Ing. Kamil Dedecius, Ph.D. (externí spolupracovník)

Kamil Dedecius - fotografie
e-mail: zobrazit e-mail
www: http://www.utia.cas.cz/people/dedecius
instituce: ÚTIA AVČR
adresa: Pod Vodárenskou věží 4, Praha 8
 

témata prací

ABC - nové metody bayesovské simulace

školitel: Kamil Dedecius
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM, II_SIMI
klíčová slova: ABC, Approximate Bayesian Computation, Monte-Carlo
popis: ABC (Approximate Bayesian Computation) je skupina moderních numerických metod spadajících do sféry bayesovské statistiky. Používá se v případě, že statistický model je buď analyticky špatně dosažitelný nebo výpočetně náročný a výhodnější je data simulovat a porovnávat získané simulace s daty existujícími. Ačkoliv je základní podoba metod na první pohled relativně triviální, vzhledem novosti celého aparátu se otevírá nepřeberné množství dosud nevyřešených otázek a problémů. Navíc se přidávají i problémy typické pro běžné Monte-Carlo metody. Konkrétní náplň diplomových a bakalářských prací se může týkat volby parametrů ABC, návrhu dynamických variant ABC, kombinaci ABC s jinými statistickými metodami, výběru modelů a mnoha jiných relevantních aspektů ABC.
literatura: Marjoram, P., Molitor, J., Plagnol, V. & Tavaré, S. Markov chain Monte Carlo without likelihoods. Proceedings of the National Academy of Sciences vol. 100, pp. 15324-15328 (2003). URL http://dx.doi.org/10.1073/pnas.0306899100.

Moral, P., Doucet, A., Jasra, A., An adaptive sequential Monte Carlo method for approximate Bayesian computation, Statistics and Computing, pp. 1-12 (2011).
poznámka: Téma je velmi vhodné i pro týmy studentů.
naposledy změněno: 23.04.2012 14:23:42

Distribuované modelování stochastických systémů

školitel: Kamil Dedecius
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM, II_SIMI
klíčová slova: odhadování, Bayesovská statistika, distribuované systémy
popis: Bakalářské a diplomové práce budou zaměřené zejména na distribuované odhadování parametrů stochastických modelů. Máme-li síť (např. neorientovaný graf) v níž jednotlivé uzly pozorují a modelují tentýž stochastický fenomén, může být velmi výhodné sdílet jejich aktuální statistickou znalost a zpřesňovat tak kvalitu modelování resp. odhadů. V současné době existuje řada přístupů ke sdílení zmíněné statistické znalosti: centrální uzel, Hamiltonovská kružnice, úplný graf atd. Otevírá se tak celá skupina témat, např. o vlivu topologie sítě na vlastnosti odhadu, návrzích metod sekvenčního či paralelního zpracování informace ve vybraném uzlu či uzlech, výběr modelů, témata o způsobech výměny dat a mnoho jiných. Typickými příklady takových systémů jsou senzorové sítě, radarové sítě pro sledování letících objektů a jiné.
literatura: Například následující:
Lopes, C. G. Sayed, A. H., Diffusion Least-Mean Squares Over Adaptive Networks: Formulation and Performance Analysis, IEEE Transactions on Signal Processing , vol. 56, no. 7, 3122-3136 (2008).

Cattivelli, F. S., Lopes, C. G. Sayed, A. H., Diffusion Recursive Least-Squares for Distributed Estimation Over Adaptive Networks, IEEE Transactions on Signal Processing , vol. 56, no. 5, 1865-1877 (2008).
poznámka: Bohaté téma vhodné i pro týmy studentů.
naposledy změněno: 14.08.2013 20:16:50

za obsah této stránky zodpovídá: Radek Fučík | naposledy změněno: 7.8.2011
Trojanova 13, 120 00 Praha 2, tel. 224 358 540, pevná linka 224 923 098, fax 234 358 643
České vysoké učení technické v Praze | Fakulta jaderná a fyzikálně inženýrská | Katedra matematiky