Autoři:Jakub Doležal, Jiří Štěpanovský.  Harmony search v C++  Účelová funkce Sammonova zobrazení  Využití Bergmannových divergencí  Numerické experimenty.

Slides:



Advertisements
Podobné prezentace
Lineární klasifikátor
Advertisements

Kreativní festival vědy Jižní Korea 2013
“Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky.”
Rekonstrukce povrchu objektů z řezů Obhajoba rigorózní práce 25. června 2003 Radek Sviták
BINOMICKÉ ROZDĚLENÍ (Bernoulliovo schéma)
Problematika a metody zpracování biomed. dat z pohledu jejich klasifikace Marcel Jiřina.
Genetické algoritmy [GA]
Vznik a vývoj teorie informace
36SI GUI specifikace. 1. Úvod PowerPlant - Modul pro vizualizaci biologických dat SI Team no.5 Pavel Dejmekvedoucí projektu Jan Suváktester Filip Trávnickýanalytik.
Aplikace metrických indexovacích metod na data získaná hmotnostní spektrometrií Jiří Novák
Aplikace metrických indexovacích metod na data získaná hmotnostní spektrometrií Ing. Jiří Novák
Návrh a optimalizace filtru OTA-C s využitím heuristických algoritmů ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra teorie obvodů.
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Získávání informací Získání informací o reálném systému
LOGISTICKÉ SYSTÉMY 9/14.
LOGISTICKÉ SYSTÉMY 4/14.
Text: Reprodukce nálevníků Metody získávání vědeckých poznatků
PB161 – Programování v jazyce C++ Objektově Orientované Programování
Podpora profesního rozvoje učitelů v počátečním vzdělávání CZ.1.07/1.3.00/ Stěžejním motivem je představení netradičních a inovativních výukových.
M. Havelková, H. Chmelíčková, H. Šebestová
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
IGrid index Roman Krejčík. Obsah Motivace Prokletí dimenze Míry podobnosti IGrid, IGrid+ Experimentální porovnání.
Statistická analýza únavových zkoušek
Vlastnosti relací Říjen Prostá relace Každý obraz má nejvýše jeden vzor.
1 Nedodržení předpokladu normality v regulačním diagramu.
Střední škola Oselce Škola: SŠ Oselce, Oselce 1, Nepomuk, Projekt: Registrační číslo: CZ.1.07/1.5.00/ Název: Modernizace.
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Základy statistické indukce Základní soubor, náhodný výběr Základní statistický soubor (stručněji základní soubor) je statistický soubor, z něhož pořizujeme.
PLANIMETRIE MATEMATIKA - 2.ROČNÍK Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T.G. Masaryka, Kostelec nad.
Název školyIntegrovaná střední škola technická, Vysoké Mýto, Mládežnická 380 Číslo a název projektuCZ.1.07/1.5.00/ Inovace vzdělávacích metod EU.
Pár dalších použití statistiky v přírodních vědách
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
Popisné statistiky. Výskyt strupovitosti se zdá být ve vztahu s obsahem některých chemických prvků “ve slupkách“ hlíz. Některé odrůdy trpí strupovitostí.
ISS Úlohy o podobnosti objektů, mnohorozměrné škálování Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí.
CZ.1.07/1.4.00/ VY_32_INOVACE_616_F7 Výukový materiál zpracovaný v rámci projektu Vzdělávací oblast: Člověk a příroda Předmět: Fyzika Ročník: 7.
LatVis Zobrazte si svazy a uspořádané množiny! Jan Outrata.
Perspektiva Perspektiva je optický jev, jenž způsobuje: Perspektiva je optický jev, jenž způsobuje: – že se vzdálené objekty jeví zdánlivě menší než objekty.
Pravděpodobnost.
Infrastruktura pro dotazování nad sémantickými daty Jiří Dokulil, Jakub Yaghob, Filip Zavoral Katedra softwarového inženýrství, MFF UK Praha
Vícerozměrné statistické metody
Vyhledávání v multimediálních databázích Tomáš Skopal KSI MFF UK 4. Mapování a redukce dimenze 1. část – úvod + mapování vektorových sad.
031122GKANALYTICS ANALYTIKA zdroj informací KACÍŘSTVÍ či PARADIGMA ? Jiří ŠEVČÍK.
4 Základy - pojmy Střed promítání ,,O“ Hlavní bod snímku ,,H“ Konstanta komory ,,f“ Osa záběru Střed snímku ,,M“ Rámová značka (měřický snímek) Úvod do.
SEKVENCE A:MASAQSFYLL SEKVENCE B:MASGQWLLAS Které oblasti A a B jsou si nejvíce podobné ? Jsou si A a B víc podobné než A a C ? Která ze sekvencí X1,...,Xn.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Podobnost trajektorií Jiří Jakl Úvod - využití Rozpoznáváni ručně psaných textů GPS navigace Analýza pohybu pracovníku v budovách Predikce.
Tvorba modelu prostředí pro mobilní roboty Petr Kolman.
Algoritmy pro počítačovou grafiku Mikšů Vojtěch, Gymnázium Dr. A. Hrdličky, Humpolec Dobeš Václav, Soukromé Gymnázium AD Fontes, Jihlava Větrovský Lukáš,
Metrické indexování vektorových modelů v oblasti Information Retrieval
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Laser Simulation DSS Ing. Jana Hájková Doc. Ing. Pavel Herout, Ph.D.
Vizualizační 3D projekt rozhleden na území Moravskoslezského kraje řešitel : vedoucí projektu : konzultant : zadavatel : Michal Osovský Mgr. Ivana Češková.
Marketingové informace a marketingový výzkum. Marketingový informační systém sběr informací třídění informací analyzování informací distribuce informací.
STRUKTURA METODIKY STRUKTURA METODICKÉHO LISTU PRACOVNÍ LIST PROJEKTOVÝ DEN A PREZENTAČNÍ DEN PROGRAM SEMINÁŘE CHEMIE 1 Projekt TROJLÍSTEK, Seminář chemie,
ŘEŠENÍ PROBLÉMŮ: GESTALT PSYCHOLOGIE, TEORIE PROSTORU PROBLÉMU EXPERTI ROZHODOVÁNÍ: HEURISTIKY, TEORIE PODPORY, TEORIE UŽITKU CHYBY V ROZHODOVÁNÍ Řešení.
Střední škola a Vyšší odborná škola cestovního ruchu, Senovážné náměstí 12, České Budějovice Č ÍSLO PROJEKTU CZ.1.07/1.5.00/ Č ÍSLO MATERIÁLU.
ANALÝZA A KLASIFIKACE DAT
Chyby měření / nejistoty měření
Některá rozdělení náhodných veličin
Ing. Milan Houška KOSA PEF ČZU v Praze
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Základní pojmy v automatizační technice
Úlohy o podobnosti objektů, mnohorozměrné škálování
CW-057 LOGISTIKA 29. PŘEDNÁŠKA Optimalizační metody Leden 2017
Aplikační seminář
Fylogenetická evoluční analýza
Ing. Milan Houška KOSA PEF ČZU v Praze
5. cvičení
ANALÝZA A KLASIFIKACE DAT
, Brno Připravil: Kryštof Német
Transkript prezentace:

Autoři:Jakub Doležal, Jiří Štěpanovský

 Harmony search v C++  Účelová funkce Sammonova zobrazení  Využití Bergmannových divergencí  Numerické experimenty

 Optimalizační heuristika  Počet hudebníků (6)  Náhodná improvizace(15%)  Pravděpodobnost inspirace jiným hudebníkem (85%)  „Doladění“ (mutace) 50%  Rozsah ladění 1%

 Počet objektů N  Objekty x 1, x 2,x x n  Obrazy y 1, y 2, y y n  Vzdálenosti

 Sammonův error neboli Sammonův stres  Rozšířený Sammonův error

 Velké množství dat ke zpracování  Přeměna více dimenzionálního na méně dimenzionální-za účelem vizualizace  Příklady-technická odvětví, HR, psychologie, léčení nebo určování chronických nemocí

 Program s Harmony search k Sammonovu zobrazení  Využití převážně na redukci dimenzionality problému

 Vzdálenost slov na základě podobnosti

 Poznání Heuristických metod  Seznámení se Sammonovým zobrazením  Vytvoření programu v C++  Zkoušení vlastních pokusů s Sammonovým zobrazením

 [1]A Nonlinear Mapping for Data Structure analysis-John W. Sammon JR. IEEE Transactions on Computers 18, str: 401–409.  [2]Sun, J., Crowe, M., Fyfe, C., Extending metric multidimensional scaling with Bregman divergences, Pattern recognition, Elsevier, 2011, str