Search
Now showing items 1-10 of 16
Prediction of energy load profiles
Predikce profilů spotřeby elektrické energie
diploma thesis (DEFENDED)
Advisor: Fink, Jiří
Date Issued: 2017
Date of defense: 07. 09. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Prediction of energy load profiles is an important topic in Smart Grid technologies. Accurate forecasts can lead to reduced costs and decreased dependency on commercial power suppliers by adapting to prices on energy market, ...
Predikce profilů spotřeby elektrické energie je důležitým tématem Smart Grid technologií. Přesné předpovědi mohou vést redukci cen a snížení závislosti na komerčních dodavatelích energie pomocí adaptace na ceny na energetickém ...
Predikce profilů spotřeby elektrické energie je důležitým tématem Smart Grid technologií. Přesné předpovědi mohou vést redukci cen a snížení závislosti na komerčních dodavatelích energie pomocí adaptace na ceny na energetickém ...
Modelování durace finančních transakčních dat
Modelling Duration of Financial Transaction Data
bachelor thesis (DEFENDED)
Advisor: Hendrych, Radek
Date Issued: 2019
Date of defense: 05. 09. 2019
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Tato práce se zabývá modelem ACD (autoregressive conditional duration), který se používá k modelování durací časových řad finančních transakčních dat. Nejprve je představen pojem durace a časové řady, a to intuitivně i ...
This bachelor thesis deals with ACD (autoregressive conditional duration) model, which is used to estimate durations of time series of financial transaction data. First, duration and time series are defined formally as ...
This bachelor thesis deals with ACD (autoregressive conditional duration) model, which is used to estimate durations of time series of financial transaction data. First, duration and time series are defined formally as ...
Uživatelsky přívětivé prostředí pro práci s dynamickými Bayesovskými sítěmi
User Friendly Envioronment for Dynamic Bayesian Networks
bachelor thesis (DEFENDED)
Advisor: Kadlec, Rudolf
Date Issued: 2013
Date of defense: 02. 09. 2013
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Název práce: Uživatelsky přívětivé prostředí pro práci s dynamickými Bayesov- skými sítěmi Autor: Jan Vinárek Ústav: Kabinet software a výuky informatiky Vedoucí bakalářské práce: Mgr. Rudolf Kadlec, Kabinet software a ...
Title: User Friendly Environment for Dynamic Bayesian Networks Author: Jan Vinárek Department: Department of Software and Computer Science Education Supervisor: Mgr. Rudolf Kadlec, Department of Software and Computer Science ...
Title: User Friendly Environment for Dynamic Bayesian Networks Author: Jan Vinárek Department: Department of Software and Computer Science Education Supervisor: Mgr. Rudolf Kadlec, Department of Software and Computer Science ...
Echo state siete a ich využitie na predpovedanie časových radov
Echo state networks and their application in time series prediction
Echo state sítě a jejich využití na předpovídání časových řad
bachelor thesis (DEFENDED)
Advisor: Mráz, František
Date Issued: 2019
Date of defense: 14. 02. 2019
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Recurrent neural networks (RNN) enable to model dynamical sys- tems with variable input length. Their disadvantage is in inherently difficult trai- ning which means adjusting weights of connections between neurons connected ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...
Anomaly detection for stock market trading data
Detekce anomálií v datech z obchodování na burze
bachelor thesis (DEFENDED)
Advisor: Kofroň, Jan
Date Issued: 2020
Date of defense: 14. 09. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Obchodování na burze je velmi komplexní téma, které zahrnuje spoustu náročných problémů. Jedním z těchto problémů je detekce anomálií. Detekce anomálií v reálném čase je velice náročný úkol, a proto tento problém zůstává ...
Stock trading is a very complex topic that involves a lot of challenging problems. One of these problems is anomaly detection in trading flow. Real-time anomaly detection in time series is a very complicated task and thus ...
Stock trading is a very complex topic that involves a lot of challenging problems. One of these problems is anomaly detection in trading flow. Real-time anomaly detection in time series is a very complicated task and thus ...
Echo state siete a ich využitie na predpovedanie časových radov
Echo state networks and their application in time series prediction
Echo state siete a ich využitie na predpovedanie časových radov
bachelor thesis (NOT DEFENDED)
Advisor: Mráz, František
Date Issued: 2018
Date of defense: 06. 09. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Recurrent neural networks (RNN) enable to model dynamical sys- tems with variable input length. Their disadvantage is in inherently difficult trai- ning which means adjusting weights of connections between neurons connected ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...
INAR modely časových řad
INAR time series models
bachelor thesis (DEFENDED)
Advisor: Dvořák, Jiří
Date Issued: 2017
Date of defense: 08. 09. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: This work focuses on INAR(1) time series models. The structure of the models is described and the expected value, the variance and the autocovariance function are derived. The next discussed issue is the characterisation ...
Tato práce se zabývá INAR(1) modely časových řad. Je zde popsána struk- tura těchto modelů, rovněž jsou zde odvozeny momentové vlastnosti, konkrétně střední hodnota, rozptyl a autokovarianční funkce. Dále se práce zabývá ...
Tato práce se zabývá INAR(1) modely časových řad. Je zde popsána struk- tura těchto modelů, rovněž jsou zde odvozeny momentové vlastnosti, konkrétně střední hodnota, rozptyl a autokovarianční funkce. Dále se práce zabývá ...
Predikce časových řad
Time series prediction
bachelor thesis (DEFENDED)
Advisor: Pilát, Martin
Date Issued: 2014
Date of defense: 04. 09. 2014
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: V předložené práci podáváme přehled metod pro modelování a predikci časových řad. Popisujeme jak dekompoziční metody a metody založené na Boxově-Jenkinsově metodologii, tak metody využívající postupů z oblasti výpočetní ...
In this present work, we provide an overview of methods for time series modelling and prediction. We describe methods based on decomposition as well as methods based on the Box-Jenkins methodology. Moreover, we also discuss ...
In this present work, we provide an overview of methods for time series modelling and prediction. We describe methods based on decomposition as well as methods based on the Box-Jenkins methodology. Moreover, we also discuss ...
Deep Neural Networks for Time Series Forecasting
Předpovídání časových řad pomocí hlubokých neuronových sítí
diploma thesis (DEFENDED)
Advisor: Pilát, Martin
Date Issued: 2020
Date of defense: 03. 02. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Time series forecasting is a task of both academic and pragmatic interest. Although it has been long dominated by qualitative methods and simple quan- titative methods, machine learning and deep learning algorithms in ...
Předpovı́dánı́ časových řad je úloha, která má jak akademické tak prak- tické využitı́. Přestože byla po dlouhou dobu řešena předevšı́m kvalitativnı́mi metodami a jednoduchými kvantitativnı́mi modely, ...
Předpovı́dánı́ časových řad je úloha, která má jak akademické tak prak- tické využitı́. Přestože byla po dlouhou dobu řešena předevšı́m kvalitativnı́mi metodami a jednoduchými kvantitativnı́mi modely, ...
Sezónne exponenciálne vyrovnávanie
Seasonal exponential smoothing
Sezónní exponenciální vyrovnávání
bachelor thesis (DEFENDED)
Advisor: Cipra, Tomáš
Date Issued: 2018
Date of defense: 21. 06. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: This thesis deals with the issues of time series modeling, where seasonal component is present. Principles of basic seasonal exponential smoothing methods: simple and double exponential smoothing, Holt's method, which are ...
Táto práca sa zaoberá problematikou modelovania časových radov s výskytom sezónnej zložky. Na začiatku je popísaný princíp základných metód exponenciálneho vyrovnávania: jednodnoduché a dvojité exponenciálne vyrovnávanie, ...
Táto práca sa zaoberá problematikou modelovania časových radov s výskytom sezónnej zložky. Na začiatku je popísaný princíp základných metód exponenciálneho vyrovnávania: jednodnoduché a dvojité exponenciálne vyrovnávanie, ...