RNDr. Jan Kalina, Ph.D. (externí spolupracovník)

Jan Kalina - fotografie
e-mail: zobrazit e-mail
telefon: 266053099
www: http://www2.cs.cas.cz/~kalina/
instituce: Ústav informatiky AV ČR
adresa: Pod Vodárenskou věží 2, 182 07 Praha 8
 

témata prací

Robustní metody ve strojovém učení

školitel: RNDr. Jan Kalina, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM
klíčová slova: strojové učení, klasifikace, robustnost
odkaz: http://www2.cs.cas.cz/~kalina
popis: Pro řešení klasifikačních úloh, kdy je úkolem zkonstruovat pravidlo pro zařazení mnohorozměrných pozorování do jedné ze skupin, se často používají metody strojového učení (support vector machines, neuronové sítě). Diplomant provede rešerši v literatuře, která se zaměří na robustní vlastnosti standardních metod strojového učení vůči přítomnosti odlehlých pozorování. Přitom se zaměří na (1) robustní vlastnosti standardních metod strojového učení (SVM nebo neuronové sítě) vůči přítomnosti odlehlých pozorování a (2) robustní verze standardních metod strojového učení. Chování různých metod ilustruje na vhodných příkladech.
literatura: Hable R., Christmann A. (2011): On qualitative robustness of support vector machines. Journal of Multivariate Analysis 102, 993-1007. Rusiecki, A. (2008). Robust MCD-based backpropagation learning algorithm. Lecture Notes in Computer Science 5097, 154-163.
naposledy změněno: 11.09.2016 08:47:19

Některé metody neparametrické regrese

školitel: RNDr. Jan Kalina, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM, II_SIMI
klíčová slova: neparametrická regrese, regresní křivka, regularizační sítě
odkaz: http://www2.cs.cas.cz/~kalina
popis: Práce se zaměří na některé metody neparametrické regrese, jejichž úkolem je odhadnout regresní křivku na základě dat. Zejména půjde o (1) metodu taut string, která je založená na intuitivní představě nataženého provázku, a (2) regularizované neuronové sítě. Diplomant prostuduje články o vlastnostech daných metod. Obě metody implementuje a jejich chování porovná na vhodných příkladech.
literatura: Davies P.L. and Kovac A. (2001): Local extremes, runs, strings and multiresolution. Annals of Statistics 29 (1), 1-65. Girosi F., Jones M., Poggio T. (1995): Regularization theory and neural networks architectures. Neural Computation 7 (2), 219-269.
poznámka: Práce nepředpokládá žádné znalosti statistiky.
naposledy změněno: 11.09.2016 09:01:21

Nestandardní přístupy k lineární diskriminační analýze

školitel: RNDr. Jan Kalina, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM, II_SIMI
klíčová slova: klasifikace, vysoce dimenzionální data, robustnost
odkaz: http://www2.cs.cas.cz/~kalina
popis: Práce popíše některé méně tradiční verze lineární diskriminační analýzy (LDA), která je oblíbenou klasifikační metodou. Vyjde přitom z prací uvedených níže. Popíše a implementuje jednak regularizovanou LDA, která je vhodná pro data s velkým počtem proměnných, jednak robustní LDA, která je vhodná pro data kontaminovaná odlehlými hodnotami. Chování uvažovaných metod ilustruje na vhodných příkladech.
literatura: Guo Y., Hastie T., Tibshirani R. (2007): Regularized discriminant analysis and its application in microarrays. Biostatistics 8 (1), 86–100. Kalina J. (2014): Classification methods for high-dimensional genetic data. Biocybernetics and Biomedical Engineering 34, 10-18. Roelant E., Van Aelst S., Willems G. (2009): The minimum weighted covariance determinant estimator. Metrika 70 (2), 177-204.
poznámka: Práce předpokládá (pouze) základní znalosti statistiky.
naposledy změněno: 11.09.2016 09:00:48

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