak použity v animacích nebo hrách.
|
|
|
Data mining
Mrázek, Michal ; Sehnalová, Pavla (oponent) ; Bednář, Josef (vedoucí práce)
Tato diplomová práce se zabývá analýzou vícerozměrných dat. Jsou zavedeny tři algoritmy pro snižování dimenze dat. Pomocí metod zpracování přirozeného jazyka je ukázáno, jak manipulovat s textovými dokumenty. V praktické části je cílem zpracovat reálná data z internetového fóra. Nejprve soubor diskuzních příspěvků převedeme na numerickou reprezentaci, provedeme transformaci do dvourozměrného prostoru a vizualizujeme. Dále najdeme tématické okruhy příspěvků. V závěru porovnáme několik vybraných algoritmů na redukci dimenze.
|
|
|
Big data visualization
Lehončák, Michal ; Pelikán, Josef (vedoucí práce) ; Horáček, Jan (oponent)
V dnešnej dobe sú dáta neoddeliteľnou súčasťou nášho života. Ich objem každým dňom narastá a často nám ich množstvo bráni v pochopení toho, čo pre nás vlastne tieto dáta znamenajú. Cieľom tejto práce je preto vyvinúť aplikáciu slúžiacu k analýze a vizualizácii veľkých dát. Súčasťou práce je aj prieskum štatistických metód využívaných k redukcii objemu aj dimenzie dát a implementácia vybraných algoritmov v tomto obore. Ďalším cieľom je preskúmať možnosti moderných grafických kariet, keďže ich výkonnosť sa každým rokom násobne zvyšuje. Vizualizácia by mala prebiehať za pomoci grafického procesora s dátami zobrazenými vo forme bodov v 3D priestore a uživateľ by mal mať možnosť si tieto dáta interaktívne prehliadať.
|
|
|
Bayesian optimization
Kostovčík, Peter ; Lachout, Petr (vedoucí práce) ; Hlubinka, Daniel (oponent)
Optimalizácia je veľmi dôležitou súčasťou matematiky často využívanou v praxi. Existuje mnoho metód, ktoré dokážu riešiť špecifické typy účelo- vých funkcií. Akú metódu použiť ak je funkcia neznáma a/alebo výpočtovo náročná? Jednou z odpovedí je bayesovská optimalizácia, ktorá namiesto priamej optimalizácie vytvorí pravdepodobnostný model účelovej funkcie a využije ho na zostrojenie ľahko optimalizovateľnej pomocnej funkcie. Ide o iteračný prístup, ktorý s využitím informácií z predchádzajúcich krokov nájde nový bod pre výpočet účelovej funkcie a snaží sa priblížiť optimu pri čo najmenej iteráciách. V tejto práci predstavíme bayesovskú optimalizáciu, zosumarizujeme jej rôzne prístupy v nízkych aj vysokých dimenziách a uká- žeme kedy je vhodné ju použiť. Dôležitou súčasťou práce je vlastný algorit- mus, ktorý aplikujeme na rôzne praktické problémy - napr. na optimalizáciu parametrov metód strojového učenia. 1
|
host ::
RSS.