Výsledky vyhledávání

0532799 - ÚI 2021 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
LWS-based robust multilayer perceptron 1.0.
Interní kód: LWSbased 1.0 ; 2020
Technické parametry: Kód v Pythonu je samostatně spustitelný. Je třeba, aby uživatel instaloval v Pythonu math, NumPy, TensorFlow a Keras. Spuštění kódu je přímočaré podle dokumentace. Dostupné pod licencí MIT.
Ekonomické parametry: Software umožňuje uživateli provést robustní trénování neuronových sítí založené na robustní ztrátově funkci. Jde dosud o první takovou veřejně dostupnou implementaci. Software tak výrazně usnadňuje práci s neuronovými sítěmi a ušetří uživateli značnou námahu s vlastní implementací tohoto vysoce optimalizovaného kódu.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: neuronové sítě * robustnost * ztrátová funkce * odlehlé hodnoty * neural networks * robustness * loss function * outliers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/LWS-based-multilayer-perceptron
Trvalý link: http://hdl.handle.net/11104/0311197

0532169 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Schlenker, A.
Minimum Redundancy Maximum Relevance variable selection 1.0.
Interní kód: MRMR 1.0 ; 2020
Technické parametry: Kód v softwaru R je samostatně spustitelný, vyžaduje instalaci několika dostupných knihoven (MASS, glmnet, e1071, pamr, rda, rrlda). Spuštění je přímočaré s využitím kódu ze souboru DimReduction.R a s využitím dokumentace v něm uvedené, soubor Classifiers.R obsahuje jen pomocné postupy. Dostupné pod licencí MIT.
Ekonomické parametry: Software provádí robustní regularizovanou verzi známé metody MRMR pro redukci dimenze. Zde jde o dosud první dostupnou implementaci MRMR metody, která je vhodná pro vysoce dimenzionální data kontaminovaná odlehlými hodnotami, zároveň optimálně odhaduje veškeré parametry, a proto výrazně usnadňuje práci uživatelům.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: Redukce dimenze * robustnost * vysoce dimenzionální data * Dimension reduction * robustness * high-dimensional data
Obor OECD: Statistics and probability
https://github.com/jankalinaUI/Minimum_Regularized_Redundancy_Maximum_Robust_Relevance_Variable_Selection
Trvalý link: http://hdl.handle.net/11104/0310758

0532166 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Vidnerová, Petra - Peštová, Barbora
Metalearning for robust regression 1.0.
Interní kód: Metalearning 1.0 ; 2020
Technické parametry: Kód v softwaru R je samostatně spustitelný podle dokumentace. Je třeba soubory spouštět v tomto pořadí: ReadingData.R, Primary.R, Features.R, Secondary.R. Alternativní postupy k metodám souboru Secondary.R jsou obsaženy v souborech RandomForest.R nebo Regression.R. Alternativní validace (jako náhražka křížové validace) je obsažena v souboru Autovalidation.R. Dostupné pod licencí MIT.
Ekonomické parametry: Software představuje dosud jedinečný nástroj pro využití dostupných trénovacích souborů pro nalezení vhodné regresní metody pro nový datový soubor. Software tak výrazně zjednodušuje práci v oblasti selekce optimální metody (metaučení), protože kódy nejsou jinak obsaženy v žádném dostupném softwaru.
Grant CEP: GA ČR(CZ) GA19-05704S; GA ČR(CZ) GA18-23827S
Institucionální podpora: RVO:67985807
Klíčová slova: Lineární regrese * robustnost * optimální volba metody * odlehlá pozorování * Linear regression * robustness * optimal method selection * outliers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/jankalinaUI/Metalearning-for-robust-regression
Trvalý link: http://hdl.handle.net/11104/0310756

0518369 - ÚI 2020 RIV CZ eng L4 - Software
Jurica, Tomáš - Vidnerová, Petra - Kalina, Jan
Robust interquantile training of neural networks.
Interní kód: Quantile 1.0 ; 2019
Technické parametry: Kód v Pythonu je samostatně spustitelný, vyžaduje instalaci TensorFlow, Keras, SciPy, NumPy, scikit-learn. Spuštění kódu je přímočaré podle dokumentace. Dostupné pod licencí MIT.
Ekonomické parametry: Software umožňuje uživateli provést alternativní trénování neuronových sítí, které je robustní vůči odlehlým hodnotám. Jde dosud o první takovou implementaci, která je dostupná. Software výrazně usnadňuje práci s neuronovými sítěmi, protože provádět jejich trénování nezávisle na přítomnosti odlehlých hodnot by jinak vyžadovalo značně komplikované a zdlouhavé postupy.
Grant CEP: GA ČR(CZ) GA19-05704S; GA TA ČR(CZ) TN01000024
Institucionální podpora: RVO:67985807
Klíčová slova: neural network * regression * robustness * outliers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/jankalinaUI/Quantile
Trvalý link: http://hdl.handle.net/11104/0303525

0518359 - ÚI 2020 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
The least weighted squares estimator in linear regression.
Interní kód: LWS 1.0 ; 2019
Technické parametry: Kód v Matlabu, spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu fastlts.m. Dostupné pod licencí MIT.
Ekonomické parametry: Jde o dosud první veřejně dostupnou implementaci kódu pro výpočet LWS odhadu v regresi. Software tak výrazně usnadňuje regresní modelování pomocí nástrojů robustních vůči odlehlým hodnotám. Současně lze tuto implementaci LWS odhadu, která je obecná, použít i v kontextu neuronových sítí, kde by byl jiný způsob výpočtu značně složitý.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: linear regression * robustness * breakdown point * outiers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/LWScode
Trvalý link: http://hdl.handle.net/11104/0303514