|
|
Approximate Implementation of Arithmetic Operations in Image Filters
Válek, Matěj ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
This Master's thesis deals with approximate implementations of arithmetic operations in image filters. In particular, it uses approximation techniques to adjust the multiplication operations in a non-trivial image filter. Several methods are employed, such as converting the floating-point multiplication to fixed-point multiplication, applying evolutionary algorithms, especially Cartesian genetic programming, to create new approximate multipliers that have an acceptable level of error, and at the same time, reduced filtering complexity. The result is a collection of approximate multipliers evolved with respect to the data distribution retrieved from the image filter. Approximate image filters that use evolved approximate multipliers are compared with the standard image filter on a set of images.
|
|
|
Porovnání variant genetického programování v úloze symbolické regrese
Doležal, Petr ; Hurta, Martin (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí.
|
|
|
Modularita v evolučním návrhu
Klemšová, Jarmila ; Bidlo, Michal (oponent) ; Vašíček, Zdeněk (vedoucí práce)
Tato práce popisuje vybrané evoluční algoritmy a jejich využití hlavně v oblasti návrhu číslicových obvodů. V první části se zabývá obecným principem evolučních algoritmů. Na tuto část navazuje genetickými algoritmy a genetickým programováním. Dále se zabývá popisem kartézského genetického programování a některými jeho modifikacemi jako modulární, sebemodifikující se a kartézské genetické programování s více chromozomy. Hlavní část tvoří návrh a implementace modularizační techniky pro zefektivnění evolučního návrhu. Nedílnou součástí je experimentální vyhodnocení systému na sadě benchmarkových obvodů.
|
|
|
Souběžné učení v kartézském genetickém programování
Korgo, Jakub ; Grochol, David (oponent) ; Wiglasz, Michal (vedoucí práce)
Tato práce se zabývá integrací souběžného učení do kartézského genetického programování. Úlohu symbolické regrese se již povedlo vyřešit kartézským genetickým programováním, ovšem tato metoda není dokonalá. Je totiž relativně pomalá a při některých úlohách má tendenci nenalézat požadované řešení. Ale se souběžným učením lze vylepšit některé z~těchto vlastností. V této práci je představena plasticita genotypu, která je založena na Baldwinově efektu. Tento přístup umožňuje jedinci změnit jeho fenotyp během generace. Souběžné učení bylo testováno na pěti rozdílných úlohách pro symbolickou regresi. V experimentech se ukázalo, že pomocí souběžného učení lze dosáhnout až 15násobného urychlení evoluce oproti standardnímu kartézskému genetickému programování bez učení.
|
|
|
Mutace v kartézském genetickém programování
Končal, Ondřej ; Hrbáček, Radek (oponent) ; Wiglasz, Michal (vedoucí práce)
Tato práce se zabývá zkoumáním různých druhů mutací v kartézském genetickém programování (CGP) na úlohách symbolické regrese. CGP je druh evolučního algoritmu, který pracuje se spustitelnými strukturami. Mutace je u CGP hlavním genetickým operátorem a v kombinaci s ohodnocením zabírá nejdelší dobu běhu algoritmu. Nalezení lepšího druhu mutace proto může výrazně zrychlit tvorbu nových jedinců, a tak i zkrátit dobu běhu algoritmu. Tato práce představuje čtyři druhy mutací používané v CGP. Experimenty porovnávají tyto mutační operátory při řešení pěti úloh symbolické regrese. Ukazuje se, že vhodnou volbou mutace lze dosáhnout až skoro dvojnásobného zrychlení oproti standardnímu mutačnímu operátoru.
|
|
|
Evoluční resyntéza kombinačních obvodů
Pták, Ondřej ; Schwarz, Josef (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá kombinačními číslicovými obvody a jejich optimalizací. Nejprve jsou představeny hlavní úrovně abstrakce používané při návrhu kombinačních číslicových obvodů. Následně jsou prozkoumány různé metody pro optimalizaci kombinačních číslicových obvodů. Další část této práce je věnována především evolučním algoritmům, jejich společným rysům a variantám: genetickým algoritmům, evolučním strategiím, evolučnímu programování a genetickému programování. Podrobně je popsána varianta genetického programování nazývaná kartézské genetické programování (CGP) a využití CGP v různých oblastech, zejména při syntéze či optimalizaci kombinačních číslicových obvodů. Také jsou představeny některé modifikace CGP a problém škálovatelnosti evolučního návrhu obvodů. V navazující části je popsána metoda pro evoluční resyntézu kombinačních číslicových obvodů. Nejprve je popsán návrh, zejména způsob dělení obvodu na podobvody, poté implementační detaily a nakonec experimenty s touto metodou a jejich výsledky.
|
|
|
Koevoluční algoritmus v FPGA
Hrbáček, Radek ; Vašíček, Zdeněk (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá návrhem hardwarové jednotky urychlující návrh obrazových filtrů pomocí koevolučních algoritmů. V práci je nejprve představena technologie rekonfigurovatelných logických obvodů, na kterých je akcelerační jednotka založena. Teoretická část dále stručně popisuje evoluční a koevoluční algoritmy, jejich principy a aplikace. Tradiční metody návrhu obrazových filtrů jsou porovnány s metodami inspirovanými procesy pozorovanými v přírodě. Navržená hardwarová jednotka využívá dvojici procesorů MicroBlaze doplněných o vlastní periferie pro akceleraci kartézského genetického programování. Koevoluční návrh obrazových filtrů je tak urychlen až 58 krát oproti optimalizované softwarové implementaci. Funkčnost jednotky je ověřena na úlohách návrhu filtru impulzního šumu a detektoru hran.
|
|
|
Koevoluční algoritmy a klasifikace
Hurta, Martin ; Sekanina, Lukáš (oponent) ; Drahošová, Michaela (vedoucí práce)
Cílem této práce je automatizovaný návrh programu pro detekci projevů dyskineze z pohybových dat pacientů. K návrhu programu je využito kartézské genetické programování, které bylo z důvodu urychlení procesu návrhu doplněno o koevoluci prediktorů fitness s proměnlivou velikostí, která umožňuje vyhodnocení kvality kandidátních řešení na pouhé části trénovacích dat. Vzniklé řešení dosahuje srovnatelné schopnosti rozlišení mezi třídami (AUC) s existujícím řešením při dosažení v průměru trojnásobného zrychlení procesu návrhu oproti variantě bez prediktorů fitness. Experimenty s metodami křížení prediktorů neukázaly významný rozdíl mezi zvolenými metodami. Zajímavých výsledků však bylo dosaženo při experimentech s celočíselnými datovými typy vhodnými pro implementaci v hardwaru, kdy u datového typu o osmi bitech bez znaménka (uint8_t) bylo dosaženo nejenom srovnatelné schopnosti rozlišení mezi třídami (pro významné projevy dyskineze AUC = 0,93 shodně jako pro existující řešení) a zlepšení rozlišovací schopností u chodících pacientů (AUC = 0,80 oproti AUC = 0,73 u existujícího řešení), ale navíc v průměru téměř devítinásobného zrychlení návrhu oproti variantě bez prediktorů fitness využívající datový typ float.
|
|
|
Evoluční návrh booleovských funkcí pro kryptografii
Dvořák, Jan ; Vašíček, Zdeněk (oponent) ; Husa, Jakub (vedoucí práce)
Cílem této bakalářské práce je porovnat různé selekční metody použité v kartézském genetickém programování aplikovaném na problém různých druhů kryptograficky významných booleovských funkcí. Zaměřil jsem se na tyto typy selekce: evoluční strategie (1+lambda) a (1,lambda), turnajová selekce a selekce ruletou. Zvolený problém byl vyřešen implementací CGP se zmíněnými typy selekce a statistickým zpracováním dat získaných provedením experimentů. Vyhodnocením výsledků jsem zjistil, že nejlepších výsledků, v případě ohnutých funkcí, dosahuje evoluční strategie (1+lambda). V případě vyvážených funkcí s vysokou nelinearitou dosáhla nejlepších výsledků selekce ruletou.
|
|
|
Hledání S-boxů pomocí evolučních algoritmů
Hovorka, Bedřich ; Zadina, Martin (oponent) ; Hanáček, Petr (vedoucí práce)
Předložená práce se zabývá částí šifrovacího algoritmu zvanou substituční box a jeho evolučním návrhem. K jeho vývoji jsou použity evoluční výpočetní techniky, jako jsou klasický genetický algoritmus, Estimation of Distribution Algorithm, Kartézské genetické programování a multikriteriální algoritmy VEGA a SPEA. Cílem práce je prozkoušet vlastnosti substitučních boxů k jejich evolučnímu vývoji. Práce se nejprve zabývá kryptografií a problematikou s-boxů. Zde budou vysvětleny základní pojmy a popsána vybraná kritéria jejich bezpečnosti. Dále budou vyloženy použité evoluční algoritmy a základy multikriteriální optimalizace. Těchto poznatků je využito, k návrhu a implementaci programu, které jsou popsány dále. Nakonec diskutuje použití studovaných kritérií. Je zde diskutováno prohledávání s-boxů jak při jednokriteriálním, tak především v multikriteriálním genetickém prohledávání.
|
host ::
RSS.