Search results
- 1.0532799 - ÚI 2021 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
LWS-based robust multilayer perceptron 1.0.
Internal code: LWSbased 1.0 ; 2020
Technical parameters: 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.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : neuronové sítě * robustnost * ztrátová funkce * odlehlé hodnoty * neural networks * robustness * loss function * outliers
OECD category: 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
Permanent Link: http://hdl.handle.net/11104/0311197
Research 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 - 3.0532169 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Schlenker, A.
Minimum Redundancy Maximum Relevance variable selection 1.0.
Internal code: MRMR 1.0 ; 2020
Technical parameters: 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.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : Redukce dimenze * robustnost * vysoce dimenzionální data * Dimension reduction * robustness * high-dimensional data
OECD category: Statistics and probability
https://github.com/jankalinaUI/Minimum_Regularized_Redundancy_Maximum_Robust_Relevance_Variable_Selection
Permanent Link: http://hdl.handle.net/11104/0310758
Research data: GitHub.com - 4.0532168 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Broniatowski, M. - Jurečková, Jana
Robust likelihood ratio test under measurement errors 1.0.
Internal code: Likelihood 1.0 ; 2020
Technical parameters: Kód v softwaru R je samostatně spustitelný podle dokumentace. Je třeba soubory spouštět v pořadí: TestStatistic.R, CriticalValue.R, Power.R. Pak kód postupně počítá testovou statistiku, příslušnou kritickou hodnotu, a odhaduje sílu testu. Uživatel nepotřebuje instalovat žádné speciální knihovny. Dostupné pod licencí MIT.
Economic parameters: Kódy představují implementaci originálního postupu pro výpočet robustní verze testu poměrem věrohodností, který představuje i teoretickou novinku. Vzhledem k tomu, že daný postup je značně komplikovaný (i v jednoduchých úlohách, představují kódy značnou časovou úsporu pro uživatele, který by si jinak musel kódy sám implementovat.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807 ; RVO:67985556
Keywords : Robustní testování hypotéz * chyby měření * dvouvýběrový test * Robust hypothesis testing * measurement errors * two-sample test
OECD category: Pure mathematics; Pure mathematics (UTIA-B)
https://github.com/jankalinaUI/Likelihood-ratio-testing-under-measurement-errors
Permanent Link: http://hdl.handle.net/11104/0310757
Research data: GitHub.com - 5.0532166 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Vidnerová, Petra - Peštová, Barbora
Metalearning for robust regression 1.0.
Internal code: Metalearning 1.0 ; 2020
Technical parameters: 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.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S; GA ČR(CZ) GA18-23827S
Institutional support: RVO:67985807
Keywords : Lineární regrese * robustnost * optimální volba metody * odlehlá pozorování * Linear regression * robustness * optimal method selection * outliers
OECD category: 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
Permanent Link: http://hdl.handle.net/11104/0310756
Research data: Github.com - 6.0532165 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Litavcová, E. - Vašaničová, P.
Heteroscedastic multicollinear regression 1.0.
Internal code: Heter 1.0 ; 2020
Technical parameters: Kód v softwaru R je samostatně spustitelný podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovny glmnet, quantreg, Qtools. Dostupné pod licencí MIT.
Economic parameters: Soubory prezentují vzorovou regresní analýzu za nestandardních podmínek (za heteroskeasticity a zároveň multikolinearity). Jednotlivé příkazy jsou v zásadě známé, ale přínos softwaru je v tom, že sofistikovaně využívá široké spektrum rozličných nástrojů (regresní odhady, testy hypotéz, odhady kvantilů), jejichž vyhledávání by jinak bylo pro uživatele časově náročné.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : Lineární regrese * robustnost * regresní kvantily * regularizace * Linear regression * robustness * regression quantiles * regularization
OECD category: Statistics and probability
https://github.com/jankalinaUI/Heteroscedastic-multicollinear-regression
Permanent Link: http://hdl.handle.net/11104/0310754
Research data: GitHub.com - 7.0518369 - ÚI 2020 RIV CZ eng L4 - Software
Jurica, Tomáš - Vidnerová, Petra - Kalina, Jan
Robust interquantile training of neural networks.
Internal code: Quantile 1.0 ; 2019
Technical parameters: Kód v Pythonu je samostatně spustitelný, vyžaduje instalaci TensorFlow, Keras, SciPy, NumPy, scikit-learn. Spuštění kódu je přímočaré podle dokumentace. Dostupné pod licencí MIT.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S; GA TA ČR(CZ) TN01000024
Institutional support: RVO:67985807
Keywords : neural network * regression * robustness * outliers
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/jankalinaUI/Quantile
Permanent Link: http://hdl.handle.net/11104/0303525
Research data: Github.com - 8.0518361 - ÚI 2020 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
Robust MWCD (minimum weighted covariance determinant) estimator for multivariate data.
Internal code: MWCD 1.0 ; 2019
Technical parameters: Kód v Matlabu, spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu fastmcd.m. Dostupné pod licencí MIT.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : multivariate data * robustness * breakdown point * outliers
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/MWCDcode
Permanent Link: http://hdl.handle.net/11104/0303517
Research data: Github.com - 9.0518359 - ÚI 2020 RIV CZ eng L4 - Software
Tichavský, Jan - Kalina, Jan
The least weighted squares estimator in linear regression.
Internal code: LWS 1.0 ; 2019
Technical parameters: Kód v Matlabu, spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu fastlts.m. Dostupné pod licencí MIT.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : linear regression * robustness * breakdown point * outiers
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/Veragin/LWScode
Permanent Link: http://hdl.handle.net/11104/0303514
Research data: Github.com - 10.0517255 - ÚI 2020 RIV CZ eng L4 - Software
Kalina, Jan - Tichavský, Jan - Tobišková, Nicole
Nonparametric bootstrap for estimating variability of robust regression estimators.
Internal code: Nonparametric Bootstrap 1.0 ; 2019
Technical parameters: Kód v programovacím jazyce R spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu robustbase. Dostupné pod licencí MIT.
Economic parameters: 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.
R&D Projects: GA ČR(CZ) GA19-05704S
Institutional support: RVO:67985807
Keywords : robust regression * nonparametric bootstrap * outliers * covariance matrix
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/jankalinaUI/Bootstrap-LWS
Permanent Link: http://hdl.handle.net/11104/0302552
Research data: Github.com