Show simple item record

Active Learning for Prediction of Continuous Variables



dc.contributor.advisorMacaš Martin
dc.contributor.authorMatěj Niederle
dc.date.accessioned2020-01-29T23:51:35Z
dc.date.available2020-01-29T23:51:35Z
dc.date.issued2020-01-29
dc.identifierKOS-1094372404005
dc.identifier.urihttp://hdl.handle.net/10467/86136
dc.description.abstractPři značném kvantu dat ve světě je potřeba obracet se na metody, které by se zaměřovaly na jejich kvalitu. Tato bakalářská práce se věnuje metodě query by committee, která dokáže zvážit a vybrat data která nejvíce zvýší efektivitu. Tato práce je založená na reálném projektu, který se zaměruje na prediktivní model pro prediktivní kontrolu vytápění v kancelářské budově. Bakalářská práce zkoumá, zda generování optimálních setpointů teploty pro regresní prediktivní model zlepšuje efektivitu předpovědi a labelování. Po zhotovení experimentů se ukázalo, že tato metoda nepředčila originální strategii použitou v původním projektu. Možné příčiny takového výsledku jsou později diskutovány.cze
dc.description.abstractThe size of data in today's modern world has urged people to resort to strategies that focus on the quality of data. This thesis revolves around a method called query by committee that is able to consider and choose what data it needs to be the most effective. This thesis is based on a real world problem that is related to the predictive model for predictive control of heating in an office building. Here, the focus is to examine whether generating an optimal temperature setpoints for the regression based predictive model for the control of a heating plant improves the forecasting efficiency and reduces the labeling process. The conducted experiments demonstrate that this method does not manage to outperform the original strategy used in the original problem and a discussion is held on possible reasons why.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectaktivní učenícze
dc.subjectquery by comiteecze
dc.subjectpredikcecze
dc.subjectactive learningeng
dc.subjectquery by committeeeng
dc.subjectpredictioneng
dc.titleAktivní učení pro predikci spojitých proměnnýchcze
dc.titleActive Learning for Prediction of Continuous Variableseng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeSaska Martin
theses.degree.disciplineInformatika a počítačové vědycze
theses.degree.grantorkatedra kybernetikycze
theses.degree.programmeOtevřená informatikacze


Files in this item





This item appears in the following Collection(s)

Show simple item record