|
|
Využití dynamického programování v grafových algoritmech
Biloš, Martin ; Křivka, Zbyněk (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato práce se zabývá grafovými algoritmy, jejich využitím a přínosem optimalizační metody dynamického programování. Tento přínos je předveden uživateli pomocí aplikace. Grafové algoritmy najdou využití v mnoha odvětvích lidské činnosti i dnes. Používají se ve směrování paketů nebo například v navigaci. V práci jsou zpracovány tři metody, které patří mezi grafové algoritmy. Tyto problémy řeším klasickým i dynamickým způsobem a následně zjištěná data jsou porovnána.
|
|
|
Czech-English Translation
Petrželka, Jiří ; Schmidt, Marek (oponent) ; Smrž, Pavel (vedoucí práce)
This Master's thesis describes the principles of statistical machine translation and demonstrates how to assemble the Moses statistical machine translation system. In the preparation step, a research on freely available bilingual Czech-English corpora is done. An empirical analysis of time requirements of multithreaded word alignment tools demonstrates that MGIZA++ can achieve a five-fold speed-up, while PGIZA++ can reach an eight-fold speed-up (compared to GIZA++).Three scenarios of morphological pre-processing of Czech training data are tested, using simple unfactored models. While pure lemmatization can aggravate the BLEU, more sophisticated approaches usually raise BLEU. The positive effect of morphological pre-processing diminishes as corpus size rises. The relation between other corpora characteristics (size, genre, extra data) and the resulting BLEU are empirically gauged. A final system is trained on the CzEng 0.9 corpus and evaluated on the testing set from WMT 2010 workshop.
|
|
|
Automatická identifikace manévrů ze záznamů letových dat
Mořkovský, Vít ; Vlk, Jan (oponent) ; Chudý, Peter (vedoucí práce)
Cílem práce je identifikovat manévry ze záznamu letových dat. Let s identifikovanými manévry je zobrazen ve vytvořené webové aplikaci v prostoru nad mapovým podkladem. K úvodní identifikaci manévrů byl vytvořený systém založený na sadě pravidel. Následně byla implementována identifikace manévrů pomocí techniky shlukové analýzy (K-means) a klasifikační techniky založené na Skrytých Markovových modelech. Identifikované manévry pomocí Skrytého Markovova modelu odpovídají manévrům identifikovaným pomocí pravidel v 95,6 %.
|
|
|
Moderní metody predikce sekundární struktury proteinů a jejich srovnání
Kraus, Ondřej ; Novotný, Marian (vedoucí práce) ; Pleskot, Roman (oponent)
V současnosti existuje několik nástrojů k predikci sekundární struktury proteinů, většina moderních metod používá algoritmy, jako jsou skryté Markovovy modely nebo umělé neurální sítě. Ve své práci se proto pokusím s nimi čtenáře seznámit a vysvětlit na jakém principu pracují, jaké jsou jejich výhody a nevýhody. Většina moderních metod predikuje tři typy sekundární struktury (helix, list a smyčku) s úspěšností 70%-80%. Nicméně vzhledem k odlišné metodice testování úspěšnosti různých metod lze brát výsledky pouze jako orientační, a uživatel by se proto měl s metodou a metodikou jejího testování nejprve detailně seznámit. Klíčová slova: predikce proteinové struktury, skrytý Markovův model, umělá neuronová síť, nejbližší soused, sekundární struktura proteinů
|
|
|
Využití dynamického programování v grafových algoritmech
Biloš, Martin ; Křivka, Zbyněk (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato práce se zabývá grafovými algoritmy, jejich využitím a přínosem optimalizační metody dynamického programování. Tento přínos je předveden uživateli pomocí aplikace. Grafové algoritmy najdou využití v mnoha odvětvích lidské činnosti i dnes. Používají se ve směrování paketů nebo například v navigaci. V práci jsou zpracovány tři metody, které patří mezi grafové algoritmy. Tyto problémy řeším klasickým i dynamickým způsobem a následně zjištěná data jsou porovnána.
|
|
|
Analýza indexů akciových trhů a režimů na komoditních trzích
Kuchina, Elena ; Cahlík, Tomáš (vedoucí práce) ; Máša, Petr (oponent) ; Lukáčik, Martin (oponent)
Disertační práce se zaměřuje na identifikaci typických scénářů vzájemných vztahů mezi akciovými trhy s přihlednutím k různým režimům na komoditních trzích. Pro nalezené scénáře byly navrženy investiční doporučení. S ohledem na různé režimy, kterými komoditní trhy procházejí, a na vzájemnou provázanost mezi akciovými trhy během různých situací na komoditních trzích, bylo analyzováno šest scénářů vzájemných vztahů mezi akciovými trhy. Bylo ukázano, že v době nejvíce nestabilního období, kdy vysoce volatilní stav převládá současně na energetickém trhu, na trhu drahých kovů a na neenergetickém komoditním trhu, se celá ekonomika stává více svázaná se silnějšími vzájemnými závislostmi mezi indexy akciových trhů, a jako důsledek začínají selhávat přínosy diverzifikace. Při současné přítomnosti nízké volatility na všech třech sledovaných komoditních trzích je shoda mezi výskyty vysoce volatilních stavů většiny indexů, kromě indexů v rámci evropského trhu (DAX, CAC 40, IBEX 35), poměrně slabá. Podobně i korelace v rámci regionů a s ostatními regiony je slabší ve srovnání s jinými situacemi na komoditních trzích, takže standardní investiční strategie může být zachovována. Rovněž bylo ukázano, že provázanost mezi akciovými trhy během období vysoké volatility na energetickém trhu se liší v závislosti na zdroji ropného šoku, způsobujícím vyšší volatilitu. Skrytý Markovův model je použit k určení režimů, převládajících na různých komoditních a akciových trzích během různých časových období. K měření podobnosti akciových trhů z hlediska výskytu stavu s vysokou volatilitou na daném trhu je použit Jaccardův koeficient podobnosti. Korelace mezi akciovými trhy byla vypočtena pomocí Spearmanova korelačního koeficientu. Závěrečná část výzkumu je věnována modelovému přístupu použivanému k analýze závislosti směru pohybu hodnoty SSEC indexu na ostatních analyzovaných akciových indexech mezi dvěma obchodními dny během různých situací na komoditních trzích. Analýza závislosti byla provedena pomocí Stochastického Gradientního Boostingu.
|
|
|
Moderní metody predikce sekundární struktury proteinů a jejich srovnání
Kraus, Ondřej ; Novotný, Marian (vedoucí práce) ; Pleskot, Roman (oponent)
V současnosti existuje několik nástrojů k predikci sekundární struktury proteinů, většina moderních metod používá algoritmy, jako jsou skryté Markovovy modely nebo umělé neurální sítě. Ve své práci se proto pokusím s nimi čtenáře seznámit a vysvětlit na jakém principu pracují, jaké jsou jejich výhody a nevýhody. Většina moderních metod predikuje tři typy sekundární struktury (helix, list a smyčku) s úspěšností 70%-80%. Nicméně vzhledem k odlišné metodice testování úspěšnosti různých metod lze brát výsledky pouze jako orientační, a uživatel by se proto měl s metodou a metodikou jejího testování nejprve detailně seznámit. Klíčová slova: predikce proteinové struktury, skrytý Markovův model, umělá neuronová síť, nejbližší soused, sekundární struktura proteinů
|
|
|
Czech-English Translation
Petrželka, Jiří ; Schmidt, Marek (oponent) ; Smrž, Pavel (vedoucí práce)
This Master's thesis describes the principles of statistical machine translation and demonstrates how to assemble the Moses statistical machine translation system. In the preparation step, a research on freely available bilingual Czech-English corpora is done. An empirical analysis of time requirements of multithreaded word alignment tools demonstrates that MGIZA++ can achieve a five-fold speed-up, while PGIZA++ can reach an eight-fold speed-up (compared to GIZA++).Three scenarios of morphological pre-processing of Czech training data are tested, using simple unfactored models. While pure lemmatization can aggravate the BLEU, more sophisticated approaches usually raise BLEU. The positive effect of morphological pre-processing diminishes as corpus size rises. The relation between other corpora characteristics (size, genre, extra data) and the resulting BLEU are empirically gauged. A final system is trained on the CzEng 0.9 corpus and evaluated on the testing set from WMT 2010 workshop.
|
|
|
Predikce měnových kurzů
Dror, Marika ; Pánková, Václava (vedoucí práce) ; Arltová, Markéta (oponent) ; Hančlová, Jana (oponent)
Tato dizertační práce hodnotí předpovědní schopnosti různých známých modelů měnového kurzu. Práce nejprve rekapituluje a shrnuje poznatky dosavadních prací v dané problematice. Přestože je k dispozici mnoho prací na téma predikce měnového kurzu, žádná z nich nepopisuje takový model, který by obecně pro každý časový horizont a pro každý měnový pár předpovídal lépe, než jednoduchý model náhodné procházky. Nicméně jsou popsány modely úspěšně předpovídající měnový kurz pro specifické případy (např. pro určitý časový horizont nebo pro určitý měnový pár). Dále tato práce hodnotí na historickém vývoji čtyř měnových párů (USD/CZK, USD/ILS, USD/GBP a USD/EUR) v období od ledna 2001 až do srpna 2013, předpovědní schopnosti sedmi modelů měnového kurzu (model nekryté úrokové parity, model parity kupní síly, monetární model, monetární model s korekcí chyby, model Taylorova pravidla, skrytý Markovův model a ESTAR model). Nejlepší předpovědi dává model Taylorova pravidla, zejména pak v případě měnového páru USD/CZK. Přesto ani pro tento model nelze obecně potvrdit, že by ve všech případech předpovídal významně lépe, než model náhodné procházky. Tato práce také hodnotí časovou nestabilitu. Stock a Watson (2003) ve své práci ukazují, že úspěšnost předpovědi se mění s postupem času. Určitý ekonometrický model tak v jednom časovém úseku může předpovídat lépe než model náhodné procházky, avšak v jiném časovém úseku tuto schopnost mít nemusí. Proto je na základě fluktuačního testu popsaného v práci Giacomini a Rossi (2010a) ukázáno, jak se mění out-of-sample předpověď každého z porovnávaných modelů v průběhu času.
|
host ::
RSS.