Trénování neuronových sítí založené na vysoce robustních odhadech
Training of neural networks based on highly robust estimators
dc.contributor.advisor | Kalina Jan | |
dc.contributor.author | Jan Tichavský | |
dc.date.accessioned | 2021-11-10T13:42:30Z | |
dc.date.available | 2021-11-10T13:42:30Z | |
dc.date.issued | 2020-07-24 | |
dc.identifier | KOS-983711952305 | |
dc.identifier.uri | http://hdl.handle.net/10467/98468 | |
dc.description.abstract | Diplomová práce je zaměřena na metody zabývající se nelineární regresní úlohou robustní vůči odlehlým hodnotám. Je zde představena nelineární regresní úloha a popsány tři (z nichž dvě nové) robustní metody pro řešení této úlohy založené na neuronových sítích. Následně je v diplomové práci provedeno porovnání metod z hlediska přesnosti pomocí křížové validace a z hlediska variability za použití neparametrického bootstrapu. Implementace je provedena v programovacím jazyce Python. | cze |
dc.description.abstract | The diploma thesis is focused on methods dealing with a nonlinear regression problem robust against outliers. We introduce the nonlinear regression problem and describe three (two new) robust methods for solving this problem based on neural networks. Subsequently, the thesis compares the methods in terms of accuracy by means of cross-validation and in terms of variability using non-parametric bootstrap. The implementation is done in the programing language Python. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | 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 | eng |
dc.rights | 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 | cze |
dc.subject | robustní nelineární regrese | cze |
dc.subject | neuronové sítě | cze |
dc.subject | kvantily | cze |
dc.subject | IQ-MLP | cze |
dc.subject | LWS-MLP | cze |
dc.subject | LTS-MLP | cze |
dc.subject | neparametrický bootstrap | cze |
dc.subject | robust nonlinear regression | eng |
dc.subject | neural network | eng |
dc.subject | quantiles | eng |
dc.subject | IQ-MLP | eng |
dc.subject | LWS-MLP | eng |
dc.subject | LTS-MLP | eng |
dc.subject | non-parametric bootstrap | eng |
dc.title | Trénování neuronových sítí založené na vysoce robustních odhadech | cze |
dc.title | Training of neural networks based on highly robust estimators | eng |
dc.type | diplomová práce | cze |
dc.type | master thesis | eng |
dc.contributor.referee | Kukal Jaromír | |
theses.degree.discipline | Matematická informatika | cze |
theses.degree.grantor | katedra matematiky | cze |
theses.degree.programme | Aplikace přírodních věd | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Diplomové práce - 14101 [140]