Národní úložiště šedé literatury Nalezeno 9 záznamů.  Hledání trvalo 0.00 vteřin. 
Echo state networks and their application in time series prediction
Savčinský, Richard ; Mráz, František (vedoucí práce) ; Matzner, Filip (oponent)
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) sú zvláštnym typom RNN, ktoré sa naopak dajú učiť relatívne jednoducho. Majú rezervoár neurónov, ktorých stav odráža históriu všetkých signálov v sieti, a preto je tento typ sietí vhodný na simuláciu a predikciu časových postupností. Dosia- hnutie maximálneho výkonu ESN vyžaduje veľmi precízne nastavenie a experi- mentovanie. Preto sme v tejto práci vytvorili nástroj pre konštruovanie a testova- nie takýchto sietí. Pre účely vyskúšania vytvoreného nástroja sme implementovali úlohu predpovedania vývoja časových radov. Konkrétne sme sa zamerali na pred- povedanie vývoja cien akcií, čo predstavuje veľmi neistú a pre presnú predpoveď veľmi náročnú oblasť. Výsledky našich experimentov sme porovnali s výsledkami iných nástrojov, a zistili sme, že náš nástroj dáva porovnateľné výsledky. 1
Echo state networks and their application in time series prediction
Savčinský, Richard ; Mráz, František (vedoucí práce) ; Matzner, Filip (oponent)
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) sú zvláštnym typom RNN, ktoré sa naopak dajú učiť relatívne jednoducho. Majú rezervoár neurónov, ktorých stav odráža históriu všetkých signálov v sieti, a preto je tento typ sietí vhodný na simuláciu a predikciu časových postupností. Dosia- hnutie maximálneho výkonu ESN vyžaduje veľmi precízne nastavenie a experi- mentovanie. Preto sme v tejto práci vytvorili nástroj pre konštruovanie a testova- nie takýchto sietí. Pre účely vyskúšania vytvoreného nástroja sme implementovali úlohu predpovedania vývoja časových radov. Konkrétne sme sa zamerali na pred- povedanie vývoja cien akcií, čo predstavuje veľmi neistú a pre presnú predpoveď veľmi náročnú oblasť. Výsledky našich experimentov sme porovnali s výsledkami iných nástrojov, a zistili sme, že náš nástroj dáva porovnateľné výsledky.
Optimization of a circulating multi-car elevator system
Pantůčková, Kristýna ; Fink, Jiří (vedoucí práce) ; Matzner, Filip (oponent)
Cirkulující výtahový systém obsahuje několik kabin ve dvou šachtách. V jedné šachtě se kabiny pohybují směrem nahoru, ve druhé směrem dolů. Tento sys- tém se podobá páternosteru, kabiny ale musí pro naložení a vyložení pasažérů zastavit a otevřít dveře. Kromě mnoha technických výzev tento systém přináší algoritmické otázky ohledně efektivního řízení všech kabin. Tato práce studuje off- line optimalizační problém hledání nejefektivnějšího řízení výtahového systému pro pevně danou množinu pasažérů. Za tímto účelem byl vytvořen počítačový program obsahující implementaci genetického algoritmu pro hledání nejefektiv- nějšího řízení a diskrétní simulaci pro vyhodnocování efektivity řízení. Program poskytuje grafické uživatelské rozhraní pro zadávání parametrů, generování pasa- žérů a zobrazování výsledků. 1
Umělý hráč pro Angry Birds
Nikonova, Ekaterina ; Gemrot, Jakub (vedoucí práce) ; Matzner, Filip (oponent)
Angry Birds is a popular video game, in which the player is provided with a sequence of birds to shoot from a slingshot. The task of the game is to kill all green pigs with maximum possible score. Angry Birds appears to be a difficult task to solve for artificially intelligent agents due to the sequential decision-making, nondeterministic game environment, enormous state and action spaces and requirement to differentiate between multiple birds, their abilities and optimum tapping times. In this thesis, we are presenting several different techniques suitable for the implementation of artificial Angry Birds agent. First, we will show how limited Breath First Search can be used to estimate potentially good shooting points. After that we will discover how reinforcement learning can be applied to the Angry Birds game. Lastly, we will apply Deep reinforcement learning to Angry Birds game by implementing Double Dueling Deep Q- networks. One of our main goals was to build an agent that is able to compete in AIBirds competition and with humans on the game's first 21 levels. In order to do so, we have collected a dataset of game frames that we used to train our agent. We evaluate our agents using results of the previous participants of AIBirds competition and results of volunteer human players.
Creating the Game Strategies for PuppetWars Using Neuroevolution
Šmelko, Adam ; Pilát, Martin (vedoucí práce) ; Matzner, Filip (oponent)
V posledných rokoch nastal v hernom priemysle rozmach. Pre udržanie konkurencieschopnosti sú herné spoločnosti nútené vyvíjať stále viac príťažli- vé počítačové hry, čo implikuje i prítomnosť čo najvernejšej umelej inteligen- cie ovládajúcej herné prvky, na čo sa naša práca zameriava. Implementovali sme jednoduchú 2D programovaciu hru, na ktorej sme predviedli sadu poku- sov učiac umelú inteligenciu v nej, snažiac sa vytvoriť stratégie konkurujúce tým ľudským. Preskúmali sme niekoľko variácií učenia pomocou evolučnej stratégie aplikovanej na neurónové siete a vytvorili sme herné postavičky hodné bytia rovnocenným protivníkom užívateľom hry.
Predikce sekundární struktury proteinu pomocí hlubokých neuronových sítí
Filippi, Michal ; Hoksza, David (vedoucí práce) ; Matzner, Filip (oponent)
Znalost struktury, kterou proteiny zaujímají v prostoru, je klíčovým faktorem při studiu jejich funkce. Experimentální zjištění struktury je ale nákladné a časově náročné, proto jsou velmi populární predikční modely struktury. Nejvýraznějším podproblémem predikce struktury proteinů je predikce lokálního uspořádání sou- sedících aminokyselin určeného vodíkovými vazbami, tzv. sekundární struktury proteinů. Tato práce se zaměřuje na využití hlubokých neuronových sítí v pre- dikci sekundární struktury. Na implementovaném predikčním modelu jsou v rámci této práce testovány různé modifikace sítě, především je pak provedeno srovnání LSTM a GRU paměťových buněk. Dále jsou zkoumány nové metody předzpraco- vání proteinů, a to zrychlení klasické metody výpočtu PSSM a zahrnutí predikce terciární struktury mezi vstupy predikčního modelu. V poslední části práce je ověřována použitelnost vyhlazovacích metod pro modely predikující složitější os- mistavové rozdělení sekundárních struktur. 1
Heterogenní ostrovní modely
Balcar, Štěpán ; Pilát, Martin (vedoucí práce) ; Matzner, Filip (oponent)
Práce se zabývá heterogenními ostrovními modely. Navrhuje a implementuje nový ostrovní model na základě poznatků o homogenních modelech v oblasti evolučních algoritmů. Model umožňuje dynamické přeplánovávání obecných výpočetních metod. Práce experimentálně porovnává výsledky homogenních a heterogenních modelů.
Maximizing Computational Power by Neuroevolution
Matzner, Filip ; Mráz, František (vedoucí práce) ; Pilát, Martin (oponent)
Echo state networks jsou speciálním typem rekurentních neuronových sítí. Nedávný výzkum ukázal, že výkon echo state networks je nejvyšší na přechodu mezi uspořádaným a chaotickým režimem, takzvané hranici chaosu. Tato práce potvrzuje tento jev pomocí rozsáhlých experimentů. Dále je nejlepší echo state network porovnána se sítí vyvinutou pomocí neuroevoluce. Vyvinutá síť má vyšší výkon než nejlepší echo state network, ovšem evoluce vyžaduje značný výpočetní výkon. Kombinací toho nejlepšího z obou modelů, jednoduchostí echo state networks a výkonu vyvinutých sítí, byl navržen nový model zvaný locally connected echo state networks. Výsledky práce mohou mít vliv na budoucí návrhy echo state networks a na efektivitu jejich implementace. Výsledky mohou navíc pomoci lepšímu pochopení toho, jak funguje mozková tkáň. 1
Tracking of 3D Movement
Matzner, Filip ; Barták, Roman (vedoucí práce) ; Obdržálek, David (oponent)
V této práci navrhujeme a testujeme metodu pro krátkodobé sledování troj- rozměrného pohybu a orientace zařízení, využívající pouze integrované sensory - akcelerometr, gyroskop a magnetometr. Je zde představena přímočará metoda sledování, která je popsána jak z teoretického pohledu, tak pomocí praktického al- goritmu. Tuto metodu vylepšujeme stabilizačním systémem, který opravuje chyby způsobené nepřesností sensorů, a to pokaždé, když je zařízení v klidové poloze. Účinnost navržené metody a kvalita zmíněných vylepšení je měřena v několika ex- perimentech se dvěma mobilními zařízeními. Součástí práce je kompletní softwa- rové řešení umožňující experimentování se sensory v chytrých telefonech pomocí uživatelsky přívětivého rozhraní. 1

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.