Biomechanical Big Data is of great significance to precision health applications, among which we take special interest in Physical Activity Detection (PAD). In this study, we have performed extensive research on deep learning-based PAD from biomechanical big data, focusing on the challenges raised by the need of real-time edge inference. First, considering there are many places we can place the motion sensors, we have thoroughly compared and analyzed the location difference in terms of deep learning-based PAD performance. We have further compared the difference among six sensor channels (3-axis accelerometer and 3-axis gyroscope). Second, we have selected the optimal sensor and the optimal sensor channel, which can not only provide sensor usage suggestions but also enable ultra-low-power application on the edge. Third, we have investigated innovative methods to minimize the training effort of the deep learning model, leveraging the transfer learning strategy. More specifically, we propose to pre-train a transferable deep learning model using the data from other subjects and then fine-tune the model using limited data from the target-user. In such a way, we have found that, for single-channel case, the transfer learning can effectively increase the deep model performance even when the fine-tuning effort is very small. This research, demonstrated by comprehensive experimental evaluation, have shown the potential of ultra-low-power PAD with minimized sensor stream and minimized training effort.

Výkonností testování aplikací nabírá v poslední době na důležitosti během vývoje všeho druhu. Tato práce mapuje základy testování výkonu, které jsou aplikovatelné na libovolné aplikace a následně analýzuje testování výkonu komponent používaných v Messaging systémech a to konkrétně Apache ActiveMQ Artemis a Qpid-Dispatch. Využívané metody testování výkonu je zaměřeno zejména na Apache ActiveMQ Artemis pomocí systému Messaging Performance Tool s názvem Maestro. Práce navrhuje vylepšení této aplikace o rozšíření testování systému Qpid-Dispatch a její možnosti při automatizovaném testování. Řešení je demonstrováno na sérii experimentů s různými topologiemi. Výsledná zpráva závěrem vyhodnocuje navržené rozšíření systému Maestro, zhodnocuje výkon komponenty Qpid-Dispatch a rozvíjí myšlenky pro další rozšíření.

Tato práce představuje optimalizační techniky zaměřené na proces sběru výkonnostních dat v rámci výkonnostní analýzy a profilování programů v nástroji Perun.   Rozšíření architektury a implementace těchto nových optimalizačních technik v nástroji Perun (a převážně pak v jeho modulu Tracer) zlepšuje jeho škálovatelnost a umožňuje tak provádět výkonnostní analýzu i nad rozsáhlými projekty.   Zaměřujeme se především na zvýšení přesnosti sběru dat, redukci množství instrumentovaných bodů programu, omezení časové režie procesu sběru dat a výkonnostního profilování, snížení objemu sbíraných dat a velikosti výsledného výkonnostního profilu.   Optimalizace je dosažena pomocí aplikace statistických metod, množství technik statické a dynamické analýzy (případně jejich kombinací) a využitím pokročilých možností a schopností nástrojů SystemTap a eBPF.   Na základě vyhodnocení provedeného na dvou vybraných projektech a množství experimentů můžeme konstatovat, že se nám úspěšně podařilo dosáhnout značné optimalizace u téměř všech sledovaných metrik a kritérií.

This master‘s thesis deals with the evaluation of the business performance and financial situation of the company DTS Vrbenský, a.s. in the years 2015 to 2019 using selected methods of business performance analysis. The work focuses mainly on intercompany comparison of performance. In addition to the outputs from the company's benchmarking, the work also contains processed strategic analyzes. Based on the performed analyzes, the weaknesses of the company are identified and solutions are proposed to improve the current situation.

In this work, we focus on enhancing the efficacy of predictive modeling in operational management decision making in two different settings: Essay 1 focuses on demand forecasting for the companies and the second study utilizes longitudinal data to analyze the illicit drug seizure and overdose deaths in the United States. In Essay 1, we utilize an operational system (newsvendor model) to evaluate the forecast method outcome and provide guidelines for forecast method (the exponential smoothing model) performance assessment and judgmental adjustments. To assess the forecast outcome, we consider not only the common forecast error minimization approach but also the profit maximization at the end of the forecast horizon. Including profit in our assessment enables us to determine if error minimization always results in maximum profit. We also look at the different levels of profit margin to analyze their impact on the forecasting method performance. Our study also investigates how different demand patterns influence maximizing the forecasting method performance. Our study shows that the exponential smoothing model family has a better performance in high-profit products, and the rate of decrease in performance versus demand uncertainty is higher in a stationary demand environment.In the second essay, we focus on illicit drug overdose death rate. Illicit drug overdose deaths are the leading cause of injury death in the United States. In 2017, overdose death reached the highest ever recorded level (70,237), and statistics show that it is a growing problem. The age adjusted rate of drug overdose deaths in 2017 (21.7 per 100,000) is 9.6% higher than the rate in 2016 (19.8 per 100,000) (U. S. Drug Enforcement Administration, 2018, p. V). Also, Marijuana consumption among youth has increased since 2009. The magnitude of the illegal drug trade and its resulting problems have led the government to produce large and comprehensive datasets on a variety of phenomena relating to illicit drugs. In this study, we utilize these datasets to examine how marijuana usage among youth influence excessive drug usage. We measure excessive drug usage in terms of drug overdose death rate per state. Our study shows that illegal marijuana consumption increases excessive drug use. Also, we analyze the pattern of most frequently seized illicit drugs and compare it with drugs that are most frequently involved in a drug overdose death. We further our analysis to study seizure patterns across layers of heroin and cocaine supply chain across states. This analysis reveals that most active layers of the heroin supply chain in the American market are retailers and wholesalers, while multi-kilo traffickers are the most active players in the cocaine supply chain. In summary, the studies in this dissertation explore the use of analytical, descriptive, and predictive models to detect patterns to improve efficacy and initiate better operational management decision making.

ŠIMÍČEK, M. Air Traffic Flows Analysis. Brno: Brno University of Technology, Faculty of Mechanical Engineering, 2013. 84 s. Supervisor Ing. Tomáš Kujal, Ph.D. The diploma thesis discusses the factors that affect routing and transport performance in the air transport. Besides the characteristics of these factors the main objective of this thesis is to quantitatively evaluate their level of dependence on the traffic performance of air transport. This is done by using the linear regression analysis. Based on this analysis, mathematical models of dependence of these factors on traffic performance are developed. The thesis also verifies the accuracy of these models and tries to find out which of them are usable and which are not. Their accuracy is mainly dependent on the selected track and on the type of airline.

S rostoucím počtem řídicích systémů a jejich distribuovanosti získávájí komunikační sítě na důležitosti a objevují se nové výzkumné trendy. Hlavní problematikou v této oblasti, narozdíl od dřívějších řídicích systémů využívajících dedikovaných komunikačních obvodů, je časově proměnné zpoždění měřicích a řídicích signálů způsobené paketově orientovanými komunikačními prostředky, jako např. Ethernet. Aspekty komunikace v reálném čase byly v těchto sítích již úspěšně vyřešeny. Nicméně, analýzy trendů trhu předpovídají budoucí využití také IP sítí v průmyslové komunikaci pro časově kritickou procesní vyměnu dat. IP komunikace má ovšem pouze omezenou podporu v instrumentaci pro průmyslovou automatizace. Tato výzva byla nedávno technicky vyřešena v rámci projektu Virtual Automation Networks (virtuální automatizační sítě - VAN) zapojením mechanismů kvality služeb (QoS), které jsou schopny zajistit měkkou úroveň komunikace v reálném čase. Předložená dizertační práce se zaměřuje na aspekty výkonnosti reálného času z analytického hlediska a nabízí prostředek pro hodnocení využitelnosti IP komunikace pro budoucí průmyslové aplikace. Hlavním cílem této dizertační práce je vytvoření vhodného modelovacího rámce založeného na network calculus, který pomůže provést worst-case výkonnostní analýzu časového chování IP komunikačních sítí a jejich prvků určených pro budoucí použití v průmyslové automatizaci. V práci byla použita empirická analýza pro určení dominantních faktorů ovlivňujících časového chování síťových zařízení a identifikaci parametrů modelů těchto zařízení. Empirická analýza využívá nástroj TestQoS vyvinutý pro tyto účely. Byla navržena drobná rozšíření rámce network calculus, která byla nutná pro modelování časového chování používaných zařízení. Bylo vytvořeno několik typových modelů zařízení jako výsledek klasifikace různých architektur síťových zařízení a empiricky zjištěných dominantních faktorů. U modelovaných zařízení byla využita nová metoda identifikace parametrů. Práce je zakončena validací časových modelů dvou síťových zařízení (přepínače a směrovače) oproti empirickým pozorováním.

L’objectif principal de cette thèse est l’analyse des performances des réseaux LTE-A (Long Term Evolution- Advanced) au travers de la géométrie stochastique. L’analyse mathématique des réseaux cellulaires est un problème difficile, pour lesquels ils existent déjà un certain nombre de résultats mais qui demande encore des efforts et des contributions sur le long terme. L’utilisation de la géométrie aléatoire et des processus ponctuels de Poisson (PPP) s’est avérée être une approche permettant une modélisation pertinente des réseaux cellulaires et d’une complexité faible (tractable). Dans cette thèse, nous nous intéressons tout particulièrement à des modèles s’appuyant sur ces processus de Poisson : PPP-based abstraction. Nous développons un cadre mathématique qui permet le calcul de quantités reflétant les performances des réseaux LTE-A, tels que la probabilité d’erreur, la probabilité et le taux de couverture, pour plusieurs scénarios couvrant entre autres le sens montant et descendant. Nous considérons également des transmissions multi-antennes, des déploiements hétérogènes, et des systèmes de commande de puissance de la liaison montante. L’ensemble de ces propositions a été validé par un grand nombre de simulations. Le cadre mathématique développé dans cette thèse se veut général, et doit pouvoir s’appliquer à un nombre d’autres scénarios importants. L’intérêt de l’approche proposée est de permettre une évaluation des performances au travers de l’évaluation des formules, et permettent en conséquences d’éviter des simulations qui peuvent prendre énormément de temps en terme de développement ou d’exécution. / The main focus of this thesis is on performance analysis and system optimization of Long Term Evolution - Advanced (LTE-A) cellular networks by using stochastic geometry. Mathematical analysis of cellular networks is a long-lasting difficult problem. Modeling the network elements as points in a Poisson Point Process (PPP) has been proven to be a tractable yet accurate approach to the performance analysis in cellular networks, by leveraging the powerful mathematical tools such as stochastic geometry. In particular, relying on the PPP-based abstraction model, this thesis develops the mathematical frameworks to the computations of important performance measures such as error probability, coverage probability and average rate in several application scenarios in both uplink and downlink of LTE-A cellular networks, for example, multi-antenna transmissions, heterogeneous deployments, uplink power control schemes, etc. The mathematical frameworks developed in this thesis are general enough and the accuracy has been validated against extensive Monte Carlo simulations. Insights on performance trends and system optimization can be done by directly evaluating the formulas to avoid the time-consuming numerical simulations.

The efficient parallel execution of scientific applications is a key challenge in high-performance computing (HPC). With growing parallelism and heterogeneity of compute resources as well as increasingly complex software, performance analysis has become an indispensable tool in the development and optimization of parallel programs. This thesis presents a framework for systematic performance analysis of scalable, heterogeneous applications. Based on event traces, it automatically detects the critical path and inefficiencies that result in waiting or idle time, e.g. due to load imbalances between parallel execution streams. As a prerequisite for the analysis of heterogeneous programs, this thesis specifies inefficiency patterns for computation offloading. Furthermore, an essential contribution was made to the development of tool interfaces for OpenACC and OpenMP, which enable a portable data acquisition and a subsequent analysis for programs with offload directives. At present, these interfaces are already part of the latest OpenACC and OpenMP API specification. The aforementioned work, existing preliminary work, and established analysis methods are combined into a generic analysis process, which can be applied across programming models. Based on the detection of wait or idle states, which can propagate over several levels of parallelism, the analysis identifies wasted computing resources and their root cause as well as the critical-path share for each program region. Thus, it determines the influence of program regions on the load balancing between execution streams and the program runtime. The analysis results include a summary of the detected inefficiency patterns and a program trace, enhanced with information about wait states, their cause, and the critical path. In addition, a ranking, based on the amount of waiting time a program region caused on the critical path, highlights program regions that are relevant for program optimization. The scalability of the proposed performance analysis and its implementation is demonstrated using High-Performance Linpack (HPL), while the analysis results are validated with synthetic programs. A scientific application that uses MPI, OpenMP, and CUDA simultaneously is investigated in order to show the applicability of the analysis.

No description available.