Ústav teorie informace a automatizace

AS

Metody data mining, jejich testování a porovnání

Název práce v Aj: 
Data mining methods, their testing and comparison
Školitel: 
Typ práce: 
disertační
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS, 266052251
Klíčová slova: 
Data mining, dopravní data, modelování, informace

Metody ?data mining?, tedy dolování informací z měřených dat se zabývají analýzou dat a jsou prostředkem pro poznávání systému, z něhož jsou data měřena. Ze širokého záběru, který tyto metody pokrývají nás budou zajímat především metody klastrování a klasifikace.

Úkoly: 

• Seznamte se s vybranými metodami data mining.
• Vyhodnoťte možné oblasti jejich využití a posuďte jejich výhody a slabá místa.
• Navrhněte možná propojení těchto metod tak, aby si navzájem pomáhaly překlenout slabá místa.
• Navržené metody testujte na simulovaných i reálných datech.

Další práce bude průběžně upřesněna.

Může optimální rozhodování a učení obelstít jednorukého banditu?

Název práce v Aj: 
Is the optimal decision making with learning able to win over one-arm bandit?
Školitel: 
Typ práce: 
diplomová
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS, 266052274
Klíčová slova: 
Rozhodování za neurčitosti, bayesovské odhadováni, adaptivní řízení
Pravděpodobnostní dynamické systémy nachází uplatnění v široké škále oborů od techniky přes ekonomi a medicínu až po elektronickou demokracii. Lze jimi modelovat například složitá průmyslová zařízení, dopravní toky, lymfatický systém končetiny, nebo třeba výherní automat známý jako jednoruký bandita. Často se setkáváme s případy, kdy je znám parametrizovaný model daného systému, ale jeho parametry nejsou přesně známy. Základní problém, který je pak nutno řešit, bývá odhadování těchto parametrů z pozorovaných (naměřených) dat - učení.
Úkoly: 
1. Seznamte se se základy dynamického rozhodování za neurčitosti. 2. Porovnejte různé strategie řízení systému s neznámými parametry. 3. Najděte tyto strategie pro jednoduchý systém a implementujte je. 4. Experimentálně porovnejte získané výsledky řízení.
Literatura: 
Kárný M., Nagy I.: Dynamic Bayesian Decision-making: Part I. (Research Report No. 1971). ÚTIA AV ČR, Praha 1999, 99 pp.
Poznámka: 
Téma zadáno na katedře matematického inženýrství FJFI ČVUT, lze však řešit téměř kdekoliv, dle dohody.

Analýza dopravních dat z hlediska obsažené informace

Název práce v Aj: 
Analysis of traffic data with respect to the information contained
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS, 266052251
Klíčová slova: 
Dopravní data, model chování řidiče, informace pro řidiče, kvalita jízdy

Data, měřená na reálném systému nesou informaci o vlastnostech a chování tohoto systému. Předmětem našeho zájmu je systém tvořený řidičem a vozidlem, které řídí. Tento systém se evidentně může nacházet v různých pracovních módech (aktuálních stavech). Řidič může jet v klidu a s přehledem, může pospíchat a jet hodně rychle nebo může být rozčilený a nevyspalý a jet prostě hrozně. Otázkou je, jaké módy lze v jízdě běžného řidiče pozorovat a jak se tyto módy projeví v datech, která jsou na systému měřena.

Úkoly: 
• Seznamte se se systémem řidič-vozidlo, zejména s daty, které tento systém produkuje.
• Vytipujte důležité módy systému řidič-vozidlo a veličiny, které vy mohly o módech vypovídat
• Na dodaném software testujte závislost vypraných veličin na jednotlivých módech systému
• Učiňte závěry o možnosti nebo nemožnosti detekce módů systému z dat.
Poznámka: 
Programy, potřebné pro analýzu dat budou k dispozici.

Predikce dopravních veličin

Název práce v Aj: 
Prediction of traffic variables
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS, 266052251
Klíčová slova: 
Dopravní veličiny, denní průběh, predikce

Většina dopravních veličin, jako např. intenzita a obsazenost dopravního proudu, mají typický průběh. Ten je dán nočním klidem, ranním nástupem dopravní zátěže, která trvá prakticky po celý den, a večerním uklidněním. Tyto charakteristiky vedou na speciální způsob jejich předpovědi.

Cílem této práce je vybudovat model, který bude dobře předpovídat dopravní veličiny.

Úkoly: 
  1. Seznamte se se způsobem modelování pomocí regresního modelu.
  2. Spočtěte denní průběhy pro vybrané dopravní veličiny.
  3. Vytvořte odchylkový model, který bude svazovat odchylky dopravních veličin od jejich denních průběhů
  4. Ověřte predikční vlastnosti odchylkového modelu.
Literatura: 
1. Nagy Ivan, Homolová Jitka, Pecherková Pavla: Dopravně závislé řízení silničního provozu ve městech (1. část) , Automa vol.13, 6 (2007), p. 12-16
and Nagy Ivan, Kratochvílová Jitka, Pecherková Pavla: Dopravně závislé řízení silničního provozu ve městech (2. část) , Automa vol.13, 7 (2007), p. 61-64
web: http://as.utia.cz/publications/2007/NagHomPec_07.pdf
2. Homolová Jitka, Nagy Ivan: Traffic model of a microregion , Preprints of the 16th World Congress of the IFAC, p. 1-6, Prague 2005
web: http://library.utia.cas.cz/prace/20050106.pdf

Testování nefyzikálních vazeb mezi dopravními veličinami

Název práce v Aj: 
Testing of the non-physical bounds between the traffic variables
Školitel: 
Typ práce: 
bakalářská
Pracoviště/Tel.: 
ÚTIA AV ČR, v.v.i., oddělení AS, 266052251
Klíčová slova: 
Dopravní model, dopravní veličiny, předpověď

Pro automatické řízení dopravy je třeba model, předpovídající chování systému v závislosti na vybraných dopravních veličinách. Existující dopravní model je založen na fyzikálních vztazích mezi veličinami, např. čím delší je zelená, tím více aut projede do křižovatky. Existují však i nefyzikální vztahy, které zatím nebyly pro modelování brány v úvahu.

Cílem této práce je testovat souvislosti mezi vybranými dopravními veličinami.

Úkoly: 
  1. Podle pokynů vedoucího práce testujte vztahy mezi vybranými dopravními veličinami.
  2. Z testování učiňte závěry a doložte je výsledky experimentů.
Literatura: 
1. Nagy Ivan, Homolová Jitka, Pecherková Pavla: Dopravně závislé řízení silničního provozu ve městech (1. část) , Automa vol.13, 6 (2007), p. 12-16
and Nagy Ivan, Kratochvílová Jitka, Pecherková Pavla: Dopravně závislé řízení silničního provozu ve městech (2. část) , Automa vol.13, 7 (2007), p. 61-64
web: http://as.utia.cz/publications/2007/NagHomPec_07.pdf
2. Homolová Jitka, Nagy Ivan: Traffic model of a microregion , Preprints of the 16th World Congress of the IFAC, p. 1-6, Prague 2005
web: http://library.utia.cas.cz/prace/20050106.pdf

Basics of Bayesian Decision Making

Oddělení: 
AS
Fakulta: 
Fakulta dopravní ČVUT
Přednášející: 
Vyučován: 
Ne
Typ kurzu: 
doktorandský
Semestr: 
zimní

Control and Parameter Identification of AC Electric Drives under Critical Operating Conditions

Vedoucí projektu: Doc. Ing. Václav Šmídl, Ph.D.
Oddělení: AS
Podporováno (ID): GAP102/11/0437
Poskytovatel: Grantová agentura ČR
Trvání: 2011 - 2014
Další informace: zde

Duální řízení: inteligentní řízení systémů s neurčitostí

Název práce v Aj: 
Dual control: intelligent control of uncertain systems
Školitel: 
Typ práce: 
bakalářská
diplomová
Pracoviště/Tel.: 
UTIA, Pod vodárenskou věží 4, Praha
Klíčová slova: 
dualní řízení, inteligentní systémy, systémy s neurčitostí

Naše znalost o skutečném světě není nikdy dokonalá. V reálném světě existují náhodné jevy, poruchy nebo nepředpovídané situace, které nazýváme jednotně neurčitostí. Pokud chceme reálné soustavy ovlivňovat (řídit) je třeba vyřešit dva úkoly: 1) řízený objekt co nejlépe poznat a 2) dosáhnout cíle řízení tj. požadovaného chování.

Úkoly: 
  1. Seznamte se s teorií duálního rízení a s metodami aproximativního dynamického programování. 
  2. Zvolte jednoduchý systém (například inverzní kyvadlo) a metodu duálního řízení. 
  3. Aplikujte zvolenou metodu na zvolený systém.
Literatura: 
  • D.P. Bertsekas. Dynamic Programming and Optimal Control. Athena Scientific, Nashua, US, 2001. 2nd edition. 
  • J. Si, A.G. Barto, W.B. Powell, and D. Wunsch, editors. Handbook of Learning and Approximate Dynamic Programming, Danvers, May 2004. Wiley-IEEE Press.

Analýza scintigrafických obrazových sekvencí pro lékařskou diagnostiku

Název práce v Aj: 
Analysis of scintigraphic image sequences for medical diagnostics
Školitel: 
Typ práce: 
bakalářská
diplomová
Pracoviště/Tel.: 
UTIA, Pod vodárenskou věží 4, Praha 8
Klíčová slova: 
Analýza hlavních komponent, Bayesovská statistika, matematické modelování, nukleární medicína
Funkce orgánů a tkání se v lékařské zobrazovací diagnostice posuzuje pomocí dynamických sekvencí snímků. Analýza obrazových sekvencí je založena na odhadování neznámých parametrů matematického modelu. Za určitých zjednodušujících předpokladů má model jednoduché řešení. V praktických aplikacích však nelze zaručit platnost předpokladů a tedy ani správnost výsledků analýzy. Bylo publikováno několik rozšíření matematického modelu, která poskytují spočitatelné řešení. Přínos nových metod pro praktické uplatnění v lékařské diagnostice však nebyl dosud studován.
Literatura: 
  1. V. Šmídl, A. Quinn, "The Variational Bayes Method in Signal Processing", Springer 2005. 
  2. M. Šámal, M. Kárný, H. Benali, W. Backfrieder, A. Todd-Pokropek, and H. Bergmann, "Experimental comparison of data transformation procedures for analysis of principal components," Physics in Medicine and Biology, vol. 44, pp. 2821-2834, 1999.

Seminars

News  | Seminars ]

Nadpis Date&Time
Sips of SIP 02.02.2015 - 11:00
AS seminář: Pravděpodobnostní distribuovaný monitor - postup v řešení projektu 08.12.2014 - 11:00
AS seminář: Slepá separace a dekonvoluce dynamických medicínských studií 10.11.2014 - 11:00
CSKI seminar: Inverse modelling for source term reconstruction 20.10.2014 - 14:00
AS seminář: Distribuované dynamické odhadování v difuzních sítích 06.10.2014 - 11:00
AS seminář: Rozdělení časových rozestupů pro systémy interagujících částic 08.09.2014 - 11:00
ČSKI seminář: Částicové stochastické systémy spojované s modelovaním dopravních jevů 17.06.2014 - 14:00
AS seminář: Aproximace plně pravděpodobnostního návrhu pomocí metod lokální regrese 02.06.2014 - 11:00
ČSKI seminář: Jak to vidí počítač 20.05.2014 - 14:00
ČSKI seminář: Stochastické nelineární vlnové rovnice 06.05.2014 - 14:00
AS seminář: Odhad struktury lineárního modelu, jeho rozšíření a aplikace 05.05.2014 - 11:00
AS seminář: Simulační výstupy algoritmu řízení světelné signalizace NOMŘÍZ 07.04.2014 - 11:00
CSKI seminar: Classification of idempotent semiring modules with strongly independent basis 20.03.2014 - 14:00
AS seminář: Znovu k základům plně pravděpodobnostního návrhu 03.03.2014 - 11:00
AS seminář: Supra-Bayesovská kombinace pravděpodobnostních distribucí – pokračování 03.02.2014 - 11:00
AS seminar: Exact-Approximate Bayesian Inference for Gaussian Process Classifiers 09.12.2013 - 14:00
AS seminář: Optimalizace ekologie jízdy na základě průběžně měřených dat 02.12.2013 - 11:00
ČSKI seminář: Proč lidé počítají? Co lidé počítají? 19.11.2013 - 14:00
ČSKI seminář: O původu vnitřního uspořádání v systémech se sociálními interakcemi 05.11.2013 - 14:00
AS seminar: MELT SPINNING PROCESS: ANALYTICAL AND NUMERICAL SOLUTIONS 04.11.2013 - 11:00
Syndikovat obsah
Ustav teorie informace a automatizace