This diploma thesis deals with intellectually talented individuals and from the narrower point of view, gifted pupils in the subject of Czech language at the second level of elementary school. In the theoretical part, the author deals with the talents, definitions and concepts of this issue, existing models from various authors, characteristics of gifted children, approaches of Czech schools to the education of these children and extra-curricular possibilities for the development of their talent. This thesis also deals with linguistic intelligence and personality of the teacher. The main objective is to give a realistic picture of how teachers of the Czech language view gifted pupils and what differences they find between gifted individuals and ordinary students. Furthermore, the author of the thesis searches for the differences between the capabilities of pupils gifted at the Czech language and other pupils in fulfilling the assigned tasks. Last but not least, what is the point of view on education of the pupils themselves. In the practical part, using the structured interview method, information and opinions from teachers of talented pupils and pupils themselves to the teaching of the Czech language are collected. In addition to that, on the basis of the theoretical data gathered, practical tasks...

Protection of Copyright and International Law Abstract The topic of the thesis is focused on currnet situation within the area of international copyright protection in connection with new technologies. Firstly, it points to differences in national and regional adaptations of legislation based on the principle of teritoriality typical for copyright protection. It defines the position of copyright within the framework of international law and within the system of intellectual property rights. It then presents the legislational framework of this area through the Berne Convention, the TRIPs Agreement on Trade-Related Aspects of Intellectual Property Rights and the WIPO World Intellectual Property Organization. It then focuses on the regional area of the European Union, where it discusses the Copyright Directive in the Information Society and the currently prepared Copyright Directive in the Single Digital Market and discusses in more detail its controversial articles 11 and 13. In Its second part, the thesis aproaches concepts of copyright, the criterion of originality and uniqueness, dualism of copyright as divided to the economic and moral rights and the concept of employee works. This provides a theoretical basis for the following chapters to illustrate a possible copyright problem related to artificial...

The thesis describes the stock exchange environment, the system and its basic operating principles. The thesis further focuses on the stock exchange data and its analysis. The author describes the development of the technical analysis; he mentions the classical theory and the classical graphical methods, the modern graphical methods, the technical indicators and finally the latest analytical methods, the so-called Artificial Intelligence. The research focuses on the real stock market prediction using the artificial intelligence methods and knowledge of the modern technical analysis.

Hoje em dia, com a privatização e aumento da competitividade no mercado elétrico, as empresas precisam encontrar formas de melhorar a qualidade do serviço e garantir lucratividade. A previsão de carga de curto prazo é uma atividade indispensável à operação que pode melhorar a segurança e diminuir custos de geração. A fim de realizar a previsão da carga, é necessária a identificação de padrões de comportamento de consumo e da sua relação com variáveis exógenas ao sistema tais como condições climáticas. Originalmente o problema foi resolvido de forma matemática e estatística através de técnicas tais como as séries numéricas, que fornecem bons resultados, mas utilizam processos complexos e de difícil modelamento. O surgimento das técnicas de inteligência artificial forneceu uma nova ferramenta capaz de lidar com a grande massa de dados das cargas e inferir por si mesmo a relação entre as variáveis do sistema. Notadamente, as redes neurais e a lógica fuzzy se destacaram como as técnicas mais adequadas, sendo que já vem sendo estudadas e utilizadas para a previsão de carga a mais de 20 anos. Este trabalho apresenta uma metodologia para a previsão da curva de carga diária de áreas elétricas através do uso de técnicas de inteligência artificial, mais especificamente as redes neurais. Inicialmente são apresentadas as principais técnicas de previsão sendo dado maior detalhamento as redes neurais e a lógica fuzzy. É feita a análise dos dados necessários à previsão e seu tratamento. Em seguida, o processo do uso de redes neurais e lógica fuzzy na previsão é descrito e é apresentado o desenvolvimento e resultados obtidos com o desenvolvimento e implementação de um sistema de previsão com redes neurais na concessionária CTEEP Transmissão Paulista. Como contribuição dessa tese, a transformada Wavelet é analisada como ferramenta para a filtragem e compactação de dados na previsão com redes neurais. / Nowadays, with privatization of utility companies and increase in competition in the energy market, companies must increase their service quality and ensure profits. Short term load forecasting is essential for operation of power systems and can increases security and reduces generation costs. Forecasting the load demands the identification of load patterns and its relations with exogenous variables such as weather. Originally, the problem was solved using mathematics and statistics with techniques such as time series, which produces good results but are complex and have a difficult modeling. With the advent of artificial intelligence techniques, new tools capable of dealing with large amounts of data and learn by themselves system variables relations were available. Artificial neural networks and fuzzy logic came up as the most suitable for load forecasting that have been tested and used for load forecasting for the last 20 years. This work presents a methodology for daily load forecasting of electrical areas using artificial intelligence techniques, specifically neural networks. At first, forecasting techniques are presented with emphasis on neural networks and fuzzy logic. Acquisition and treatment of data are analyzed. The load forecasting using neural networks and fuzzy logic is described and the results of the development and tests of a load forecasting system at CTEEP Transmissão Paulista presented. As contribution of this thesis, Wavelet transform is analyzed as a tool for denoising and data compression for neural network load forecasting.

Em sistemas multiagentes (SMA), a impossibilidade de controle do comportamento interno dos agentes propicia a emergência de dilemas sociais. Uma das possíveis abordagens para resolver tais dilemas é a abordagem social, que tem no conceito de reputação seu principal mecanismo de controle. Para agilizar a obtenção da reputação, torna-se essencial que os agentes cooperem, trocando informações a respeito de reputação. Assim, a partir de diversas observações, avaliações e troca de informações sobre reputação pode-se observar o surgimento da ordem social no sistema global. Entretanto, a heterogeneidade semântica entre os diferentes modelos de reputação torna a interação de agentes um problema, principalmente em SMA abertos. Este trabalho propõe uma arquitetura baseada em serviços, denominada SOARI, para o tratamento deste problema. Esta arquitetura apóia o mapeamento e tradução de conceitos entre ontologias de modelos de reputação distintos através do uso de uma ontologia comum no domínio da reputação. Para ilustrar o uso da arquitetura, foram realizados diversos experimentos nos domínios de comércio eletrônico e de avaliação de obras de arte. Neste último caso, analisou-se os impactos causados nos agentes como conseqüência da habilitação de uma maior expressividade e heterogeneidade na comunicação sobre reputação. / In Multiagent Systems (MAS), controlling the internal agent\'s behavior is impossible and therefore social dilemma may emerge. One possible approach to solve the problem is the social approach, which considers reputation as its main control mechanism. In order to accelerate the reputation evaluation, it is essential that the cooperating agents could exchange information about reputation. Thus, by using observations, evaluations and information exchange about reputation the social order in the global system may occur. However, the semantic heterogeneity of different reputation models makes agent interaction a problem, especially in open MAS. This work proposes a service oriented architecture, named SOARI, to deal with this problem. This architecture supports concept mapping and translation among different reputation model ontologies by using a common ontology. In order to illustrate its deployment, several experiments in the electronic commerce and art appraisal domains were performed. In the latter it was analyzed the effects caused on the agents as a consequence of a more expressive and heterogeneous communication about reputation.

Redes de Anúncios (Ad Networks) são redes que promovem a distribuição de anúncios pela internet, de forma a maximizar o lucro total gerado pela exibição dos anúncios nos websites. Estas redes tipicamente operam através do modelo de negócios chamado CPC (Custo por Clique), em que o anunciante paga um determinado valor somente se algum usuário clicar em seu anúncio. A escolha de como o intermediador planeja a distribuição dos anúncios aos websites é de extrema importância, já que a taxa de cliques nos anúncios é extremamente baixa. Atualmente a alocação dos anúncios tem sido feita através de uma solução aproximada baseada na alocação ótima definida com dados de um período anterior, a qual é calculada através de programação linear aliada à utilização de heurísticas. Entretanto, este sistema claramente é um processo de decisão sequencial em que diversas restrições são aplicáveis, como por exemplo: o orçamento dos anunciantes, limites mínimos do número de exibições de cada anúncio, categorias dos anúncios, entre outras. Neste trabalho argumenta-se que MDPs (Markov Decision Processes) fornecem uma melhor modelagem para o problema, já que conseguem levar em conta a dinâmica do sistema, considerando, por exemplo, que um anúncio que tem poucas chances de ser clicado consiga ser alocado de forma eficiente em relação ao retorno de longo prazo, mesmo quando outros anúncios proveriam um lucro maior a curto prazo. No entanto, devido ao grande número de estados, utilizar uma solução ótima através de MDPs é impraticável. Portanto analisa-se o desempenho relativo entre o estado da arte e a modelagem ótima, obtendo garantias de que a solução aproximada baseada em programação linear não está longe da solução ótima, e que em problemas grandes (similares aos encontrados na prática) essa diferença pode ser ignorada. Por fim, propõe-se uma modelagem baseada em aprendizado por reforço para a solução deste problema, utilizando duas abordagens, uma desconsiderando informações de contexto e outra considerando informações de contexto. Aqui argumenta-se que o uso de aprendizado por reforço é mais apropriado para a solução do problema de alocação de anúncios, já que ele é capaz de adaptar sua política de alocação em função das mudanças que ocorrem como, por exemplo, no perfil do usuário. / Ad Networks promote the distribution of ads in the internet, so as to maximize the revenue generated by their display of ads in websites. These networks typically operate using the CPC (Cost per Click) business model, where the advertiser pays a monetary value when a user clicks in its advertisement. The choice of how the Ad Network distributes ads to websites is of utmost importance, since the rate of clicks on ads is extremely low. The allocation of ads has been done by an approximate solution based on data from an early period of time, which is calculated using linear programming combined with heuristics. However, this problem is clearly a sequential decision process in which multiple sequential restrictions apply, such as: the budget of the advertisers, minimum limits on the number of views for each campaign, categories of advertisements. In this dissertation we argue that MDPs (Markov Decision Processes) provide a better model for the problem, since they can automatically take into account the dynamics of the system, considering, for example, an ad with little chance of being clicked can be allocated in an efficient way, even when other ads would provide a higher profit in the short term. However, due to the large number of states, an optimal solution through MDPs is impractical; therefore we analyze here the relative performance between the linear programming and the MDP approaches, deriving guarantees that the approximate solution based on linear programming is not far from the MDP optimal solution, and in large problems (similar to those found in practice) this difference can be disregarded. Finally, we propose a model based on reinforcement learning using two different approaches, one disregarding the contextual information, and the other using contextual information. We argue that the use of reinforcement learning is more suitable for solving the problem of allocation of ads, since it is able to adapt its allocation policy to reflect changes that occur, e.g., in the user profile.

Em sistemas multiagentes (SMA), a impossibilidade de controle do comportamento interno dos agentes propicia a emergência de dilemas sociais. Uma das possíveis abordagens para resolver tais dilemas é a abordagem social, que tem no conceito de reputação seu principal mecanismo de controle. Para agilizar a obtenção da reputação, torna-se essencial que os agentes cooperem, trocando informações a respeito de reputação. Assim, a partir de diversas observações, avaliações e troca de informações sobre reputação pode-se observar o surgimento da ordem social no sistema global. Entretanto, a heterogeneidade semântica entre os diferentes modelos de reputação torna a interação de agentes um problema, principalmente em SMA abertos. Este trabalho propõe uma arquitetura baseada em serviços, denominada SOARI, para o tratamento deste problema. Esta arquitetura apóia o mapeamento e tradução de conceitos entre ontologias de modelos de reputação distintos através do uso de uma ontologia comum no domínio da reputação. Para ilustrar o uso da arquitetura, foram realizados diversos experimentos nos domínios de comércio eletrônico e de avaliação de obras de arte. Neste último caso, analisou-se os impactos causados nos agentes como conseqüência da habilitação de uma maior expressividade e heterogeneidade na comunicação sobre reputação. / In Multiagent Systems (MAS), controlling the internal agent\'s behavior is impossible and therefore social dilemma may emerge. One possible approach to solve the problem is the social approach, which considers reputation as its main control mechanism. In order to accelerate the reputation evaluation, it is essential that the cooperating agents could exchange information about reputation. Thus, by using observations, evaluations and information exchange about reputation the social order in the global system may occur. However, the semantic heterogeneity of different reputation models makes agent interaction a problem, especially in open MAS. This work proposes a service oriented architecture, named SOARI, to deal with this problem. This architecture supports concept mapping and translation among different reputation model ontologies by using a common ontology. In order to illustrate its deployment, several experiments in the electronic commerce and art appraisal domains were performed. In the latter it was analyzed the effects caused on the agents as a consequence of a more expressive and heterogeneous communication about reputation.

Redes de Anúncios (Ad Networks) são redes que promovem a distribuição de anúncios pela internet, de forma a maximizar o lucro total gerado pela exibição dos anúncios nos websites. Estas redes tipicamente operam através do modelo de negócios chamado CPC (Custo por Clique), em que o anunciante paga um determinado valor somente se algum usuário clicar em seu anúncio. A escolha de como o intermediador planeja a distribuição dos anúncios aos websites é de extrema importância, já que a taxa de cliques nos anúncios é extremamente baixa. Atualmente a alocação dos anúncios tem sido feita através de uma solução aproximada baseada na alocação ótima definida com dados de um período anterior, a qual é calculada através de programação linear aliada à utilização de heurísticas. Entretanto, este sistema claramente é um processo de decisão sequencial em que diversas restrições são aplicáveis, como por exemplo: o orçamento dos anunciantes, limites mínimos do número de exibições de cada anúncio, categorias dos anúncios, entre outras. Neste trabalho argumenta-se que MDPs (Markov Decision Processes) fornecem uma melhor modelagem para o problema, já que conseguem levar em conta a dinâmica do sistema, considerando, por exemplo, que um anúncio que tem poucas chances de ser clicado consiga ser alocado de forma eficiente em relação ao retorno de longo prazo, mesmo quando outros anúncios proveriam um lucro maior a curto prazo. No entanto, devido ao grande número de estados, utilizar uma solução ótima através de MDPs é impraticável. Portanto analisa-se o desempenho relativo entre o estado da arte e a modelagem ótima, obtendo garantias de que a solução aproximada baseada em programação linear não está longe da solução ótima, e que em problemas grandes (similares aos encontrados na prática) essa diferença pode ser ignorada. Por fim, propõe-se uma modelagem baseada em aprendizado por reforço para a solução deste problema, utilizando duas abordagens, uma desconsiderando informações de contexto e outra considerando informações de contexto. Aqui argumenta-se que o uso de aprendizado por reforço é mais apropriado para a solução do problema de alocação de anúncios, já que ele é capaz de adaptar sua política de alocação em função das mudanças que ocorrem como, por exemplo, no perfil do usuário. / Ad Networks promote the distribution of ads in the internet, so as to maximize the revenue generated by their display of ads in websites. These networks typically operate using the CPC (Cost per Click) business model, where the advertiser pays a monetary value when a user clicks in its advertisement. The choice of how the Ad Network distributes ads to websites is of utmost importance, since the rate of clicks on ads is extremely low. The allocation of ads has been done by an approximate solution based on data from an early period of time, which is calculated using linear programming combined with heuristics. However, this problem is clearly a sequential decision process in which multiple sequential restrictions apply, such as: the budget of the advertisers, minimum limits on the number of views for each campaign, categories of advertisements. In this dissertation we argue that MDPs (Markov Decision Processes) provide a better model for the problem, since they can automatically take into account the dynamics of the system, considering, for example, an ad with little chance of being clicked can be allocated in an efficient way, even when other ads would provide a higher profit in the short term. However, due to the large number of states, an optimal solution through MDPs is impractical; therefore we analyze here the relative performance between the linear programming and the MDP approaches, deriving guarantees that the approximate solution based on linear programming is not far from the MDP optimal solution, and in large problems (similar to those found in practice) this difference can be disregarded. Finally, we propose a model based on reinforcement learning using two different approaches, one disregarding the contextual information, and the other using contextual information. We argue that the use of reinforcement learning is more suitable for solving the problem of allocation of ads, since it is able to adapt its allocation policy to reflect changes that occur, e.g., in the user profile.

The diploma thesis is devoted to exploiting pupils' multiple intelligences in the process of learning English vocabulary. The theoretical part deals with the theory of vocabulary acquisition and the description of Howard Gardner´s multiple intelligences. The practical part deals with the application of these theories into lessons where activities connected with multiple intelligences will be used for new vocabulary teaching. The aim of this diploma thesis is to find out which types of intelligences will be the most effective during the process of vocabulary acquisition. This will be discovered by the test of vocabulary focused on vocabulary taught during lessons.

This thesis is concerned with author's acting experiences. The aim is not to create a generally valid analysis but to give a personal statement, which is perceived in a broader context. The author basses this on the fact that he is a Thinking Actor who is constantly searching for his limits. He deals with the advantages and disadvantages of this regarding himself. The chapters are focused on different qualities which are essential for fine acting and the author compares these qualities with his mentioned abilities. Special attention has been paid to naturalness, truthfulness and the authenticity of acting.