Předmět Pravděpodobnostní modelování a metody soft computingu (PMMSC)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu PMMSC - Pravděpodobnostní modelování a metody soft computingu, Vysoká škola báňská - Technická univerzita Ostrava (VŠB-TU).

Materiál	Typ	Datum	Počet stažení

Cíl

Pojetí Soft Computingu. Metody matematické statistiky a pravděpodobnostního počtu, Regularizační teorie pro modelováníekonomických procesů. Umělé neuronové sítě a predikční modely v ekonomice, Učení neuronových sítí jako podporaodhadu parametrů nelineárních modelů. Prototypování dat a jejího využití při modelování ekonomických systému afinančních procesů. Strojové učení založené na SVM (Support Vector Machine). Klasifikační modely strojového učeníSVM a jejích využití v modelování procesů s rozsáhlými daty. Predikce ekonomických časových řad pomocí metody SVM- problémy a možnosti její aplikace.

Osnova

Pojetí Soft Computingu. Metody matematické statistiky a pravděpodobnostního počtu, Regularizační teorie pro modelováníekonomických procesů. Umělé neuronové sítě a predikční modely v ekonomice, Učení neuronových sítí jako podporaodhadu parametrů nelineárních modelů. Prototypování dat a jejího využití při modelování ekonomických systému afinančních procesů. Strojové učení založené na SVM (Support Vector Machine). Klasifikační modely strojového učeníSVM a jejích využití v modelování procesů s rozsáhlými daty. Predikce ekonomických časových řad pomocí metody SVM- problémy a možnosti její aplikace.

Literatura

SCHÖLKOPF, B., SMOLA, A. Learning With Kernels. Cambridge, Ma: Mit Press, 2002.HAYKIN, S. Neural Networks: A Comprehensive Foundation. 2nd edition, Prentice Hall, 1998.MAIMOND, O. and ROKACH, L., editors. Soft Computing for Knowledge Discovery and Data Mining. Springer Verlag, Berlin,Germany, 2007.JIN, B., ZHANG, I.Q and WANG, B.H. Granular Kernel Trees with Parallel Genetic Algorithms for Drug Activity Comparisons,International Journal of Datamining and Bioinformatics, vol. 1, no 3, pp. 270-285, 2007.MARCEK, M., MARCEK, D. Granular RBF Neural Network Implementation of Fuzzy Systems: Application to Time SeriesModelling. Journal of Multi-Valued Logic & Soft Compiting, 14 (2008), pp.400-414.ALPAIDIN, E. Introduction to Machine Learning (Adaptive Computation and Machine Learning), MIT Press, 2004.ALPAIDYN, E. Introduction to Machine Learning, Cambridge, Mass.: MIT Press, 2010.BUHMANN, M.D. Radial Basis Function: Theory and Implementations, Camridge University Press, 2003.LUGER, G.F. Artificial Intelligence, Addison Wesley, 2005.MARČEK, D. Pravděpodobnostní modelování a soft computing v ekonomike.VŠB-TU Ostrava, 2013, ISBN978-80-248-2955-5.

Požadavky

Žádné

Garant

prof. Ing. Dušan Marček, CSc.

Vyučující

prof. Ing. Dušan Marček, CSc.