ČVUT DSpace
  • Prohledat DSpace
  • English
  • Přihlásit se
  • English
  • English
Zobrazit záznam 
  •   ČVUT DSpace
  • České vysoké učení technické v Praze
  • Fakulta elektrotechnická
  • katedra kybernetiky
  • Bakalářské práce - 13133
  • Zobrazit záznam
  • České vysoké učení technické v Praze
  • Fakulta elektrotechnická
  • katedra kybernetiky
  • Bakalářské práce - 13133
  • Zobrazit záznam
JavaScript is disabled for your browser. Some features of this site may not work without it.

Směrové statistiky v predikci kvaziperiodických časových řad

Directional Statistics for Prediction of Quasiperiodic Time Series

Typ dokumentu
bakalářská práce
bachelor thesis
Autor
Leonard Mentzl
Vedoucí práce
Navara Mirko
Oponent práce
Helisová Kateřina
Studijní obor
Informatika a počítačové vědy
Studijní program
Otevřená informatika
Instituce přidělující hodnost
katedra kybernetiky



Práva
A 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.html
Vysokoškolská 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.html
Metadata
Zobrazit celý záznam
Abstrakt
V této práci navrhujeme metody predikce kvaziperiodických časových řad, které jsou založené na směrové statistice. Za-býváme se metodou momentů, EM algo-ritmem, Adaboostem R a neuronovými sí-těmi. Upřednostňujeme korektnost a vy-hýbáme se používání heuristických me-tod. Hledáme zcela nové modely a metody, takže jejich vlastnosti ukazujeme na ja-kýchkoli úlohách, včetně umělých, které ukazují, co by se mohlo stát, bez ohledu na to, zda to v konkrétní aplikaci opravdu hraje roli. Navržené metody testujeme na reálných datech a porovnáváme je s meto-dami: odhad průměrem, histogram, Fre-MEn a HyT-EM. Výsledky ukazují, že pro některá data jsou některé navržené metody statisticky významně lepší než metody FreMEn a HyT-EM.
 
In this thesis, we propose new methods for prediction of quasiperiodic time series which are based on directional statistics. We study the moment matching, EM algorithm, Adaboost R and neural networks. We emphasize correctness of the methods and avoid usage of heuristics. We search for completely new methods so we are showing their features on any tasks, including the artificial ones, which show what might happen regardless of the fact whether it actually plays a role in the specific application. We test the proposed methods on real data and compare them with the following methods: estimation by mean, histogram, FreMEn and HyTEM. The results show that some of the methods are statistically significantly better for some data than methods FreMEn and HyT-EM.
 
URI
http://hdl.handle.net/10467/87750
Zobrazit/otevřít
PLNY_TEXT (2.907Mb)
PRILOHA (18.44Mb)
POSUDEK (70.53Kb)
POSUDEK (227.4Kb)
Kolekce
  • Bakalářské práce - 13133 [851]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV
 

 

Užitečné odkazy

ČVUT v PrazeÚstřední knihovna ČVUTO digitální knihovně ČVUTInformační zdrojePodpora studiaPodpora publikování

Procházet

Vše v DSpaceKomunity a kolekceDle data publikováníAutořiNázvyKlíčová slovaTato kolekceDle data publikováníAutořiNázvyKlíčová slova

Můj účet

Přihlásit se

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV