Kvantilová regrese založená na konvoluční neuronové síti
| školitel: | RNDr. Jan Kalina, Ph.D. |
| e-mail: | zobrazit e-mail |
| typ práce: | bakalářská práce, diplomová práce |
| zaměření: | MI_AMSM, MINF, APIN |
| klíčová slova: | Konvoluční neuronová síť, regrese, kvantily, robustnost, heteroskedasticita |
| odkaz: | http://www.cs.cas.cz/staff/kalina/cs |
| popis: | Lineární či nelineární regresní kvantily představují metodologii pro modelování podmíněných kvantilů odezvy v závislosti na daných hodnotách nezávisle proměnných. Zatímco jsou již v literatuře popsány odhady nelineárních regresních kvantilů pomocí mělkých neuronových sítí, doposud se jen malá pozornost věnovala regresním kvantilům v kontextu konvolučních neuronových sítí. Práce vyjde z rešerše v literatuře, popíše vhodnou definici i výpočetní prostředky pro výpočet kvantilů pomocí metod hlubokého učení, a na příkladech s reálným či umělými daty ilustruje hlavní výhody těchto regresních kvantilů. |
| literatura: | [1] Cannon A.J. (2011): Quantile regression neural networks: Implementation in R and application to precipitation downscaling. Computers & Geosciences 37, 1277-1284. [2] Petneházi G. (2019): QCNN: Quantile convolutional neural network. ArXiv:1908.07978v1. [3] Moon S.J., Jeon J.J., Lee J.S.H., Kim Y. (2021): Learning multiple quantiles with neural networks. Journal of Computational and Graphical Statistics 30, 1238-1248. |
| naposledy změněno: | 14.06.2022 13:47:55 |
za obsah této stránky zodpovídá:
Pavel Strachota | naposledy změněno: 9.9.2021