PREDIKCNÍ SYSTÉM PRO DISTRIBUCNÍ SPOLECNOSTI
|
|
- Renata Kubíčková
- před 7 lety
- Počet zobrazení:
Transkript
1 PREDIKCNÍ SYSTÉM PRO DISTRIBUCNÍ SPOLECNOSTI CertiCon a.s., Aplikovaný výzkum Václavska 12, Praha 2, , Ceská republika PREDICTION SYSTEM FOR UTLITY COMPANIES Jan Kout Gerstnerova laborator pro inteligentní rozhodování a rízení, katedra kybernetiky, FEL CVUT Technická 2, Praha 6, , Ceská republika kout@labe.felk.cvut.cz Jirí Kléma Gerstnerova laborator pro inteligentní rozhodování a rízení, katedra kybernetiky, FEL CVUT Technická 2, Praha 6, , Ceská republika klema@labe.felk.cvut.cz Abstrakt: Otevrený predikcní systém (OPS) reší úlohy predikce a dolování dat. Jádro systému nabízí nekolik algoritmu založených jak na principech strojového ucení, tak i matematické statistiky. Mezi algoritmy najdeme analýzu singulárních císel, neuronové síte, metodu podpurných vektoru a rozhodovací stromy. Celý systém je podporen datovými strukturami a toky, které umožnují rychlou a snadnou definici problému, individuální prístup k jednotlivým algoritmum a prehledné vyhodnocení navržených modelu. Systém byl úspešne aplikován na nekolika prumyslových úlohách. Klícové slova: predikcní systém, distribucní spolecnosti, umelá inteligence, regrese, klasifikace 1 ÚVOD DO PROBLÉMU Inteligence je jako abstraktní vlastnost jakéhokoli systému velice casto konkretizována mírou schopnosti tohoto systému ucit se. Ucení je definováno jako využití drívejších zkušeností ke zlepšení kvality nových rešení libovolného typu. Z tohoto duvodu je pojem ucení jedním z nejrozšírenejších a zároven nejpropracovanejších pojmu oboru umelé inteligence (AI artificial intelligence). Budoucnost a otázky s ní spojené byly, jsou a vždy budou predmetem zájmu obycejných lidí, firem i institucí. Díky castým prícinným vztahum mezi velicinami aktuálne známými a jevy budoucími lze v rade prípadu sestavovat verné prediktivní modely. Tyto modely pak reprezentují ci napodobují vybrané vlastnosti sledovaného objektu nebo napomáhají porozumení a predvídání modelovaných jevu. Vetšina závislostí je však pomerne složitá a jejich model není triviální. Náš systém umožnuje vytvárení práve techto modelu na základe identifikace a reprezentace vztahu skrytých v datech nahromadených v minulosti. Tyto modely jsou následne aplikovány na soucasná data, což umožnuje odhadnout vývoj príštích událostí. Mohou tak predejít možným budoucím ztrátám nebo treba získat nezanedbatelnou konkurencní výhodu. Vytvárení modelu je komplexní matematický problém. Zde je však místo, kde nám pomáhá umelá inteligence a její nástroje. Vývoj a výsledky dosažené behem posledních desetiletí v oblasti dolování dat a strojového ucení poskytují radu výkonných technologií a algoritmu, které mohou být použity k vytvárení vhodných modelu (Weigend A., Gershenfeld N. 1993). Príklady minulého chování jsou vhodne predány nekterému z algoritmu strojového ucení, který je schopen odhalit skryté závislosti a vytvorit odpovídající model chování, pomocí kterého lze predpovídat budoucí hodnoty cílových velicin. Obrázek 1 Základní princip predikcního systému Obecne platí, že rozhodnutí jsou cinena na základe informací a zkušeností. Cím více spolehlivých informací je k dispozici, tím relevantnejší rozhodnutí muže být ucineno. Kvalita dosaženého výsledku je dána volbou 1
2 vhodného modelu, soucasne však musí platit to, že model je v prubehu ucení konfrontován s dostatecným množstvím vhodne predzpracovaných údaju, které jsou platné (tj. nejsou zastaralé), spolehlivé (minimalizuje se výskyt chybejících a nesprávných hodnot) a pokrývají celou nebo alepson významnou škálu podmínek, za kterých bude model v budoucnu používán (obecne platí, že techniky interpolace jsou spolehlivejší než techniky extrapolacní). 1.1 Distribucní spolecnosti Distribucní spolecnosti dopravující vodu, plyn, elektrinu ci jinou komoditu potrebují spolehlivý systém pro plánování objednávek a distribuci dodávek, který zarucí dostupnost jejich komodity tam, kde je treba. Existuje celá rada duvodu k dodržení daného objemu dodávek a zároven je jisté, že nespolehlivé zásobování vede k mnoha nežádoucím efektum. Efektivní rízení takové spolecnosti vede k otázkám typu kolik? kdy? kam?, jejichž správné zodpovezení prináší distributorum radu financních výhod. 1.2 Rídicí systémy Rídící systémy ovládající nárocné technologické procesy ci jiné nárocné aplikace jsou velmi citlivé na chyby zpusobené neocekávanými pády ovládaných systému. Tyto chyby pak mají za následek výpadky výrobních procesu, ohrožení života, financní ztráty a mnohé jiné nepríjemné události. Vcasná detekce a predikce stavu systému pomáhá efektivnejšímu a robustnejšímu rízení. Predikce stavu muže být založena na modelech chování systému a jeho chyb v minulosti. 2 DOLOVÁNÍ DAT, STROJOVÉ UCENÍ A PREDIKCNÍ PROBLÉMY Dolování dat je hledání cenných informací ve velkém množství zdroju a dat. Tyto informace mohou mít nejruznejší reprezentaci a nejširší možnosti praktického využití. Jednou z castých aplikacních oblastí je nalezení modelu, které jsou vhodné pro predikci. Predikce je urcování soucasných ci budoucích stavu a hodnot, které nejsou bežnými zpusoby odhalitelné ci meritelné. V uvažovaných datech neexistuje žádná zrejmá a jednoznacne definovaná závislost mezi hodnotami v minulosti a budoucnosti. Práve metody umelé inteligence umožnují rešit i takovéto úlohy. Dolování dat je kooperativní cinnost lidí a pocítacu vybavených vhodným softwarovým nástrojem. Existuje celá rada algoritmu strojového ucení a statistických metod, které slouží k dosažení definovaných cílu. Strojové ucení muže být také chápáno jako pocítacový prostredek, který se ucí ze zkušenosti (minulosti) vzhledem k definici úlohy. Regrese je problém odhadování neznámých funkcí ci hodnot (napr. zítrejší spotreba elektriny bude 250MWh). Regresní model je vytváren na základe císelných vstupu a jim odpovídajících výstupu. Výstupem regresní predikce je císelná hodnota reprezentující budoucí množství, trendy apod. Obrázek 2 Regresní úloha 2
3 Klasifikace je problém hledání skrytých stavu. Typicky je treba odhalit soucasný ci budoucí stav nejakého systému (bezpecný ci nebezpecný stav), který nelze prímo zmerit. K dispozici je však rada merení a dat, která s daným stavem souvisí. Na základe techto merení je vytvoren model, odhadnuta jeho presnost a možnost dalšího použití pro odhalování skrytých stavu. Obrázek 3 Klasifikacní úloha 3 ZÁKLADNÍ VLASTNOSTI SYSTÉMU Otevrený predikcní systém (OPS) je softwarový nástroj, který je založen na prediktivní metodologii zahrnující datové zpracování, toky a prediktivní algoritmy (Kout J., 2001a). Prediktivní algoritmy definují modely, které jsou založeny na datech shromáždených v minulosti. Modely odhalují soucasné ci budoucí množství, toky, stavy, chyby ci jiné požadované hodnoty. S OPS lze provádet analýzu dat, studii proveditelnosti, návrh systému ci kompletní rešení na prání zákazníka. Hlavní výhody pro konecné uživatele: Predvídání problému, které mohou vést k nebezpecným a nežádoucím situacím. Podpora strategického plánování a alokace zdroju. Predikce budoucích hodnot a trendu. Vývojový nástroj OPS nabízí radu užitecných vlastností: Flexibilní predzpracování dat s využitím preddefinovaného datového toku zahrnující metadata, podpora datových transformací. Podpora zpracování casových rad taková data se casto vyskytují u distribucních spolecností. Kombinace statistických metod spolu s algoritmy strojového ucení podpora ruznorodosti rešení, s možností kombinace více prístupu vedoucí k vetší stabilite rešení. Dostupnost metody podpurných vektoru reprezentující moderní a progresivní prístup. Rychlý vývojový cyklus od dat k návrhu rešení predikcního systému. Nasazení systému podle potreb zákazníka. Podpora a školení. 4 DATOVÉ TOKY Formát vstupních dat hraje klícovou úlohu pri rešení predikcních úloh. Predzpracování dat je klícovou a mnohdy casove velmi nárocnou fází. Praktické zkušenosti ukazují (Pyle D. 1999), že fáze získávání a predzpravovávání dat zabírá až 80% casu projektu. Jsou dva hlavní duvody proc predzpracovávat data: (1) organizovat data do vhodného formátu pro zpracování a (2) pripravit vhodné vstupy a jim odpovídající výstupy. Flexibilní datové toky jsou jednou z hlavních výhod navržené prediktivní metodologie (Kout J. 2001). Predzpracování dat definuje tri základní datové struktury, které odpovídají jednotlivým krokum rešení úlohy: vstupní data, data problému a data prediktoru. Vstupní data odpovídají datovým vstupum celého systému. Jsou transformována do datové struktury, která odpovídá danému problému. Problémove orientovaná data obsahují veškeré vstupy a požadované výstupy, výstupy jednotlivých prediktoru a konecné výstupy. Jednotlivé predikcní 3
4 algoritmy vyžadují specifický zpusob predzpracování dat, a proto jsou data problému dále transformována do datových struktur jednotlivých prediktoru. Obrázek 4 Datové toky Vstupní data (Raw Input Data) jsou vetšinou shodná ci velmi blízká datum namereným nebo jinak získaným ze zkoumaného systému. Zároven jsou vstupními údaji odpovídajícími nejkratším vzorkovaným casovým úsekum. Data problému (Meta Record) slouží jako úložište pro data, spojovací clánek mezi vstupy a výstupy. Obecne lze definovat více sad dat problému pro jednu množinu vstupních dat. Transformacní funkce zajištují prechody mezi jednotlivými datovými strukturami. Rozlišujeme dva hlavní typy transformacních funkcí: casové a datové. Casové transformacní funkce definují casovou sekvenci a zároven umožnují casovou konverzi a kompresi. Datové transformace zajištují vhodnou prípravu vstupních a výstupních atributu. Duležitým faktorem datového zpracování je filtrace. Filtrace slouží k odstranení nežádoucích vstupu, ale zvlášte k vytvorení lokálních modelu, které zlepšují kvalitu predikce. 5 PREDIKTIVNÍ ALGORITMY 5.1 Analýza singulárních císel pro regresní úlohy Vetšina modulu statistického zpracování dat využívá lineární regresní analýzy pomocí populární metody nejmenších ctvercu. Metoda nejmenších ctvercu prokladá co možná nejideálneji lineární kombinace atributu danými daty. V mnoha aplikacích je tato normální metoda vhodná. Problém nastává, jestliže rovnice (data) vykazují singulární znaky. Singulární data nebo data blízká singulárním jsou pro pocítacové zpracování nebezpecná kvuli zaokrouhlující aritmetice používané pocítaci. Pri standartním postupu pomocí metody nejlepších ctvercu muže tento postup vést ke znacne nestabilnímu rešení, které v nekterých prípadech nemusí dávat správné výsledky. Z techto duvodu je vhodnejší použít metodu SVD (Singular Value Decomposition). Tato metoda je vhodná zvlášte pro systémy, kde pocet dat je znacne vetší než pocet jejich atributu (potencionální nebezpecí singularity). Metoda SVD poskytuje stejne jako metoda nejmenších ctvercu optimální rešení v duchu minimalizace sumy kvadrátu odchylek skutecných a predikovaných hodnot. Navíc její rešení je i nejstabilnejší možné. Pro vylepšení výsledku pomocí metody SVD, která je také omezená pouze na hledání lineárních kombinací vstupních atributu, je vhodné zavádet umele nelinearitu. Z analýzy dat vyplývá, jaký druh a na které vstupní atributy tuto individuální nelinearitu do systému zavést. Takto obohacený systém dosahuje daleko vetší presnosti než standardní lineární regrese. 5.2 Neuronové síte Základem matematického modelu neuronové síte je formální neuron, který je odvozen z funkce neurofyziologického neuronu. Neuronové síte se skládají z techto formálních neuronu, které jsou vzájemne propojeny tak, že výstup neuronu je vstupem obecne více neuronu. Pocet neuronu a jejich vzájemná propojení v síti urcuje architekturu (topologii) síte. Z hlediska využití v síti rozlišujeme vstupní, skryté a výstupní neurony. Druhým základním rysem neuronových sítí je jejich schoponost ucení. Existuje celá rada ucících algoritmu pro ruzné modely neuronových sítí. Od pocátku teorií neuronových sítí bylo ucineno mnoho kroku v zdokonalování techto algoritmu napr. zavedení nelinearity do neuronu ci objev algoritmu pro trénování velkých sítí. Bylo pridáno množství parametru pro schopnost zobecnení a heuristická vylepšení k preklenutí problému lokálních mimim. Soucasné neuronové síte existují v mnoha variantách, patrne nejoblíbenejší je tzv. feed-forward multi-layer varianta. Naše rešení nabízí nejpopulárnejší algoritmus zpetného šírení (backpropagation) spolu s výše uvedenými vylepšeními. 4
5 5.3 Metoda podpurných vektoru Metoda podpurných vektoru (Support Vector Machines) je založena na teorii uplatnující odlišný prístup k problému ucení - minimalizaci strukturálních rizik (Vapnik V. 1995). Tento postup je obecnejší než napríklad minimalizace chyb na množine trénovacích dat, bežne používané u neuronových sítí. Minimalizace strukturálního rizika znamená, že trénovací chyba a komplexnost diskriminacní funkce jsou minimalizovány soucasne. Výhoda tohoto prístupu je zrejmá: algoritmus nikdy nenabídne strategii (diskriminacní funkci), která by byla komplexnejší než ta, již by bylo možno zkonstruovat z daných dat. Puvodne byl algoritmus SVM navržen pro klasifikacní úlohy, ale postupem casu byl rozšíren i do oblasti regresních úloh (Muller K. A kol. 1997). K tomuto úcelu byla zavedena ztrátová funkce, jež je nulová, jestliže rozdíl mezi predikovanou a referencní hodnotou je menší než definovaný práh. 5.4 Rozhodovací stromy Prediktor využívá algoritmu ID3, z rodiny TDIDT (Top-Down Induction of Decesion Trees). Pro tvorbu stromu z príkladu je to velmi známý a osvedcený algoritmus. Jeho princip je relativne jednoduchý a pritom intuitivne srozumitelný. Poté co je strom vytvoren, sama klasifikace probíhá velmi prímocare a rychle. Strom je procházen od korene k listum, pri každém vetvení dochází k vlastnímu rozhodování dle aktuální hodnoty atributu v daném prípade. Prípadu je prirazena shodná trída jaká je spojena s dosaženým listem. Algoritmus TDIDT nevyužívá pro stavbu stromu žádné predem známé ci dríve získané informace. Strom je generován rekurzivne od korene k listum, delením puvodní trénovací množiny na menší a menší podmnožiny, uplatnujíce postup typický pro algoritmy typu rozdel a panuj. Pri tvorbe stromu je využívána obecná heuristika: jednoduché stromy jsou uprednostnovány pro jejich lepší predikcní schopnosti. Ke zpracování zašumnených dat a zmenšení hustých stromu je používána rada prorezávacích postupu. 5.5 Kombinace prediktoru Následující Obrázek 5 shrnuje celou predikcní metodologii, datové predzpracování a jednotlivé predikcní algoritmy, v jeden celek (Kout a kol. 2004). Obrázek 5 Prediktivní metodologie Problém numerické predikce je takovým typem problému, pro který je vhodné soucasne kombinovat více odlišných metod. Srovnáme-li systémy s numerickým výstupem napr. se systémy klasifikacními, kde je výstupem nekolik disjunktních tríd (A,B,C apod.), je evidentní, že u císelných vzájemne usporádaných údaju existuje mnohem vetší šíre prirozeného matematického aparátu použitelného ke kombinaci dosažených výsledku. Mámeli dve samostatné predikcní numerické jednotky, lze jejich celkový výstup v nejjednodušším prípade získat jako aritmetický prumer dílcích výsledku. U klasifikacních úloh se jedná o problematiku složitejší. Klasifikuje-li jedna jednotka posuzovaný stav do trídy A a druhá do trídy B nelze bez další informace napr. o spolehlivosti obou klasifikacních jednotek (popr. existence tretí meta-jednotky) rozhodnout o výsledné tríde. Navíc, zde nelze uplatnit výhodu numerických systému, která spocívá v tom, že se chyby opacného znaménka vzájemne kompenzují. Kombinace více numerických metod tedy prináší dva základní efekty: v prípade odlišných 5
6 znamének dílcích odchylek se tyto neutralizují, v prípade stejných znamének kombinace prispívá k eliminaci extrémních hodnot. Statisticky lze prínos kombinace více samostatných metod zduvodnit tím, že konecné chyby jednotlivých metod lze rozdelit na chyby zpusobené daty a chyby zpusobené samotnou metodou. Do první kategorie chyb patrí napr. odchylka predikcního systému zpusobená náhlou netypickou zmenou vstupních hodnot popr. jejich zcela chybným zadáním. Tyto chyby se na výsledné predikci odrazí vždy, nezávisle na typu ci kvalite použité metody. Druhou kategoríí jsou chyby zpusobené metodou samou a cílem každého systému je tuto chybu minimalizovat. Vhodným zpusobem minimalizace se jeví práve kombinace více metod. Zde lze uplatnit techniku lokální komparativní výhody nekteré z metod. Vyplývá-li napr. ze statistické analýzy úspešnosti jednotlivých metod, že nekterá z nich dosahuje nejlepších výsledku za specifických podmínek (v daném mesíci, za extrémních teplot nebo v odpoledních hodinách), bude tato metoda použita predostne práve za výše uvedených podmínek. 5.6 Vývoj predikcního systému Základní vývoj predikcního systemu lze shrnout do následujících fází: 1. Definice problému a získání dat. 2. Studie proveditelnosti, vyhodnocení ze strany zákazníka. 3. Návrh a implementace cílového systému, overení v provozu. První fáze slouží k defnici problému, nastavení kritérií úspešnosti jeho rešení a výberu relevantních dat. Vybraná data a jejich kvalita urcují úspešnost rešení problému. Základním kritériem je jejich relevantnost a množství. Cím více relevantních dat je k dispozici tím lépe je možné vyvtáret modely a simulovat reálný provoz. Duležitým vstupem je také defnice kritérií úspešnosti navrženého rešení. V této fázi je predpokládána úzká spolupráce mezi zákazníkem a navrhovatelem predikcního systému. Studie proveditelnosti slouží k analýze dat a návrhu rešení systému spolu s prepokládanou presností. Predikcní nástroj OPS je ideálním nástrojem pro vytvárení takovýchto rychlých rešení. Výstupem studie proveditelnosti je prototyp predikcního modulu a definice vstupu a výstupu. Návrh a implementace cílového systému jsou opet navrženy v úzké spolupráci se zákazníkem. Existují dve základní možnosti cílového systému: samostatný SW produkt ci integrace do stávajícího informacního systému. Nedílnou soucástí implementace je overení v reálném provozu. Takto navržený predikcní systém je možné v libovolných intervalech aktualizovat s využitím aktuálne nasbíraných dat pomocí vývojového nástroje OPS. Rada algoritmu však má schopnosti se aktualizovat samostatne. Obrázek 6 Schéma nasazení systému 6
7 6 REFERENCE PRÍKLADY NASAZENÍ SYSTÉMU 6.1 Predikce denní spotreby plynu Lokální distributori plynu zpravidla odebírají plyn od národních dodavatelu a dále jej distribuují v rámci regionu, který pokrývají. Jejich kontrakt s národními dodavateli je obvykle limitován a urcen smluvními denními limity odberu. Lokální distributori musí každodenne udržovat své odbery v techto predem dohodnutých mezích. Kdykoli je limit prekrocen, lokální distributor musí platit znacne vysokou pokutu. Je zrejmé, že denní predikce množství odebraného plynu muže lokálním distributorum znacne napomoci regulovat svuj odber v rámci nasmlouvaných mezí. Zpravidla mají dve možnosti, jak se nežádoucí penalizaci vyhnout. Jednak mohou nekterým svým odberatelum po dohode doporucit prepnutí na alternativní zdroj energie (napr. elektrinu ci olej). Druhá možnost, jak se vyhnout penalizaci, je naplnit vybudované rezervní nádrže plynu behem období menších spotreb. Zásoby z nádrží se potom použijí behem dnu se zvýšeným odberem plynu. Obrázek 7 Predikce spotreby plynu Nekolik variant systému je v soucasné dobe nepretržite používáno v Nemecku: Stadtwerke ve meste Paderborn, tri ruzné plynové síte spolecnosti NGW v Duisburgu, Stadtwerke v Buckeburgu a Stadtwerke spolecnosti Rheide dohromady na 6 ruzných sítích a to již od roku 1997 (Klema a kol. 1999). Presnost predikce je závislá na typu síte, odberatelích i kvalite nasbíraných dat v minulosti. Presnost predikce v zimních mesících bývá zpravidla od 96% do 99%. 6.2 Detekce kavitace u cerpadel Cerpadla patrí mezi nejrozšírenejší strojová zarízení. Uvádí se, že 20% celosvetove vytvárené energie je spotrebováno práve pri jejich pohánení. Všechna neocekávaná selhání s sebou nesou nákladné opravy, ztráty spojené s prostoji výroby a z dlouhodobejšího pohledu i pokles prodeju výrobce. Vcasná diagnostika pocátecních stádií techto selhání pomáhá výše zmínené ztráty redukovat na minimum. Nejcastejšími duvody selhání jsou poruchy ložisek a tesnení, jejichž puvodní prícinou muže být kavitace vznik parových bublin v oblastech s nižším tlakem v cerpané kapaline. Jde vlastne o studený var. Vedle poruch ložisek a tesnení dlouhodobejší kavitace zpusobuje i erozi vnitrních povrchu cerpadla. U diagnostických systému klademe duraz zejména na jejich spolehlivost, duležitými kritérii jsou však i nákladnost (cena a pocet senzoru), poprípade neinvazivnost. Z techto duvodu se rozvíjí zejména techniky detekce kavitace z údaju vibracních cidel, poprípade techniky založené na analýze statorového proudu hnacího motoru. U 7
8 techto postupu je treba identifikovat a odlišit vlivy ruzných faktoru na vibracní (nebo proudový) signál. Role umelé inteligence je v techto situacích nezastupitelná (Kout a kol. 2000). V tomto konkrétním prípade jsou výsledkem projektu odpovedi na následující otázky: Jaké je optimální umístení vibracních senzoru? Postacuje ke spolehlivé diagnóze jediné vibracní cidlo? Jaká je nejvhodnejší metoda predzpracování získaného signálu? Jsme schopni rozlišit více stupnu kavitace a detekovat také její pocátecní stadia? S jakou spolehlivostí? 6.3 Klasifikace událostí v topném systému Úloha byla zamerena na inteligentní analýzu systému a optimální rízení pumpy v topném okruhu. Hlavním cílem projektu bylo detekovat události v systému a soucasne navrhnout metodologii vcasné detekce chyb pri behu pumpy. Úcinná detekce prispívá k vcasnému odhalení závad, které mohou mít za následek znacné škody. Úlohou bylo klasifikovat jednotlivé poruchy (Kout a kol. 2001b). 6.4 Klasifikace srdecních arytmií Implantovaný kardiostimulátor je jednou z možností, jak efektivne rešit náhlé abnormality srdecního rytmu. Vcasná detekce jednotlivých arytmií umožnuje okamžitou aktivaci vhodné terapie, která prispívá ke zvýšené kvalite života pacientu. Studie byla zamerena na klasifikaci atriálních arytmií. 7 LITERATURA Kléma, J. - Kout, J. (1999): Prediction of Gas Consumption. In: Systems Integration '99. Prague : University of Economics, 1999, p ISBN Kout, J. - Kléma, J. - Štepánková, O. (2000): Fault Diagnostics of Intelligent Pump. In: Cybernetics and Systems Vienna : Austrian Society for Cybernetics Studies, 2000, vol. 2, p ISBN Kout J. (2001a): Prediction Methodology for Utility Companies, Ph.D. thesis in English, CVUT, FEL, Praha, 2001 Kout, J. - Klema, J. - Ertl, O. - Marík, V (2001b).: Heating Pump Control by Means of Valve Openness Prediction. [Research Report]. Prague : CTU FEE, Department of Cybernetics, The Gerstner Laboratory, GL 130/01. 9 p. ISSN Kout, J., Kléma, J., Vejmelka, M. (2004): Predictive System for Mutivariate Time Series. To appear at EMCSR 2004, Vienna, Muller K., Smola A., Ratsch G., Scholkopf B., Kohlmorgen J., Vapnik V. (1997): Predicting Time Series with Support Vector Machines, ICANN'97, pages Springer, 1997 Pyle D. (1999): Data Preparation for Data Mining. Morgan Kaufmann, California, Vapnik V. (1995): The Nature of Statistical Learning Theory, Sringer NY, 1995 Weigend A., Gershenfeld N. (1993): Time Series Prediction Forecasting the Future and Understanding the Past, Addison-Wesley, Reading, Massachussets,
VYUŽITÍ NEURONOVÝCH SÍTÍ PROSTŘEDÍ MATLAB K PREDIKCI HODNOT NÁKLADŮ PRO ELEKTRICKÉ OBLOUKOVÉ PECE
VYUŽITÍ NEURONOVÝCH SÍTÍ PROSTŘEDÍ MATLAB K PREDIKCI HODNOT NÁKLADŮ PRO ELEKTRICKÉ OBLOUKOVÉ PECE V. Hon VŠB TU Ostrava, FEI, K455, 17. Listopadu 15, Ostrava Poruba, 70833 Abstrakt Neuronová síť (dále
VíceMarta Vomlelová marta@ktiml.mff.cuni.cz
Strojové učení Úvod, lineární regrese Marta Vomlelová marta@ktiml.mff.cuni.cz References [1] P. Berka. Dobývání znalostí z databází. Academia, 2003. [2] T. Hastie, R. Tishirani, and J. Friedman. The Elements
VíceObjektově orientované databáze
Objektově orientované databáze Miroslav Beneš Obsah přednášky Motivace Vlastnosti databázových systémů Logické datové modely Co potřebujeme modelovat? Identifikace entit v~relačních SŘBD Co je to objektová
VícePrediktivní řízení budov
Prediktivní řízení budov Jiří Cigler 20. dubna 2012 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. 1 Motivace Proč se tímto tématem zaobírat? 2 Energetické
VícePráce s motorovou pilou u jednotek požární ochrany
Práce s motorovou pilou u jednotek požární ochrany Vypracovali: Kamil Sokoláø, Milan Vlášek Autoøi: Kamil Sokoláø, Milan Vlášek Vydalo nakladatelství Hasièi, s. r. o., v Novém Mìstì nad Metují 2006 Grafická
VíceBudování aplikačních rozhraní pro obousměrnou komunikaci mezi ERMS a jejich vztah k Národnímu standardu pro komunikaci mezi ERMS.
Budování aplikačních rozhraní pro obousměrnou komunikaci mezi ERMS a jejich vztah k Národnímu standardu pro komunikaci mezi ERMS. Použité zkratky ERMS ESS i AIS ESS elektronická spisová služba AIS agendový
VíceVlastnosti IIR filtrů:
IIR filtry Vlastnosti IIR filtrů: Výhody: jsou výrazně nižšího řádu než Fir filtry se stejnými vlastnostmi a z toho vyplývá že mají: Nevýhody: nižší výpočetní složitost v porovnání s Fir filtrem kratší
VíceINTELIGENTNÍ SNÍMAČE
INTELIGENTNÍ SNÍMAČE Petr Beneš Vysoké učení technické v Brně, FEKT, Ústav automatizace a měřicí techniky Kolejní 4, 612 00 Brno, benesp@feec.vutbr.cz Abstrakt: Příspěvek se věnuje problematice inteligentních
VíceRegulátor výkonu RV3-25/P
Regulátor výkonu RV3-25/P Tento návod obsahuje dùle ité pokyny a bezpeènostní upozornìní. Pro zabezpeèení správné funkce a vlastní bezpeènosti si pøed instalací jednotky dùkladnì pøeètìte všechny následující
VíceDynamický model predikovaného vývoje krajiny. Vilém Pechanec
Dynamický model predikovaného vývoje krajiny Vilém Pechanec Přístup k nástrojům Ojedinělá skupina nástrojů v prostředí GIS Objeveno náhodou, při hledání vhodného nástroje pro formalizovaný výběr optimálního
VíceRozvoj telematiky na Pražském okruhu a příjezdových komunikacích do Prahy. Pavol Pecha
Rozvoj telematiky na Pražském okruhu a příjezdových komunikacích do Prahy Pavol Pecha Dopravní telematika v podmínkách ŘSD Dopravní telematika (ITS) = využití inteligentních technologií a služeb ve prospěch
VíceCI. 1. Úvodní ustanovení
Obecne závazná vyhláška c. 1/2001 obce Paseka o stanovení systému shromaždování, sberu, prepravy, trídení, využívání a odstranování komunálních odpadu vznikajících na katastrálním území obce, vcetne systému
VíceNeuronová síť. x 2 x 3. σ j. x 4. x 5. Menu: QCExpert Prediktivní metody
Neuronová síť Menu: QCExpert Prediktivní metody Neuronová síť Neuronová síť (Artificial Neural Network, ANN, resp. NN) je velmi populární a výkonná metoda, která se používá k modelování vztahu mezi vícerozměrnou
VíceJiné přístupy k územnímu plánování a řešení krajiny
Jiné přístupy k územnímu plánování a řešení krajiny RNDr. Radim Perlín, Ph.D. Přírodovědecká fakulta UK Výzkumné centrum RURAL Územní plánování v procesech plánování a projektování krajiny Krajina jako
VíceINVESTIČNÍ STRATEGIE
1 INVESTIČNÍ STRATEGIE 2 Investiční rytmus Rozhodující pro efektivní alokaci volných finančních prostředků je tzv. investiční rytmus (investiční pravidelnost) Z důvodu omezení se pouze na dva finanční
VícePříloha č. 54. Specifikace hromadné aktualizace SMS-KLAS
Název projektu: Redesign Statistického informačního systému v návaznosti na zavádění egovernmentu v ČR Příjemce: Česká republika Český statistický úřad Registrační číslo projektu: CZ.1.06/1.1.00/07.06396
VíceData v počítači EIS MIS TPS. Informační systémy 2. Spojení: e-mail: jan.skrbek@tul.cz tel.: 48 535 2442 Konzultace: úterý 14 20-15 50
Informační systémy 2 Data v počítači EIS MIS TPS strategické řízení taktické řízení operativní řízení a provozu Spojení: e-mail: jan.skrbek@tul.cz tel.: 48 535 2442 Konzultace: úterý 14 20-15 50 18.3.2014
VíceVYUŽITÍ A OBNOVA ZEMĚDĚLSKÉ TECHNIKY MACHINES UTILIZATION AND INNOVATION
VYUŽITÍ A OBNOVA ZEMĚDĚLSKÉ TECHNIKY MACHINES UTILIZATION AND INNOVATION Zdeněk Abrham Výzkumný ústav zemědělské techniky, v.v.i., Praha Research Institute of Agricultural Engineering, p.r.i., Prague ABSTRAKT
VícePoužití softwaru VisVAP pro vývoj nových systémů řízení dopravy aplikace fuzzy algoritmů pro LŘD a SSZ.
Použití softwaru VisVAP pro vývoj nových systémů řízení dopravy aplikace fuzzy algoritmů pro LŘD a SSZ. ČVUT v Praze Fakulta dopravní, Ústav aplikované informatiky v dopravě Zdroj: http://www.okruhprahy.cz/
VíceVYR-32 POKYNY PRO SPRÁVNOU VÝROBNÍ PRAXI - DOPLNĚK 6
VYR-32 POKYNY PRO SPRÁVNOU VÝROBNÍ PRAXI - DOPLNĚK 6 Platnost od 1.1.2004 VÝROBA PLYNŮ PRO MEDICINÁLNÍ ÚČELY VYDÁNÍ PROSINEC 2003 1. Zásady Tento doplněk se zabývá průmyslovou výrobou medicinálních plynů,
VíceCvičení 1,2 Osnova studie strategie ICT
Cvičení 1,2 Osnova studie strategie ICT Department of Computer Systems Faculty of Information Technology Czech Technical University in Prague František Klíma, 2011 Finanční řízení informatiky, MI-FRI,
VíceMatematický model malířského robota
Matematický model malířského robota Ing. Michal Bruzl 1,a, Ing. Vyacheslav Usmanov 2,b, doc. Ing. Pavel Svoboda, CSc. 3,c,Ing. Rostislav Šulc, Ph.D. 4,d 1,2,3,4 Katedra technologie staveb (K122), Fakulta
VíceMatematický model kamery v afinním prostoru
CENTER FOR MACHINE PERCEPTION CZECH TECHNICAL UNIVERSITY Matematický model kamery v afinním prostoru (Verze 1.0.1) Jan Šochman, Tomáš Pajdla sochmj1@cmp.felk.cvut.cz, pajdla@cmp.felk.cvut.cz CTU CMP 2002
VícePříklad 1.3: Mocnina matice
Řešení stavových modelů, módy, stabilita. Toto cvičení bude věnováno hledání analytického řešení lineárního stavového modelu. V matematickém jazyce je takový model ničím jiným, než sadou lineárních diferenciálních
VíceZískávání znalostí z dat
Získávání znalostí z dat Informační a komunikační technologie ve zdravotnictví Získávání znalostí z dat Definice: proces netriviálního získávání implicitní, dříve neznámé a potencionálně užitečné informace
VíceModul Řízení objednávek. www.money.cz
Modul Řízení objednávek www.money.cz 2 Money S5 Řízení objednávek Funkce modulu Obchodní modul Money S5 Řízení objednávek slouží k uskutečnění hromadných akcí s objednávkami, které zajistí dostatečné množství
Více5.6.6.3. Metody hodnocení rizik
5.6.6.3. Metody hodnocení rizik http://www.guard7.cz/lexikon/lexikon-bozp/identifikace-nebezpeci-ahodnoceni-rizik/metody-hodnoceni-rizik Pro hodnocení a analýzu rizik se používají různé metody. Výběr metody
VíceObsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3
UMÌLÁ INTELIGENCE V PROBLÉMECH GLOBÁLNÍ OPTIMALIZACE Ivan Zelinka Praha 2002 Tato publikace vznikla za podpory grantù MŠM 26500014, GAÈR 102/00/0526 a GAÈR 102/02/0204 Kniha seznamuje ètenáøe se dvìma
VíceNOVÉ OBCHODNÍ P ÍLE ITOSTI A VYU ITÍ NET METERINGU
NOVÉ OBCHODNÍ P ÍLE ITOSTI A VYU ITÍ NET METERINGU Jan Kanta Manažer útvaru legislativa a trh Konference Trendy elektroenergetiky v evropském kontextu XI. Špindler v Mlýn hotel Horal, 13-14. dubna 2016
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 8
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 8 Praktické zvládnutí software Geomedia, geoprostorová inteligence Pavel Vařacha a kol. Zlín 2013 Tento
VíceAplikace pro real-time vizualizaci ekvivalentní teploty a komfortu
Aplikace pro real-time vizualizaci ekvivalentní teploty a komfortu (RAVEC Real-time application to visualize equivalent temp. and comfort) Apollo ID: 120048 Datum: 14.12.2015 Typ projektu: Autoři: R software
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceŘADA MOTORŮ SCANIA EURO 5. Opravdový rozdíl
ŘADA MOTORŮ SCANIA EURO 5 Opravdový rozdíl PŘEDSTAVUJEME MOTORY SCANIA EURO 5 2-3 Dokonalost se vyplácí. O tom, co je motorem vašich ambicí, se můžeme jen dohadovat. Zato přesně víme, jakým překážkám musíte
VíceKritéria zelených veřejných zakázek v EU pro zdravotnětechnické armatury
Kritéria zelených veřejných zakázek v EU pro zdravotnětechnické armatury Zelené veřejné zakázky jsou dobrovolným nástrojem. V tomto dokumentu jsou uvedena kritéria EU, která byla vypracována pro skupinu
VíceKonzistence databáze v nekonzistentním světě
Konzistence databáze v nekonzistentním světě Radim Bača Katedra informatiky Fakulta elektrotechniky a informatiky VŠB Technická univerzita Ostrava ŠKOMAM 2012-1- 2/2/2012 Obsah Vysvětĺıme si, co je transakce
VíceInovované řešení VDT/VT
Inovované řešení VDT/VT Spojujeme trhy a příležitosti Inovované řešení pro obchodování na vnitrodenním a vyrovnávacím trhu v ČR, vyvinuté společností OTE, a.s., umožní uživatelům rychlou reakci na aktuální
VíceOsnova. Ochrana životního prostředí a její nástroje, role práva. Principy práva životního prostředí. Východiska. Východiska. Globální změny klimatu
Ochrana životního prostředí a její nástroje, role práva Principy práva životního prostředí Filip Dienstbier, září 2011 Osnova životní prostředí a jeho ochrana globální, regionální a lokální problémy environmentální
VíceNázev: Serie 3000 Bero Thane HS420 MM 3000 3046
Strana: 1 ze 7 1. IDENTIFIKACE LÁTKY / PØÍPRAVKU A VÝROBCE A DOVOZCE 1.1 Chemický název látky / obchodní název pøípravku Název: Serie 3000 Bero Thane HS420 MM 3000 3046 (leadfree) Èíslo výrobku: 1.2 Použití
VíceIntervenční logika programu / teorie změny Vazba na tematický okruh: 1 - Trh práce
Intervenční logika programu / teorie změny Vazba na tematický okruh: 1 - Trh práce Tematický cíl: Podpora udržitelné zaměstnanosti, kvalitních pracovních míst a mobility pracovních sil Program: OP Zaměstnanost
VíceKoncepce hospodaření s bytovým fondem Městské části Praha 5
Koncepce hospodaření s bytovým fondem Městské části Praha 5 Záměrem této koncepce je co nejefektivněji a nejúčelněji využít nemovitý majetek MČ P5 (byty a nebyty) a to cestou komplexního přístupu k tomuto
VíceVYSOKÁ ŠKOLA FINANČNÍ A SPRÁVNÍ, o.p.s. Fakulta ekonomických studií katedra řízení podniku. Předmět: ŘÍZENÍ LIDSKÝCH ZDROJŮ (B-RLZ)
VYSOKÁ ŠKOLA FINANČNÍ A SPRÁVNÍ, o.p.s. Fakulta ekonomických studií katedra řízení podniku Předmět: ŘÍZENÍ LIDSKÝCH ZDROJŮ (B-RLZ) Téma 7: HODNOCENÍ PRACOVNÍHO VÝKONU, ODMĚŇOVÁNÍ ŘÍZENÍ PRACOVNÍHO VÝKONU
VíceMATEMATIKA A BYZNYS. Finanční řízení firmy. Příjmení: Rajská Jméno: Ivana
MATEMATIKA A BYZNYS Finanční řízení firmy Příjmení: Rajská Jméno: Ivana Os. číslo: A06483 Datum: 5.2.2009 FINANČNÍ ŘÍZENÍ FIRMY Finanční analýza, plánování a controlling Důležité pro rozhodování o řízení
VíceZajištění a kontrola kvality
Zajištění a kontrola kvality Všeobecné podmínky Zhotovitel zavede a bude dodržovat vhodný Systém zajištění kvality pro všechny své práce (plán kontrol a zkoušek). Systém bude podrobně popsán a k předání
Více3. TELEMATIKA A PODNIKOVÉ ŘÍDÍCÍ SYSTÉMY
3. TELEMATIKA A PODNIKOVÉ ŘÍDÍCÍ SYSTÉMY Informace sehrávaly v podniku bezesporu již dříve důležitou roli, ale v současnosti mohou vhodné informace v kombinaci se zlepšenými podnikovými procesy a vhodnou
VíceUkázka knihy z internetového knihkupectví www.kosmas.cz
KATALOGIZACE V KNIZE NÁRODNÍ KNIHOVNA ČR Průcha, Jan Srovnávací pedagogika / Jan Průcha. Vyd. 1. Praha: Portál, 2006. 264 s. ISBN 80 7367 155 7 37.013.74 srovnávací pedagogika studie 37 Výchova a vzdělávání
VíceDmychadla KAESER. Rotační dmychadla série COMPACT
mychadla KAESER Rotační dmychadla série COMPACT Rotační dmychadla: náklady, které si spočítáte Ti kteří zvažují provozní náklady u rotačních dmychadel což zahrnuje vše od počátečních investic až po instalaci,
VíceVŠEOBECNÉ PODMÍNKY PRO POSKYTOVÁNÍ VEŘEJNĚ DOSTUPNÝCH SLUŽEB ELEKTRONICKÝCH KOMUNIKACÍ PROSTŘEDNICTVÍM VEŘEJNÝCH TELEFONNÍCH AUTOMATŮ
VŠEOBECNÉ PODMÍNKY PRO POSKYTOVÁNÍ VEŘEJNĚ DOSTUPNÝCH SLUŽEB ELEKTRONICKÝCH KOMUNIKACÍ PROSTŘEDNICTVÍM VEŘEJNÝCH TELEFONNÍCH AUTOMATŮ společnosti O2 Czech Republic a.s. (dále jen Všeobecné podmínky ) vydané
VíceCentrum pro flexibilní zpracování plechových polotovarů (II)
Název veřejné zakázky: Centrum pro flexibilní zpracování plechových polotovarů (II) Odůvodnění vymezení technických podmínek podle 156 odst. 1 písm. c) zákona č. 137/2006 Sb., o veřejných zakázkách Technická
VíceSOUČASNÉ METODY URČENÍ CENY VĚCNÝCH BŘEMEN
SOUČASNÉ METODY URČENÍ CENY VĚCNÝCH BŘEMEN 1 Různé metody, různé ceny 2 Sedláček, J. Standardizace zjištění obvyklé ceny věcného břemene při výstavbě pozemních komunikací. Brno: VUT, 2014, s. 163. Povaha
VíceKOREKCE MAXIMÁLNÍ DOSAHOVANÉ RYCHLOSTI NÁKLADNÍCH VLAKŮ CORRECTIONS OF MAXIMUM SPEED ACHIEVED BY FREIGHT TRAINS
KOREKCE MAXIMÁLNÍ DOSAHOVANÉ RYCHLOSTI NÁKLADNÍCH VLAKŮ CORRECTIONS OF MAXIMUM SPEED ACHIEVED BY FREIGHT TRAINS Tomáš Vicherek 1 Anotace: Článek pojednává o metodě průběžných korekcí maximální dosahované
VíceOborové číslo Hodnocení - část A Hodnocení - část B Hodnocení - část A+B
PŘIJÍMACÍ TEST Z INFORMATIKY A MATEMATIKY NAVAZUJÍCÍ MAGISTERSKÉ STUDIUM V OBORU APLIKOVANÁ INFORMATIKA FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITY HRADEC KRÁLOVÉ ČÁST A Oborové číslo Hodnocení - část
VíceSpecifikace předmětu plnění veřejné zakázky: Poskytování mobilních hlasových a datových služeb pro potřeby Města Uherské Hradiště
Specifikace předmětu plnění veřejné zakázky: Poskytování mobilních hlasových a datových služeb pro potřeby Města Uherské Hradiště 1. Předmět veřejné zakázky Předmětem plnění veřejné zakázky je poskytování
VíceZPRÁVA Z PRŮMYSLOVÉ PRAXE
ZPRÁVA Z PRŮMYSLOVÉ PRAXE Číslo projektu: Název projektu: Jméno a adresa firmy: Jméno a příjmení, tituly studenta: Modul projektu: CZ.1.07/2.4.00/31.0170 Vytváření nových sítí a posílení vzájemné spolupráce
VícePriority orientovaného výzkumu, experimentálního vývoje a inovací Západočeské univerzity v Plzni
Priority orientovaného výzkumu, experimentálního vývoje a inovací Západočeské univerzity v Plzni Význam vědeckých, výzkumných a vývojových činností na Západočeské univerzitě v Plzni se soustavně zvyšuje.
VíceEXTRAKT z mezinárodní normy
EXTRAKT z mezinárodní normy Extrakt nenahrazuje samotnou technickou normu, je pouze informativním ICS xxxx materiálem o normě. Inteligentní dopravní systémy Funkční požadavky na adaptivní regulaci rychlosti
VíceStanovení optimálních teplot výpalu vápenců z různých lokalit a jejich souvislostí s fyzikálními vlastnostmi vápenců
Stanovení optimálních teplot výpalu vápenců z různých lokalit a jejich souvislostí s fyzikálními vlastnostmi vápenců Ing. Radovan Nečas, Ing. Dana Kubátová, Ph.D., Ing. Jiří Junek, Ing. Vladimír Těhník
VíceOBCHODNÍ PODMÍNKY 1. ÚVODNÍ USTANOVENÍ
OBCHODNÍ PODMÍNKY obchodní společnosti AIKEN s. r. o. se sídlem Jakubská 3, 284 01 Kutná Hora identifikační číslo: 24698440 zapsané v obchodním rejstříku vedeném u Městského soudu v Praze, oddíl C, vložka
VíceK. Hodnocení dosažitelnosti emisních stropů stanovených regionu v roce 2010
K. Hodnocení dosažitelnosti emisních stropů stanovených regionu v roce 2010 K.1. Úvod Doporučené hodnoty krajských emisních stropů pro kraj Vysočina jsou v nařízení vlády č. 351/2002 Sb., kterým se stanoví
VíceZ OBRAZOVÉHO ZÁZNAMU. Jan HAVLÍK. Katedra teorie obvodů, Fakulta elektrotechnická
POROVNÁNÍ HRANOVÝCH DETEKTORŮ POUŽITÝCH PŘI PARAMETRIZACI POHYBU Z OBRAZOVÉHO ZÁZNAMU Jan HAVLÍK Katedra teorie obvodů, Fakulta elektrotechnická České vysoké učení technické v Praze Abstrakt Tento článek
VícePŘÍLOHA Č. 2 RÁMCOVÉ SMLOUVY SOUPIS DOPROVODNÝCH BEZPLATNÝCH SLUŽEB. 1. Pravidla poskytování doprovodných bezplatných služeb
PŘÍLOHA Č. 2 RÁMCOVÉ SMLOUVY SOUPIS DOPROVODNÝCH BEZPLATNÝCH SLUŽEB 1. Pravidla poskytování doprovodných bezplatných služeb Smluvní strany se dohodly, že Objednatel, jakož i kterýkoli z Pověřujících zadavatelů,
VíceModerní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018. 3. Reálná čísla
Moderní technologie ve studiu aplikované fyziky CZ..07/..00/07.008 3. Reálná čísla RACIONÁLNÍ A IRACIONÁLNÍ ČÍSLA Význačnými množinami jsou číselné množiny. K nejvýznamnějším patří množina reálných čísel,
VíceMagnetic Levitation Control
Magnetic Levitation Control Magnetic Levitation Control (MagLev) je specializovaný software pro řízení procesu magnetické levitace na zařízení Magnetic Levitation Model CE152 vytvořeném společností HUMUSOFT.
VíceObsah. KAPITOLA 1 Dříve než začneme 19 Kdysi dávno aneb střípky z historie algoritmických strojů 20 1801 21 1833 21 1890 22 třicátá léta 22
Předmluva 11 Čím se tato kniha liší od jiných příruček? 11 Proč C++? 12 Jak číst tuto knihu? 12 Čím se budeme zabývat? 13 Kapitola 1: Dříve než začneme 13 Kapitola 2: Rekurze 13 Kapitola 3: Analýza složitosti
VíceÚprava klasifikace DRG 010.2013 Aktualizace MKN-10
Úprava klasifikace DRG 010.2013 Aktualizace MKN-10 Návrh řešení v projektu Správa a rozvoj DRG 2012 Národní referenční centrum Autor: Petr Čech Datum: 17.9.2012 Úprava klasifikace DRG 009.2012 Aktualizace
VíceA N o v y obcanského sdružení. (dále jen" sdružení ") I. Název a sídlo sdružení. Domošov 459, 790 85 Belá pod Pradedem. a Právní postavení sdružení
A N o v y obcanského sdružení JEB - KlTE o. s. (dále jen" sdružení ") I. Název a sídlo sdružení 1) Název sdružení zní: 2) Sídlem sdružení je: JEB - KlTE o.s. Domošov 459, 790 85 Belá pod Pradedem a Právní
Více112 LINKA TÍSŇOVÝCH VOLÁNÍ
112 LINKA TÍSŇOVÝCH VOLÁNÍ 112 GIS PRINCIPY SYSTÉMU Plné územní pokrytí ČR na shodné úrovni kvality. Přenos zpracování z okresní úrovně (77 okresů) na krajskou úroveň (14 krajů). Podpora příjmu volání
VíceNÚOV Kvalifikační potřeby trhu práce
Zadavatel: Národní ústav odborného vzdělávání v Praze se sídlem: Weilova 1271/6, 102 00 Praha 10, IČ: 00022179 zastoupený : RNDr. Miroslavem Procházkou, CSc. prostřednictvím osoby pověřené výkonem zadavatelských
VíceHODNOCENÍ KVALITY PRÁCE RADLIČKOVÝCH KYPŘIČŮ PŘI HLUBŠÍM KYPŘENÍ
HODNOCENÍ KVALITY PRÁCE RADLIČKOVÝCH KYPŘIČŮ PŘI HLUBŠÍM KYPŘENÍ Ing. Petr Šařec, Ph.D., Prof. Ing. Ondřej Šařec, CSc., Ing. Karel Srb, Ing. Jaroslav Prexl ČZU v Praze Technická fakulta, katedra využití
VíceROZKLIKÁVACÍ ROZPOČET - ONLINE ZVEŘEJŇOVÁNÍ EKONOMICKÝCH DAT ÚŘADU
ČÁST 2. ELEKTRONIZACE PROCESŮ A DIGITALIZACE DAT ROZKLIKÁVACÍ ROZPOČET - ONLINE ZVEŘEJŇOVÁNÍ EKONOMICKÝCH DAT ÚŘADU Přehled kam směřují peníze z městského rozpočtu. Přehled jaký je aktuální stav čerpání
VíceEnergetické vzdělávání. prof. Ing. Ingrid Šenitková, CSc.
Energetické vzdělávání prof. Ing. Ingrid Šenitková, CSc. Zpracovávání energetických auditů a energetických posudků Podnikat v energetických odvětvích na území ČR lze na základě zákona č. 458/2000 Sb. (energetický
VíceTWINNING PROJEKT CZ01/IB-EN-01
Projekt / Komponent TWINNING CZ/01 IB-EN-01 Environmentální monitoring Autoři Weber, Vogel, Nemetz Ze dne / Verze 23.července 02/2.0 Směrný dokument Info Fáze 1 Reference / Strana EM strategický směrný
VíceKreativní malování. s dětmi. Dana Cejpková
Kreativní malování s dětmi Dana Cejpková Ukázka knihy z internetového knihkupectví www.kosmas.cz U k á z k a k n i h y z i n t e r n e t o v é h o k n i h k u p e c t v í w w w. k o s m a s. c z, U I D
VíceUkázka knihy z internetového knihkupectví www.kosmas.cz
Ukázka knihy z internetového knihkupectví www.kosmas.cz Mgr. Jitka Hůsková, Mgr. Petra Kašná OŠETŘOVATELSTVÍ OŠETŘOVATELSKÉ POSTUPY PRO ZDRAVOTNICKÉ ASISTENTY Pracovní sešit II/2. díl Recenze: Mgr. Taťána
VíceQRS DETEKTOR V PROSTŘEDÍ SIMULINK
QRS DETEKTOR V PROSTŘEDÍ SIMULINK FUNDA T. a HÁNA K. ČVUT v Praze, Fakulta biomedicínského inženýrství, Společné pracoviště ČVUT a UK Abstrakt Problém detekce QRS v EKG signálu byla pro přehlednost a snadnou
VíceÈÁST PRVNÍ. Èlánek 1 Úèel vyhlášky:
Èíslo: I /2006 Dne: 2812 2006 Zastupitelstvo obce Dobré vydává podle ustanovení 29 odst 3) zákona è 50/1976 Sb, o územilím plánování a stavebním øádu, (stavební zákon), ve znìní pozdìjších pøedpisù, a
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VíceManagement. Modul 5 Vedení lidí a leadership
Management Modul 5 Vedení lidí a leadership Výukový materiál vzdělávacích kurzů v rámci projektu Zvýšení adaptability zaměstnanců organizací působících v sekci kultura Tento materiál je spolufinancován
VíceVážený pane řediteli,
Vážený pane řediteli, dovolujeme si nabídnout Vám moderní řešení problémů spojených s výrobní logistikou, optimálním využitím stávajících kapacit, snížením výrobních nákladů, plánováním a optimalizací
VíceParalelní systémy. SIMD jeden tok instrukcí + více toků dat jedním programem je zpracováváno více různých souborů dat
Paralelní systémy Paralelním systémem rozumíme takový systém, který paralelně zpracovává více samostatných úloh nebo zpracování určité úlohy automaticky rozdělí do menších částí a paralelně je zpracovává.
VíceObecně závazná vyhláška obcí Plaňany, Poboří, Hradenín a Blinka. č. 4/2003 ze dne 4.11.2003
Obecně závazná vyhláška obcí Plaňany, Poboří, Hradenín a Blinka č. 4/2003 ze dne 4.11.2003 O nakládání s komunálním odpadem a stavebním odpadem na uzemí obcí Plaňany, Blinka, Hradenín a Poboří Zastupitelstvo
VícePodpora výroby elektřiny z biomasy a bioplynu (z pohledu ERÚ) Petr Kusý Odbor elektroenergetiky Energetický regulační úřad www.eru.
Podpora výroby elektřiny z biomasy a bioplynu (z pohledu ERÚ) Petr Kusý Odbor elektroenergetiky Energetický regulační úřad www.eru.cz Obsah prezentace Stručné představení ERÚ Zákon č. 180/2005 Sb. o podpoře
VíceTECHNICKÁ ZPRÁVA. Rekonstrukce budovy č.p. 2380, ul. Pod Nemocnicí, Louny - PZTS
, Roudnice nad Labem IČ: 49 10 13 58 TECHNICKÁ ZPRÁVA Akce: : Rekonstrukce budovy č.p. 2380, ul. Pod Nemocnicí, Louny - PZTS Stupeň PD: PROVÁDĚCÍ PROJEKTOVÁ DOKUMENTACE Investor: ÚP ČR krajská pobočka
VíceNávod k obsluze. Plynový kondenzaèní kotel Logamax plus GB152-16/24/24K. 7746800029 08/2006 CZ (cs) Pro obsluhu
7746800029 08/2006 CZ (cs) Pro obsluhu Návod k obsluze Plynový kondenzaèní kotel Logamax plus GB52-6/24/24K Pøed zahájením obsluhy pozornì proètìte Obsah Pøehled základní øídící jednotky Logamatic BC0...........................
VíceZATÍŽENÍ SNĚHEM A VĚTREM
II. ročník celostátní konference SPOLEHLIVOST KONSTRUKCÍ Téma: Cesta k pravděpodobnostnímu posudku bezpečnosti, provozuschopnosti a trvanlivosti konstrukcí 21.3.2001 Dům techniky Ostrava ISBN 80-02-01410-3
VíceČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Provozně ekonomická fakulta Teze k diplomové práci Statistická analýza obchodování s vybranými cennými papíry Autor DP: Milena Symůnková Vedoucí DP: Ing. Marie Prášilová,
Víceč. A/0../10 Smlouva o poskytnutí sociální služby v Azylovém domě Samaritán
č. A/0../10 Smlouva o poskytnutí sociální služby v Azylovém domě Samaritán Níţe uvedeného měsíce, dne a roku uzavřeli 1) Pan/paní: Datum narození: Rodné číslo: Trvalý pobyt: Číslo OP: v textu této smlouvy
VíceZPRÁVA O PRŮBĚHU ŘEŠENÍ PROJEKTU
Page 1/1 ZPRÁVA O PRŮBĚHU ŘEŠENÍ PROJEKTU Cíle projektu Uveďte předem stanovené cíle a u každého z nich uveďte, do jaké míry byl splněn, případně důvod, proč splněn nebyl. Cílem projektu bylo skokové zvýšení
VíceGENERAL GAME PLAYING Marika Ivanová Seminář Herní Algoritmy, 12. 12. 2012
GENERAL GAME PLAYING Marika Ivanová Seminář Herní Algoritmy, 12. 12. 2012 Obsah Koncept GGP Herní model Reprezentace znalostí Hráči (General Game Players) Řídící systém Závěr Koncept GGP Snaha o vytvoření
VíceČÁST PÁTÁ POZEMKY V KATASTRU NEMOVITOSTÍ
ČÁST PÁTÁ POZEMKY V KATASTRU NEMOVITOSTÍ Pozemkem se podle 2 písm. a) katastrálního zákona rozumí část zemského povrchu, a to část taková, která je od sousedních částí zemského povrchu (sousedních pozemků)
VícePRACOVNÍ DOKUMENT. CS Jednotná v rozmanitosti CS 6. 2. 2013. o situaci nezletilých osob bez doprovodu v Evropské unii. Zpravodajka: Nathalie Griesbeck
EVROPSKÝ PARLAMENT 2009-2014 Výbor pro občanské svobody, spravedlnost a vnitřní věci 6. 2. 2013 PRACOVNÍ DOKUMENT o situaci nezletilých osob bez doprovodu v Evropské unii Výbor pro občanské svobody, spravedlnost
VíceMV ČR, Odbor egovernmentu. renata.horakova@mvcr.cz. Webové stránky veřejné správy - minimalizace jejich zranitelnosti a podpora bezpečnostních prvků
Návrh výzkumné potřeby státní správy pro zadání veřejné zakázky A. Předkladatel garant výzkumné potřeby Název organizace Ministerstvo vnitra Adresa Milady Horákové 133/ Kontaktní osoba Ing. Jaroslav Scheuba
Více;Metodické listy pro kombinované studium předmětu MANAŽERSKÁ EKONOMIKA
;Metodické listy pro kombinované studium předmětu MANAŽERSKÁ EKONOMIKA Přednášející: Ing. Jana Kotěšovcová Metodický list č. 1 Způsob zakončení předmětu požadavky na zápočet: Procvičovací příklady na jednotlivých
VíceMiroslav Čepek 16.12.2014
Vytěžování Dat Přednáška 12 Kombinování modelů Miroslav Čepek Pavel Kordík a Jan Černý (FIT) Fakulta Elektrotechnická, ČVUT Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti 16.12.2014
VícePopis realizace poskytování sociální služby
Popis realizace poskytování sociální služby Veřejný závazek Charity Odry ohledně odborného sociálního poradenství dle zákona o sociálních službách č. 108/2006 Sb. par. 37 odst. 1 4. 1. Cíle, poslání a
VíceCvičení 3 komplexní zpracování a klasifikace dat. Oblast Cairo
Popis dat Landsat Cvičení 3 komplexní zpracování a klasifikace dat Oblast Cairo Landsat 7 ETM je 6. satelit, který NASA vypustila pro observaci Země (start Landsatu 6 byl v roce 1993 neúspěšný). Hlavním
VíceDOPORUČENÝ POSTUP PRO DIGITÁLNÍ ZPRACOVÁNÍ PODKLADŮ PRO ÚZEMNĚ ANALYTICKÉ PODKLADY (ÚAP)
DOPORUČENÝ POSTUP PRO DIGITÁLNÍ ZPRACOVÁNÍ PODKLADŮ PRO ÚZEMNĚ ANALYTICKÉ PODKLADY (ÚAP) Vážení starostové, přáli bychom si, aby tento doporučený postup byl pro Vás určitým vodítkem při zpracování jevů
VíceKoncepce rozvoje Polytematického strukturovaného hesláře (PSH) 2012 2014
Koncepce rozvoje Polytematického strukturovaného hesláře (PSH) 2012 2014 Schváleno Radou pro koordinaci Polytematického strukturovaného hesláře (PSH) dne: 12. 12. 2011 ÚVOD V době svého vzniku (90. léta
VícePokyny České pošty pro označování Doporučených zásilek čárovými kódy
Pokyny České pošty pro označování Doporučených zásilek čárovými kódy Zpracoval Česká pošta, s.p. Datum vytvoření 14.04.2010 Datum aktualizace 17.04.2014 Počet stran 20 Počet příloh 0 Obsah dokumentu 1.
VícePasivní dům Vějíř v Bystrci
Pasivní dům Vějíř v Bystrci Autor: Vize Ateliér, s r.o. Běhounská 22, 602 00, Brno Tel.: +420 777 887 839, e-mail: info@vizeatelier.eu, web: www.vizeatelier.eu. 1. Úvod V Brně Bystrci se právě staví tento
VíceObchodní podmínky PRESPLAST s.r.o.
Obchodní podmínky PRESPLAST s.r.o. I. ÚVODNÍ USTANOVENÍ Obchodní podmínky. Obchodní společnost PRESPLAST s.r.o., se sídlem Česká Třebová, Kubelkova 497, PSČ 560 02, IČ 27502317, společnost zapsaná v obchodním
Více