Výsledky vyhledávání
- 1.0532799 - 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
Vědecká data: Githhub.com - 2.0532797 - ÚI 2021 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
Robust interquantile multilayer perceptron 1.0.
Interní kód: Interquantile 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 vhodných (spolehlivých) pozorováních mezi dvěma nelineárními regresními kvantily. Kód je implementován velmi efektivně a přehledně. Práce s kódem je tak výpočetně rychlejší oproti jiným implementacím, které využívají komplikované a tedy zdlouhavé postupy.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: neuronové sítě * nelineární regresní kvantily * robustnost * odlehlé hodnoty * neural networks * nonlinear regression quantiles * robustness * outliers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/Interquantile-multilayer-perceptron
Trvalý link: http://hdl.handle.net/11104/0311194
Vědecká data: Githhub.com - 3.0518361 - ÚI 2020 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
Robust MWCD (minimum weighted covariance determinant) estimator for multivariate data.
Interní kód: MWCD 1.0 ; 2019
Technické parametry: Kód v Matlabu, spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu fastmcd.m. Dostupné pod licencí MIT.
Ekonomické parametry: Jde o dosud první veřejně dostupnou implementaci kódu pro výpočet MWCD odhadu. Software tak výrazně usnadňuje analýzu mnohorozměrných dat pomocí nástrojů robustních vůči odlehlým hodnotám.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: multivariate data * robustness * breakdown point * outliers
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/MWCDcode
Trvalý link: http://hdl.handle.net/11104/0303517
Vědecká data: Github.com - 4.0518359 - 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
Vědecká data: Github.com - 5.0517255 - ÚI 2020 RIV CZ eng L4 - Software
Kalina, Jan - Tichavský, Jan - Tobišková, Nicole
Nonparametric bootstrap for estimating variability of robust regression estimators.
Interní kód: Nonparametric Bootstrap 1.0 ; 2019
Technické parametry: Kód v programovacím jazyce R spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu robustbase. Dostupné pod licencí MIT.
Ekonomické parametry: Software umožňuje uživateli odhadnout varianční matici robustních regresních odhadů pomocí neparametrického bootstrapu. Pro některé z odhadů by jiný způsob výpočtu byl značně složitý a vyžadoval by využít komerční software, pro LWS odhad není jiný způsob výpočtu ani známý. Software tak výrazně usnadňuje práci s robustními regresními odhady.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: robust regression * nonparametric bootstrap * outliers * covariance matrix
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/jankalinaUI/Bootstrap-LWS
Trvalý link: http://hdl.handle.net/11104/0302552
Vědecká data: Github.com - 6.0517237 - ÚI 2020 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
Residual and nonparametric bootstrap for estimating variability of robust regression estimators.
Interní kód: Bootstrap Residual 1.0 ; 2019
Technické parametry: Kód v Matlabu, spustitelný samostatně podle instrukcí v dokumentaci. Spuštění vyžaduje kód pro výpočet LTS a LWS odhadu. Dostupné pod licencí MIT.
Ekonomické parametry: Software umožňuje uživateli odhadnout varianční matici pro LTS a LWS odhady pomocí reziduálního bootstrapu. Software usnadňuje práci s těmito odhady, protože jiná metoda pro odhad jejich variability není dosud nikde implementovaná.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: robust regression * residual bootstrap * nonparametric bootstrap * outliers * covariance matrix
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/Bootstrap
Trvalý link: http://hdl.handle.net/11104/0302549
Vědecká data: Github.com