Modelové vyhodnocení urbanistických scénářů na kvalitu ovzduší a tepelný komfort v uliční síti
Resler, Jaroslav; Krč, Pavel; Belda, Michal; Juruš, Pavel; Benešová, N.; Vlček, O.; Damašková, D.; Eben, Kryštof; Derbek, P.
2017 - český V projektu UrbanAdapt byl vyvinut nový model pro simulaci městského prostředí USM integrovaný do LES modelu PALM. Model umožňuje výpočet proudění vzduchu, radiačního záření, teplot vzduchu i materiálů země a zdí, kvality ovzduší a indexů MRT a PET ve velmi jemném měřítku. Pro výpočet scénářů byla ve spolupráci s IPR Praha jako pilotní vybrána oblast Holešovic v okolí křižovatky ulic Komunardů a Dělnická. Navržené scénáře zahrnovaly jak změny zástavby oblasti, zhodnocení různých typů výsadby zeleně a citlivostní studii na vliv barvy materiálů zdí, střech, silnic a chodníků. A new model for simulations of urban environment USM was developed and integrated into LES model PALM inside the project UrbanAdapt. The model allows simulations of air flow, radiation, air temperature and temperature of materials, air pollution and indices MRT and PET in fine resolution. The surrounding of a crossroad of the streets Komunardu and Delnicka in Praha-Holesovice was chosen as a pilot area in collaboration with IPR Prague. Studied scenarios included changes of housing development as well as assessment of different types of plant canopy and sensitivity studies of the colour of walls, roofs, streets and pavements. Klíčová slova: USM; PALM; LES; UHI; air quality; development scenarios Plné texty jsou dostupné na jednotlivých ústavech Akademie věd ČR. Modelové vyhodnocení urbanistických scénářů na kvalitu ovzduší a tepelný komfort v uliční síti

V projektu UrbanAdapt byl vyvinut nový model pro simulaci městského prostředí USM integrovaný do LES modelu PALM. Model umožňuje výpočet proudění vzduchu, radiačního záření, teplot vzduchu i materiálů ...

Resler, Jaroslav; Krč, Pavel; Belda, Michal; Juruš, Pavel; Benešová, N.; Vlček, O.; Damašková, D.; Eben, Kryštof; Derbek, P.
Ústav informatiky, 2017

On the optimal initial conditions for an inverse problem of model parameter estimation
Matonoha, Ctirad; Papáček, Š.
2017 - anglický Plné texty jsou dostupné v digitálním repozitáři Akademie Věd. On the optimal initial conditions for an inverse problem of model parameter estimation

Matonoha, Ctirad; Papáček, Š.
Ústav informatiky, 2017

A Generalized Limited-Memory BNS Method Based on the Block BFGS Update
Vlček, Jan; Lukšan, Ladislav
2017 - anglický A block version of the BFGS variable metric update formula is investigated. It satisfies the quasi-Newton conditions with all used difference vectors and gives the best improvement of convergence in some sense for quadratic objective functions, but it does not guarantee that the direction vectors are descent for general functions. To overcome this difficulty and utilize the advantageous properties of the block BFGS update, a block version of the limited-memory BNS method for large scale unconstrained optimization is proposed. The algorithm is globally convergent for convex sufficiently smooth functions and our numerical experiments indicate its efficiency. Klíčová slova: unconstrained minimization; block variable metric methods; limited-memory methods; the BFGS update; global convergence; numerical results Plné texty jsou dostupné v digitálním repozitáři Akademie Věd. A Generalized Limited-Memory BNS Method Based on the Block BFGS Update

A block version of the BFGS variable metric update formula is investigated. It satisfies the quasi-Newton conditions with all used difference vectors and gives the best improvement of convergence in ...

Vlček, Jan; Lukšan, Ladislav
Ústav informatiky, 2017

The use of sequential quadratic programming for solving reachability problems
Kuřátko, Jan
2017 - anglický Plné texty jsou dostupné v digitálním repozitáři Akademie Věd. The use of sequential quadratic programming for solving reachability problems

Kuřátko, Jan
Ústav informatiky, 2017

Robust Regression Estimators: A Comparison of Prediction Performance
Kalina, Jan; Peštová, Barbora
2017 - anglický Regression represents an important methodology for solving numerous tasks of applied econometrics. This paper is devoted to robust estimators of parameters of a linear regression model, which are preferable whenever the data contain or are believed to contain outlying measurements (outliers). While various robust regression estimators are nowadays available in standard statistical packages, the question remains how to choose the most suitable regression method for a particular data set. This paper aims at comparing various regression methods on various data sets. First, the prediction performance of common robust regression estimators are compared on a set of 24 real data sets from public repositories. Further, the results are used as input for a metalearning study over 9 selected features of individual data sets. On the whole, the least trimmed squares turns out to be superior to the least squares or M-estimators in the majority of the data sets, while the process of metalearning does not succeed in a reliable prediction of the most suitable estimator for a given data set. Klíčová slova: robust estimation; linear regression; prediction; outliers; metalearning Plné texty jsou dostupné na jednotlivých ústavech Akademie věd ČR. Robust Regression Estimators: A Comparison of Prediction Performance

Regression represents an important methodology for solving numerous tasks of applied econometrics. This paper is devoted to robust estimators of parameters of a linear regression model, which are ...

Kalina, Jan; Peštová, Barbora
Ústav informatiky, 2017

Various Approaches to Szroeter’s Test for Regression Quantiles
Kalina, Jan; Peštová, Barbora
2017 - anglický Regression quantiles represent an important tool for regression analysis popular in econometric applications, for example for the task of detecting heteroscedasticity in the data. Nevertheless, they need to be accompanied by diagnostic tools for verifying their assumptions. The paper is devoted to heteroscedasticity testing for regression quantiles, while their most important special case is commonly denoted as the regression median. Szroeter’s test, which is one of available heteroscedasticity tests for the least squares, is modified here for the regression median in three different ways: (1) asymptotic test based on the asymptotic representation for regression quantiles, (2) permutation test based on residuals, and (3) exact approximate test, which has a permutation character and represents an approximation to an exact test. All three approaches can be computed in a straightforward way and their principles can be extended also to other heteroscedasticity tests. The theoretical results are expected to be extended to other regression quantiles and mainly to multivariate quantiles. Klíčová slova: Heteroscedasticity; Regression median; Diagnostic tools; Asymptotics Plné texty jsou dostupné na vyžádání prostřednictvím repozitáře Akademie věd. Various Approaches to Szroeter’s Test for Regression Quantiles

Regression quantiles represent an important tool for regression analysis popular in econometric applications, for example for the task of detecting heteroscedasticity in the data. Nevertheless, they ...

Kalina, Jan; Peštová, Barbora
Ústav informatiky, 2017

Výběr relevantních pravidel pro podporu klinického rozhodování
Kalina, Jan; Zvárová, Jana
2017 - český Systémy pro podporu klinického rozhodování jsou důležitými telemedicínskými nástroji se schopností pomáhat lékařům při procesu rozhodování při stanovení diagnózy, terapie či prognózy pacientů. Navrhli a implementovali jsme prototyp systému pro podporu diagnostického rozhodování, který má podobu internetové klasifikační služby. Specifikem tohoto systému je sofistikovaná statistická komponenta, která umožňuje pracovat i s velkým počtem příznaků. Optimalizuje totiž výběr těch příznaků, které jsou nejdůležitější pro určení diagnózy. Její chování jsme ověřili při analýze dat genových expresí z kardiovaskulární genetické studie. Článek diskutuje principy mnohorozměrného statistického uvažování a ukazuje obtíže analýzy vysoce dimenzionálních dat, kdy počet pozorovaných proměnných (příznaků) převyšuje počet pozorování (pacientů). Clinical decision support systems represent important telemedicine tools with the ability to help physicians within the decision process leading to determining diagnosis, therapy or prognosis of patients. We proposed and implemented a prototype of a clinical decision support system, which has the form of an internet classification service. A specific property of this system is a sophisticated statistical component, which allows to handle also a large number of symptoms and signs. It namely optimizes the selection of such symptoms and signs which are the most relevant for determining the diagnosis. The performance of the prototype was verified on an analysis of gene expression data from a cardiovascular genetic study. The paper discusses principles of multivariate statistical thinking and reveals challenges of analyzing high-dimensional data with the number of observed variables (symptoms and signs) largely exceeding the number of observations (patients). Klíčová slova: podpora rozhodování; mnohorozměrná statistika; extrakce pravidel; klasifikační analýza; redukce dimensionality Plné texty jsou dostupné na vyžádání prostřednictvím repozitáře Akademie věd. Výběr relevantních pravidel pro podporu klinického rozhodování

Systémy pro podporu klinického rozhodování jsou důležitými telemedicínskými nástroji se schopností pomáhat lékařům při procesu rozhodování při stanovení diagnózy, terapie či prognózy pacientů. Navrhli ...

Kalina, Jan; Zvárová, Jana
Ústav informatiky, 2017

Znalostní meze (super)inteligentních systémů
Wiedermann, Jiří
2016 - český V příspěvku ukážeme nový pohled na inteligenci založený na znalostním přístupu k výpočtům. Výpočty budeme chápat jako procesy, které generují znalosti nad danou znalostní doménou v rámci příslušné znalostní teorie. V tomto kontextu budeme uvažovat inteligenci jako schopnost získávat informace a transformovat je na znalosti, které jsou dále využívány pro řešení problémů. Hlavním výsledkem příspěvku je poznatek, že pokud je znalostní doména konečná a neměnná, pak lze konstruovat inteligentní systémy s tzv. samo-zlepšující se znalostní teorii, které dříve nebo později dosáhnou takový stav poznání o dané doméně, který již nelze dále kvalitativně vylepšovat. Systém tak dosáhne meze své inteligence. Based on epistemic approach to computations we present a new perspective on intelligence. Computations will be seen as processes generating knowledge over the given knowledge domain in accordance with the respective knowledge theory. In this context intelligence will be seen as an ability to gain information and transform it to knowledge used for problem solving. The main result of the paper states that as long as the epistemic domain is finite and fixed then intelligent systems with so-called self-improving theories can be designed which soon on later will reach a state of knowledge about the underlying domain which cannot be improved any further. The system will reach the limits of its own intelligence. Klíčová slova: znalost; inteligence; inteligentní systém; znalostní teorie; knowledge; intelligence; intelligent system; epistemic theory Plné texty jsou dostupné na jednotlivých ústavech Akademie věd ČR. Znalostní meze (super)inteligentních systémů

V příspěvku ukážeme nový pohled na inteligenci založený na znalostním přístupu k výpočtům. Výpočty budeme chápat jako procesy, které generují znalosti nad danou znalostní doménou v rámci příslušné ...

Wiedermann, Jiří
Ústav informatiky, 2016

Principy mnohorozměrného statistického uvažování
Kalina, Jan
2016 - český Plné texty jsou dostupné na vyžádání prostřednictvím repozitáře Akademie věd. Principy mnohorozměrného statistického uvažování

Kalina, Jan
Ústav informatiky, 2016

Some Robust Distances for Multivariate Data
Kalina, Jan; Peštová, Barbora
2016 - anglický Numerous methods of multivariate statistics and data mining suffer from the presence of outlying measurements in the data. This paper presents new distance measures suitable for continuous data. First, we consider a Mahalanobis distance suitable for high-dimensional data with the number of variables (largely) exceeding the number of observations. We propose its doubly regularized version, which combines a regularization of the covariance matrix with replacing the means of multivariate data by their regularized counterparts. We formulate explicit expressions for some versions of the regularization of the means, which can be interpreted as a denoising (i.e. robust version) of standard means. Further, we propose a robust cosine similarity measure, which is based on implicit weighting of individual observations. We derive properties of the newly proposed robust cosine similarity, which includes a proof of the high robustness in terms of the breakdown point. Klíčová slova: multivariate data; distance measures; regularization; robustness; high dimension Plné texty jsou dostupné na vyžádání prostřednictvím repozitáře Akademie věd. Some Robust Distances for Multivariate Data

Numerous methods of multivariate statistics and data mining suffer from the presence of outlying measurements in the data. This paper presents new distance measures suitable for continuous data. ...

Kalina, Jan; Peštová, Barbora
Ústav informatiky, 2016