HLAVINKA, R. Robustní identifikace modelu se Studentovým šumem [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.

Posudky

Posudek vedoucího

Dokoupil, Jakub

Předložená diplomová práce se zabývá problematikou statistické identifikace parametrů lineárního regresního modelu se Studentovým šumem. Tato specifická volba rozdělení šumu zabraňuje efektivní aplikaci standardního Bayesovského kalkulu, avšak má potenciál poskytnout inferenční metodě větší odolnost vůči rušení působícímu na systém, než je analyticky řešitelný předpoklad normálního rozdělení šumu. Koncepčně je tato problematika v rámci práce řešena aproximační inferencí, kdy je výsledná distribuce aproximována posteriorem ve vhodné formě. Podrobněji je v práci analyzován výsledek kvality identifikace hledaných parametrů modelu v závislosti na použité algoritmizaci. Výsledky experimentů dosažených na syntetických i reálných datech shledávám jako zajímavé a samotné zhodnocení výsledků pak jako racionální a zdůvodněné. Práce je logicky členěna do tří kapitol, přičemž rozsah jednotlivých kapitol odpovídá jejich významu. Kladně lze ocenit teoretický rozbor v úvodu a v přílohách práce, který čtenáři nabízí detailní vhled do podstaty aproximačních metod, seznamuje jej s principy jejich fungování a odvozuje některé závěry. V kontextu dané problematiky student porovnává dvojici aproximačních metod dostupných ve vědecké literatuře, které v textu vhodně rozšiřuje a rozpracovává do algoritmických detailů. První z algoritmů je postaven na deterministické variační Bayesovké metodě a druhý využívá stochastický Gibbsův vzorkovač. Realizace samotné práce tak vyžadovala syntézu znalostí zejména z oblasti statistiky a teorie optimalizace. Student pracoval velmi samostatně. Prokázal schopnost samostatně se orientovat ve vědecké literatuře a získané poznatky aplikovat. Pokud by student pravidelněji využíval konzultací, mohla by práce obsahovat navíc některé novější algoritmizace modelující všechny parametry jako náhodné veličiny, a to v rekurzivním režimu učení. Rovněž v práci postrádám popis základních vlastností Studentova šumu, které by odkryly vztah mezi korelací a nezávislostí. Zadání bylo splněno. Výsledky práce vykazují výzkumný charakter a vypovídají tak o výborných inženýrských schopnostech diplomanta. Práci doporučuji k obhajobě s hodnocením A

Navrhovaná známka
A
Body
95

Posudek oponenta

Friml, Dominik

Diplomová práce pana Hlavinky se věnuje srovnání algoritmů pro identifikaci ARX modelu se studentovým šumem. V práci je provedeno Bayesovské odvození a formulace dvou aproximativních algoritmů pro identifikaci, které jsou simulačně i experimentálně porovnány, čímž jsou splněny všechny body zadání. Délka práce je dostatečná, doplňující informace jsou správně zařazeny do příloh. Přesto, že práce obsahuje občasné drobné chyby v sázení textu (např. str 29. - Dpředstavuje..., ThetaProměnnou, jako"Vezmeme-li, ...), překlepy (např. str. 32 - předtavený, řídící, vzroci) a špatné překlady (např. str. 40 - Bayesovský Informační Kriterión) prezentační i formální úprava je na vysoké úrovni, text je čtivý a bezesporu dílem autora. Značení v matematických rovnicích je sjednocené mezi kapitolami. Obrázky jsou kvalitní, vektorové a dobře čitelné. Po drobných úpravách by mohla práce sloužit jako výukový materiál. Práce s literaturou je také na vysoké úrovni, mezi 21 citovanými zdroji převažují odborné texty z kvalitních časopisů a konferencí. Odevzdané materiály obsahují využitelné implementované algoritmy, které jsou v textu dostatečně popsané. Celkově se jedná o velmi kvalitní práci, která svědčí o magisterských schopnostech studenta. S přihlédnutím na občasné chyby v textu hodnotím práci 93 body, A.

Navrhovaná známka
A
Body
93

Otázky

eVSKP id 151801