Show simple item record

Methods of artificial intelligence and their use in prediction
dc.contributor.advisorOmelka, Marek
dc.creatorŠerý, Lubomír
dc.date.accessioned2017-05-06T21:41:21Z
dc.date.available2017-05-06T21:41:21Z
dc.date.issued2012
dc.identifier.urihttp://hdl.handle.net/20.500.11956/40751
dc.description.abstractNázev práce: Metody umělé inteligence a jejich využití při predikci Autor: Lubomír Šerý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Ing. Marek Omelka, Ph.D., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V předložené práci studujeme část oboru umělé inteligence - přede- vším umělé neuronové sítě. Nejprve je představen koncept umělé neuronové sítě a srovnání s jeho biologickou předlohou. Poté srovnáváme neuronovou síť s něk- terými zobecněnými lineárními modely. Učení neuronové sítě představuje jeden ze stěžejních problému, a tak je mu věnována větší část této práce - především odhadům parametrů a specifickým výpočetním aspektům. V této části se pok- oušíme vnést pohled na vnitřní strukturu neuronové sítě a navrhnout vylepšení učícího algoritmu. Existuje mnoho nadstaveb, kterými lze vylepšit nebo obohatit základní model neuronové sítě, některé tyto nadstavby včetně kombinace s ge- netickými algoritmy jsou představeny v závěru této práce. Tuto práci uzavírají simulační příklady, v kterých se snažíme prověřit některé představené teoretické předpoklady a závěry. Hlavním simulačním příkladem je aplikace konceptu neu- ronové sítě na úlohu predikce počtu gólů v hokejových zápasech. Klíčová slova: Neuronová síť, Predikce, TwoStepNNL, Sportcs_CZ
dc.description.abstractTitle: Methods of artificial intelligence and their use in prediction Author: Lubomír Šerý Department: Department of Probability and Mathematical Statistics Supervisor: Ing. Marek Omelka, Ph.D., Department of Probability and Mathe- matical Statistics Abstract: In the presented thesis we study field of artificial intelligence, in par- ticular we study part dedicated to artificial neural networks. At the beginning, concept of artificial neural networks is introduced and compared to it's biological base. Afterwards, we also compare neural networks to some generalized linear models. One of the main problems of neural networks is their learning. Therefore biggest part of this work is dedicated to learning algorithms, especially to pa- rameter estimation and specific computational aspects. In this part we attempt to bring in an overview of internal structure of neural network and to propose enhancement of learning algorithm. There are lots of techniques for enhancing and enriching basic model of neural networks. Some of these improvements are, together with genetic algorithms, introduced at the end of this work. At the very end of this work simulations are presented, where we attempt to verify some of the introduced theoretical assumptions and conclusions. Main simulation is an application of concept of neural...en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectNeuronová síťcs_CZ
dc.subjectPredikcecs_CZ
dc.subjectTwoStepNNLcs_CZ
dc.subjectSportcs_CZ
dc.subjectNeural networken_US
dc.subjectPredictionen_US
dc.subjectTwoStepNNLen_US
dc.subjectSport modelingen_US
dc.titleMetody umělé inteligence a jejich využití při predikcics_CZ
dc.typediplomová prácecs_CZ
dcterms.created2012
dcterms.dateAccepted2012-09-05
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId63627
dc.title.translatedMethods of artificial intelligence and their use in predictionen_US
dc.contributor.refereeKrtek, Jiří
dc.identifier.aleph001499122
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineFinancial and insurance mathematicsen_US
thesis.degree.disciplineFinanční a pojistná matematikacs_CZ
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csFinanční a pojistná matematikacs_CZ
uk.degree-discipline.enFinancial and insurance mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csNázev práce: Metody umělé inteligence a jejich využití při predikci Autor: Lubomír Šerý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Ing. Marek Omelka, Ph.D., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V předložené práci studujeme část oboru umělé inteligence - přede- vším umělé neuronové sítě. Nejprve je představen koncept umělé neuronové sítě a srovnání s jeho biologickou předlohou. Poté srovnáváme neuronovou síť s něk- terými zobecněnými lineárními modely. Učení neuronové sítě představuje jeden ze stěžejních problému, a tak je mu věnována větší část této práce - především odhadům parametrů a specifickým výpočetním aspektům. V této části se pok- oušíme vnést pohled na vnitřní strukturu neuronové sítě a navrhnout vylepšení učícího algoritmu. Existuje mnoho nadstaveb, kterými lze vylepšit nebo obohatit základní model neuronové sítě, některé tyto nadstavby včetně kombinace s ge- netickými algoritmy jsou představeny v závěru této práce. Tuto práci uzavírají simulační příklady, v kterých se snažíme prověřit některé představené teoretické předpoklady a závěry. Hlavním simulačním příkladem je aplikace konceptu neu- ronové sítě na úlohu predikce počtu gólů v hokejových zápasech. Klíčová slova: Neuronová síť, Predikce, TwoStepNNL, Sportcs_CZ
uk.abstract.enTitle: Methods of artificial intelligence and their use in prediction Author: Lubomír Šerý Department: Department of Probability and Mathematical Statistics Supervisor: Ing. Marek Omelka, Ph.D., Department of Probability and Mathe- matical Statistics Abstract: In the presented thesis we study field of artificial intelligence, in par- ticular we study part dedicated to artificial neural networks. At the beginning, concept of artificial neural networks is introduced and compared to it's biological base. Afterwards, we also compare neural networks to some generalized linear models. One of the main problems of neural networks is their learning. Therefore biggest part of this work is dedicated to learning algorithms, especially to pa- rameter estimation and specific computational aspects. In this part we attempt to bring in an overview of internal structure of neural network and to propose enhancement of learning algorithm. There are lots of techniques for enhancing and enriching basic model of neural networks. Some of these improvements are, together with genetic algorithms, introduced at the end of this work. At the very end of this work simulations are presented, where we attempt to verify some of the introduced theoretical assumptions and conclusions. Main simulation is an application of concept of neural...en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV