Search results

  1. 1.
    0581983 - ÚFM 2025 RIV GB eng J - Journal Article
    Govind, K. - Oliveros, D. - Dlouhý, Antonín - Legros, M. - Sandfeld, S.
    Deep learning of crystalline defects from TEM images: a solution for the problem of 'never enough training data'.
    Machine Learning-Science and Technology. Roč. 5, č. 1 (2024), č. článku 015006. E-ISSN 2632-2153
    Institutional support: RVO:68081723
    Keywords : situ * insights * deep learning * synthetic training data * segmentation * data mining * transmission electron microscopy * dislocation * crystal defect
    OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    Impact factor: 6.3, year: 2023
    Method of publishing: Open access
    https://iopscience.iop.org/article/10.1088/2632-2153/ad1a4e
    Permanent Link: https://hdl.handle.net/11104/0350122
     
     
  2. 2.
    0569945 - BC 2023 RIV CZ cze L4 - Software
    Zatloukalová, J. - Pánek, K. - Moos, Martin - Řimnáčová, Lucie - Šimek, Petr - Vojtíšek, J. - Verner, M. - Schůrek, J.
    Softvér Alpha-MAIA.
    [Software Alpha-MAIA.]
    Internal code: TJ04000555 ; 2022
    Technical parameters: Software alfa-MAIA je určen pro vyhodnocení lékařských zpráv pomocí deterministické umělé inteligence a následné zařazení stavu pacienta na principu podobností do kontextu možných léčebných postupů a předpokládaného vývoje pacientova stavu Datové vstupy: ● Data generovaná funkčním vzorkem nástrojem MetMapper® ● Biochemická data generovaná klinickou laboratoří ● Texty anonymizovaných lékařských zpráv Aktuální výstupy: ● Vizualizace sbíraných dat a interaktivní nahlížení na principu browseru, ● Normalizovaná data z nástroje MetMapper a lékařských zpráv. ● Předvolba veličin ke sledování, sledování a vizualizaci datových a textových zpráv každého jednoho pacienta, série vybraných pacientů, jejichž údaje je třeba zobrazit v čase. ● Veličinou může být volitelný metabolit, skupina metabolitů, výsledky biochemických vyšetření, slova a data obsažená v lékařské zprávě. ● Zapojení nástrojů umělé inteligence algoritmicky porovnávající obsahové podobnosti mezi lékařskými zprávami na úrovni struktury, textu a vybraných klíčových veličin, které zprávy obsahují ● Zobrazování a vývoj veličin v čase, volba váhy každé, jednotlivé skupiny veličin / veličiny. ● Zobrazování formou semaforu, dále ve formě trendových křivek u jednotlivých zvolených veličin anebo skupiny veličin.
    Economic parameters: Softvér Alfa-MAIA představuje ucelené řešení, které je určeno pro použití lékaři na specializovaném oddělení “u lůžka pacienta”, testované na datech a vzorcích pořízených na oddělení nemocnice pečující přímo o infekční pacienty vyvíjející septické stavy. Vyvinuté řešení umožňuje shromáždit generovaná metabolomická, biochemická a jiná data, klinické zprávy na jednom místě a s pomocí nástrojů umělé inteligence je hodnotit, klasifikovat a připravit lékaři podklady pro stanovení diagnózy a postupu léčby. Vytvořené řešení umožnuje rychleji uživateli rychlejší a efektivnější vyhodnocení pacientova zdravotního stavu, stanovení postupu léčby vhodným terapeutickým postupem a rychlý přístup ke všem shromážděným informacím v jednom formátu. Pro původce softvéru MAIA představuje vyvinuté řešení výchozí základnu pro realizaci nového nástroje v klinické medicíně schopného postupného učení ke zdokonalování diagnostických postupů a stanovení optimálního postupu léčby.
    R&D Projects: GA TA ČR(CZ) TJ04000555
    Institutional support: RVO:60077344
    Keywords : cognitive data mining * statistical * deterministic artificial intelligence * metabolomic analysis * biomarkers * clinical diagnostics
    OECD category: Biochemical research methods
    https://bclab.eu/research-and-development/maia
    Permanent Link: https://hdl.handle.net/11104/0341479
     
     
  3. 3.
    0567979 - KNAV 2023 RIV CZ cze L4 - Software
    Lehečka, B. - Novák, D. - Kersch, Filip - Hladík, Radim - Bíšková, J. - Sekyrová, K. - Válek, F. - Vozár, Z. - Bodnár, N. - Sekan, P. - Bežová, M. - Žabička, P. - Lhoták, Martin - Straňák, Pavel
    DL4DH Feeder.
    [DL4DH Feeder.]
    Internal code: DL4DH ; 2022
    Technical parameters: Open source řešení pro vytěžování obsahu digitálních knihoven, licencované pod GNU GPL v3, programované v jazyce Java, využívající další open source komponenty. Dostupné z: https://github.com/LIBCAS/DL4DH-Feeder/wiki
    Economic parameters: Volně dostupné řešení je ekonomicky výhodné pro všechny uživatele z řad knihoven, které zpřístupňují své digitální dokumenty a objekty v systému Kramerius, jelikož nemusí vynakládat prostředky na jeho licencování. Zároveň je výhodné pro uživatele - vědecké pracovníky, kteří mohou získat bezplatný přístup k vytěžování dat z digitálních knihoven
    R&D Projects: GA MK(CZ) DG20P02OVV002
    Keywords : DL4DH * data mining * digital humanities
    OECD category: Library science
    https://feeder.nkp.cz/
    Permanent Link: https://hdl.handle.net/11104/0339348
     
     
  4. 4.
    0563344 - ÚI 2024 RIV US eng J - Journal Article
    Marmolejo-Ramos, F. - Tejo, M. - Brabec, Marek - Kužílek, J. - Joksimovic, S. - Kovanovic, V. - González, J. - Kneib, T. - Bühlmann, P. - Kook, L. - Briseño-Sánchez, G. - Ospina, R.
    Distributional regression modeling via generalized additive models for location, scale, and shape: An overview through a data set from learning analytics.
    Wiley Interdisciplinary Reviews-Data Mining and Knowledge Discovery. Roč. 13, č. 1 (2023), č. článku e1479. ISSN 1942-4787. E-ISSN 1942-4795
    Institutional support: RVO:67985807
    Keywords : causal regularization * causality * educational data mining * generalized additive models for location, scale and shape * learning analytics * machine learning * statistical learning * statistical modeling * supervised learning
    OECD category: Statistics and probability
    Impact factor: 6.4, year: 2023
    Method of publishing: Open access
    https://dx.doi.org/10.1002/widm.1479
    Permanent Link: https://hdl.handle.net/11104/0335333
    FileDownloadSizeCommentaryVersionAccess
    0563344-aoaonl.pdf33.6 MBOA CC BY 4.0Publisher’s postprintopen-access
     
     
  5. 5.
    0553224 - ÚI 2022 RIV RS eng C - Conference Paper (international conference)
    Kalina, Jan
    Regression Modelling as a Basis of Clinical Decision Support.
    PaKSoM 2021. Proceedings of the 3rd Virtual International Conference Path to a Knowledge Society - Managing Risks and Innovation. Niš: Complex Systems Research Centre and Mathematical Institute of the Serbian Academy of Sciences and Arts, 2021 - (Stanković, M.; Nikolić, V.), s. 97-104. ISBN 978-86-80593-72-2.
    [PaKSoM 2021: Virtual International Conference Path to a Knowledge Society - Managing Risks and Innovation /3./. Virtual (RS), 15.11.2021-16.11.2021]
    R&D Projects: GA MZd(CZ) NU21-08-00432
    Institutional support: RVO:67985807
    Keywords : clinical decision making * machine learning * data mining * nonlinear regression * Big Data analytics * predictive analytics * healthcare * medical informatics * COVID-19 pandemic
    OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    https://paksom.cosrec.org/wp-content/uploads/2022/02/PaKSoM2021.pdf
    Permanent Link: http://hdl.handle.net/11104/0328218
    FileDownloadSizeCommentaryVersionAccess
    0553224-aoa.pdf7380.3 KBVolně onlinePublisher’s postprintopen-access
     
     
  6. 6.
    0551785 - KNAV 2022 RIV SK cze J - Journal Article
    Lhoták, Martin
    DL4DH - Digital Libraries for Digital Humanities - nový projekt na vytěžování obsahu digitálních knihoven.
    [DL4DH - Digital Libraries for Digital Humanities - a new project for mining of the content from digital libraries.]
    IT lib. Roč. 2020, č. 4 (2020), s. 26-31. ISSN 1335-793X. E-ISSN 1336-0779
    R&D Projects: GA MK(CZ) DG20P02OVV002
    Keywords : digital library * open source software * Kramerius * digital humanities * TEI * data mining
    OECD category: Library science
    Method of publishing: Open access
    https://itlib.cvtisr.sk/wp-content/uploads/2021/02/Lhotak.pdf
    Permanent Link: http://hdl.handle.net/11104/0327063
     
     
  7. 7.
    0547633 - ÚI 2022 RIV CH eng J - Journal Article
    Dropka, N. - Böttcher, K. - Holeňa, Martin
    Development and Optimization of VGF-GaAs Crystal Growth Process Using Data Mining and Machine Learning Techniques.
    Crystals. Roč. 11, č. 10 (2021), č. článku 1218. ISSN 2073-4352. E-ISSN 2073-4352
    R&D Projects: GA ČR(CZ) GA18-18080S
    Institutional support: RVO:67985807
    Keywords : VGF-GaAs growth * machine learning * data mining * decision trees * correlation analysis * PCA biplot * k-means clustering
    OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    Impact factor: 2.670, year: 2021
    Method of publishing: Open access
    http://dx.doi.org/10.3390/cryst11101218
    Permanent Link: http://hdl.handle.net/11104/0323829
    FileDownloadSizeCommentaryVersionAccess
    0547633-afin.pdf33.2 MBOA CC BY 4.0Publisher’s postprintopen-access
     
     
  8. 8.
    0542058 - GFÚ 2022 RIV NL eng J - Journal Article
    Opršal, Ivo - Thun, Johannes - Burjánek, Jan - Fäh, D.
    Measurements and modeling of the post-failure micro-deformations and tilts of the Preonzo unstable slope, Alpe di Roscioro, Switzerland.
    Engineering Geology. Roč. 280, January (2021), č. článku 105919. ISSN 0013-7952. E-ISSN 1872-6917
    Grant - others:Ministerstvo školství, mládeže a tělovýchovy - GA MŠk(CZ) LM2018140
    Institutional support: RVO:67985530
    Keywords : rock slope instability * finite difference modeling * directional deformations * micro deformations * micro tilt * data mining
    OECD category: Volcanology
    Impact factor: 6.902, year: 2021
    Method of publishing: Open access
    https://www.sciencedirect.com/science/article/pii/S0013795220318160
    Permanent Link: http://hdl.handle.net/11104/0319548
    FileDownloadSizeCommentaryVersionAccess
    Oprsal2021EngGeol.pdf17.3 MBPublisher’s postprintopen-access
     
     
  9. 9.
    0541273 - ÚI 2022 RIV US eng M - Monography Chapter
    Kalina, Jan
    Managerial Decision Support in the Post-COVID-19 Era: Towards Information-Based Management.
    Handbook of Research on Entrepreneurship, Innovation, Sustainability, and ICTs in the Post-COVID-19 Era. Hershey: IGI Global, 2021 - (Carvalho, L.; Reis, L.; Silveira, C.), s. 225-241. ISBN 9781799867760
    Institutional support: RVO:67985807
    Keywords : Decision Making * Evidence-Based Management * Decision Support System * Automation * Tacit Knowledge * Uncertainty * Information-Based Management * Big Data * Robust Data Mining
    OECD category: Business and management
    https://www.igi-global.com/book/handbook-research-entrepreneurship-innovation-sustainability/256932
    Permanent Link: http://hdl.handle.net/11104/0318860
     
     
  10. 10.
    0533931 - ÚI 2021 RIV DE eng G - Proceedings (international conference)
    Holeňa, Martin (ed.) - Horváth, T. (ed.) - Kelemenová, A. (ed.) - Mráz, F. (ed.) - Pardubská, D. (ed.) - Plátek, M. (ed.) - Sosík, P. (ed.)
    Proceedings of the 20th Conference Information Technologies - Applications and Theory (ITAT 2020).
    Aachen: Technical University & CreateSpace Independent Publishing, 2020. 245 s. CEUR Workshop Proceedings, 2718. ISSN 1613-0073.
    [ITAT 2020: Information Technologies - Applications and Theory /20./. Oravská Lesná (SK), 18.09.2020-22.09.2020]
    R&D Projects: GA ČR(CZ) GA19-05704S
    Institutional support: RVO:67985807
    Keywords : Computational intelligence * Data mining * Natural computing * Formal languages * Natural language processing
    OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    http://ceur-ws.org/Vol-2718/
    Permanent Link: http://hdl.handle.net/11104/0312160
    FileDownloadSizeCommentaryVersionAccess
    0533931-aw.pdf2226.2 KBCC BY 4.0 předmluvaPublisher’s postprintopen-access
     
     

  This site uses cookies to make them easier to browse. Learn more about how we use cookies.