Porovnání výpočetní složitosti vybraných algoritmů pro dolování znalosti z dat – Bc. Miroslav Matzke
Bc. Miroslav Matzke
Master's thesis
Porovnání výpočetní složitosti vybraných algoritmů pro dolování znalosti z dat
Comparison of Computational Complexity of Selected Data Mining Algorithms
Abstract:
Matzke, M. Porovnání výpočetní složitosti vybraných algoritmů pro dolování znalostiz dat, Diplomová práce. Brno, 2018.Tato Diplomová práce se zabývá porovnáváním zejména časové složitosti a úspěšnostiklasifikace vybraných algoritmů pro dolování znalosti z dat se zaměřením naneuronové sítě a optimálním nastavením pro vykonání práce.V teoretické části je podstatou seznámit se s rozdělením algoritmů, …moreAbstract:
Matzke, M. Comparison of Computational Complexity of Selected Data Mining Algorithms,Diploma Thesis. Brno, 2018.This diploma thesis deals with the comparison of the time complexity and the successof the classification of selected algorithms for mining knowledge from datawith focus on neural networks and optimal settings for work execution.In the theoretical part, it is essential to get acquainted with …more
Language used: Czech
Date on which the thesis was submitted / produced: 22. 5. 2018
Thesis defence
- Supervisor: doc. Ing. Jan Žižka, CSc.
- Reader: Naděžda Chalupová, Ph.D.
Citation record
ISO 690-compliant citation record:
MATZKE, Miroslav. \textit{Porovnání výpočetní složitosti vybraných algoritmů pro dolování znalosti z~dat}. Online. Master's thesis. Brno: Mendelova univerzita v Brně, Faculty of Business and Economics. 2018. Available from: https://theses.cz/id/kjfj46/.
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Mendelova univerzita v Brně, Provozně ekonomická fakultaMendel University in Brno
Faculty of Business and EconomicsMaster programme / field:
Engineering Informatics / Automation Control and Informatics
Theses on a related topic
-
Segmentation of Dense Cell Populations using Convolutional Neural Networks
Filip Lux -
Simulation of Multiple Motile Agents Using Neural Networks
Branislav Ševc -
Modelling small-RNA binding using Convolutional Neural Networks
Eva Klimentová -
Simulating drone automation in agriculture using neural networks
Jakub Valent -
Visualization of Digital Pathology Images and Results of Their Analyses Using Deep Neural Networks
Nikoleta Češeková -
Visualization of hidden layers in convolutional neural networks
Jakub Hruška -
Anomaly segmentation using neural networks
Václav Hloušek -
Forecasting Realized Volatility Using Neural Networks
Kateryna Pavlyuk