|
|
Koevoluce v evolučním návrhu obvodů
Veřmiřovský, Jakub ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá evolučním návrhem obvodů za pomoci kartézského genetického programování a jeho optimalizaci za pomoci koevoluce. Algoritmus koevolvuje fitness prediktory, které jsou optimalizovány pro populaci kandidátních obvodů. Práce popisuje teoretická východiska, zejména pak genetické programování, koevoluci v genetickém programování, návrh obvodů, a zabývá se návrhem využití koevoluce v evolučním návrhu kombinačních obvodů. Na základě tohoto návrhu je implementována aplikace, která umožňuje navrhovat a optimalizovat kombinační obvody. Funkčnost aplikace byla ověřena na pěti testovacích úlohách. Srovnání proběhlo mezi kartézským genetickým programováním s koevolucí a bez koevoluce. Poté řešení navržené pomocí evoluce bylo srovnáno s klasickými metodami návrhu. S použitím koevoluce se snížil počet evaluací obvodu během evoluce a v některých případech našla řešení, která mají lepší parametry (např. méně logických hradel, menší zpoždění), než řešení navržená konvenčně.
|
|
|
Využití regresních metod pro predikci dopravy
Vaňák, Tomáš ; Korček, Pavol (oponent) ; Petrlík, Jiří (vedoucí práce)
Diplomová práce se zabývá možnostmi predikce dopravní situace na makroskopické úrovni s využitím údajů naměřených pomocí dopravních senzorů. Těmito senzory mohou být indukční smyčky, radarové detektory nebo kamery. Práce se zaměřuje na problematiku predikce dojezdových dob automobilů. V rámci diplomové práce byla navržena a implementována metoda dojezdových dob. Navržená metoda byla otestována pomocí dat z reálného provozu. Prvním cílem práce bude seznámení s metodami predikce, které budou využívány. Hlavním cílem práce je využít získaných znalostí k navržení a implementaci aplikace, která bude predikovat požadované dopravní veličiny.
|
|
|
Nástroj pro analýzu záznamů o průběhu evoluce číslicového obvodu
Kapusta, Vlastimil ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce popisuje stochastické optimalizační algoritmy inspirované přírodou, které využívají populaci jedinců - konkrétně evoluční algoritmy. Blíže je popsáno genetické programování a jeho varianta - kartézské genetické programování. Dále se práce zaměřuje na analýzu a vizualizaci záznamů o průběhu evoluce číslicového obvodu. Byly zmapovány existující nástroje pro vizualizaci průběhu evoluce obvodů. Protože nebyl nalezen vyhovující nástroj, který by umožnil komplexní analýzu průběhu evoluce obvodů, byla pro tento účel navržena sada analytických funkcí. Navržené funkce byly implementovány ve formě interaktivního nástroje s grafickým uživatelským rozhraním v jazyce Java. Vytvořená aplikace byla detailně popsána a poté použita k analýze zvolených evolučních záznamů.
|
|
|
Využití evolučních algoritmů v úloze symbolické regrese
Komadel, Michal ; Slaný, Karel (oponent) ; Vašíček, Zdeněk (vedoucí práce)
Evoluční techniky jsou neustále se vyvíjející a progresivní část informatiky. Evoluční algoritmy se v praxi používají k řešení mnohých druhů problémů od optimalizace až k plánování. Tato práce se zabývá genetickým a kartézským genetickým programováním, které patří mezi nejčastěji používané algoritmy. Cílem práce je implementovat jednotlivé přístupy a vyhodnotit jejich účinnost v úloze symbolické regrese.
|
|
|
Sebemodifikující se programy v kartézském genetickém programování
Minařík, Miloš ; Slaný, Karel (oponent) ; Sekanina, Lukáš (vedoucí práce)
Kartézské genetické programování se během posledních let ukázalo jako velmi perspektivní oblast evolučních výpočtů. Má však jistá omezení, která znemožňují řešit pomocí něj rozsáhlejší nebo obecné problémy. Tato omezení lze eliminovat pomocí novějšího přístupu umožňujícího sebemodifikaci programů v kartézském genetickém programování. Cílem této práce je zhodnotit dosavadní vývoj a aktuální situaci v této oblasti a navrhnout vlastní řešení různých problémů, při jejichž řešení klasické kartézské genetické programování selhává. Jedním z těchto problémů, kterými se práce zabývá, je generování členů Taylorova rozvoje pro různé funkce. Vzhledem k tomu, že se jedná o problém vyžadující zobecnění, je cílem dokázat, že sebemodifikující varianta kartézského genetického programování je v tomto ohledu lepší než klasická. Dalším řešeným problémem bude využití sebemodifikujících programů v kartézském genetickém programování k návrhu řadicích sítí pro libovolný počet vstupů. Také v tomto případě je záměrem dokázat, že sebemodifikace přináší do kartézského genetického programování nové aspekty nutné k vývoji libovolně rozsáhlých řešení.
|
|
|
Kartézské genetické programování v evolučním umění
Veselý, Pavel ; Hyrš, Martin (oponent) ; Petrlík, Jiří (vedoucí práce)
Tato práce se zabývá využitím kartézského genetického programování (CGP) v evolučním umění (EvoArt). Text předkládá úvod do problematiky. Dále se zaměřuje na proces návrhu, implementace a testování nové metody, jak CGP v EvoArtu využít. Navržená metoda využívá CGP pro generování 2D vektorové grafiky. Praktickou částí je webová aplikace pro tvorbu EvoArt, která metodu implementuje. V závěru jsou zhodnoceny dosažené výsledky.
|
|
|
Evoluční návrh neuronových sítí využívající generativní kódování
Hytychová, Tereza ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je navrhnout a implementovat metodu pro návrh neuronové sítě, která bude využívat generativní kódování. Navržená metoda, která vychází z metody J. F. Millera, je založena na vytvoření modelu mozku, který je postupně vyvíjen, a ze kterého lze extrahovat klasickou neuronovou síť. Vývin mozku je řízen programy vytvořenými pomocí kartézského genetického programování. Implementace byla provedena v jazyce Python s použitím knihovny Numpy. Při experimentování se ukázalo, že metoda je schopná vytvářet neuronové sítě, které na menších datových sadách dosahují přesnosti přesahující 90 %. Metoda je zároveň schopna vytvářet neuronové sítě řešící více problémů naráz, za cenu mírného snížení dosažené přesnosti.
|
|
|
Návrh řadicích sítí pomocí koevolučního CGP
Fábry, Marko ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá návrhem řadicích sítí pomocí kartézskeho genetického programovaní s využitím koevoluce. Řadicí sítě jsou abstraktní modely schopné seřadit posloupnost čísel. Výhodou řadicích sítí je snadná implementovatelnost do hardware, ale jejich návrh je velmi složitý. Jednou z nekonvečních a efektivních možností jak navrhovat řadicí sítě je pomocí kartézskeho genetického programování (CGP). CGP je algoritmus patřící do skupiny evolučních algoritmů inspirovaných Darwinovou evoluční teorii. Efektivitu CGP algoritmu je možno zvýšit použitím koevoluce. Koevoluce je přístup, který pracuje s více populacemi, které se vzájemně ovlivňují a neustále vyvíjejí, čímž zabraňují uváznutí prohledávání v lokálním optimu. V práci je ukázané, že pomocou koevolúcie je možné dosiahnuť takmer dvojnásobné urýchlenie v porovnaní s evolučným návrhom.
|
|
|
Evoluční návrh konvolučních neuronových sítí
Piňos, Michal ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je návrh a implementace programu pro automatizovaný návrh konvolučních neuronových sítí (CNN) s využitím evolučních výpočetních technik. Z praktického hlediska tento přístup redukuje potřebu lidského faktoru při tvorbě CNN, a tak eliminuje zdlouhavý a namáhavý proces ručního návrhu. Tato práce využívá speciální formu genetického programování nazývanou kartézské genetické programování, které pro zakódování řešeného problému využívá grafovou reprezentaci. Tato technika umožňuje uživateli parametrizovat proces hledání CNN, a tak se zaměřit na architektury zajímavé z pohledu použitých výpočetních jednotek, přesnosti či počtu parametrů. Navrhovaný přístup byl otestován na standardizované datové sadě CIFAR-10, která je často využívána výzkumníky pro srovnání výkonnosti jejich CNN. Provedené experimenty ukázaly, že tento přístup má jak výzkumný,tak praktický potenciál a implementovaný program otevírá možnosti vzniku zajímavých řešení.
|
|
|
Evoluční optimalizace konvolučních neuronových sítí
Roreček, Pavel ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce se zabývá problematikou neuronových sítí se zaměřením na sítě konvoluční (CNN) a evoluční optimalizací v kontextu neuronových sítí. Z existujících knihoven pro modelování CNN byla po analýze vybrána jedna konkrétní, a to Keras. Její funkcionalita je demonstrována na úlohách klasifikace obrázků. S využitím kartézského genetického programování byla navržena a implementována optimalizace CNN za účelem snížení složitosti výpočtu konvolučních vrstev. Dopady navržené optimalizace na chování CNN byly otestovány a vyhodnoceny v rámci případové studie.
|
host ::
RSS.