|
|
Clustering hits and predictions in data from TimePix3 detectors
Čelko, Tomáš ; Mráz, František (vedoucí práce) ; Holan, Tomáš (oponent)
Hybridné pixelové detektory ako Timepix3 a Timepix4 zaznamenávajú elementárne častice pomocou pixelov, ktoré generujú takzvané "hity". Pre ďalšiu analýzu je potrebné zoskupiť jednotlivé hity do priestorovo a časovo koincidujúcich skupín, nazývaných aj klastre. Zatiaľ čo detektory Timepix3 dokážu generovať až 80 miliónov hitov za sekundu, ďalšia generácia Timepix4 poskytne až 640 miliónov hitov za sekundu, čo je ďaleko nad súčasnou kapacitou algoritmov klastrovania v reálnom čase, ktoré spracovávajú približne 3 milióny hitov za sekundu. V našej práci skúmame možnosti zrýchlenia procesu klastrovania so zameraním na jeho aplikáciu v reálnom čase. Vyvinuli sme nástroj, ktorý využíva viacjadrové CPU na zrýchlenie klastrovania. Napriek neusporiadanosti a vzájomnej časovej závislosti hitov dosahujeme zrýchlenie, ktoré rastie s počtom použitých jadier. Okrem toho sme využili možnosti znížiť výpočtové nároky klastrovania tým, že určíme parametre radiačného poľa z neklastrovaných údajov a iniciujeme klastrovanie, ak tieto parametre preukazujú znaky zaujímavých udalostí. Toto ďalšie zrýchlenie klastrovania zároveň znižuje požiadavky na ukladací priestor. Navrhované metódy boli overené a porovnané pomocou reálnych a simulovaných dát.
|
|
|
Evoluce robotů v simulovaném fyzikálním prostředí
Bečvář, Marek ; Mráz, František (vedoucí práce) ; Vodrážka, Jindřich (oponent)
Práce představuje systém pro tvorbu a vyhodnocování experimentů s evolučním vý- vojem robotů ve 3D simulovaném fyzikálním prostředí knihovny MuJoCo. Experimenty umožňují vývoj řízení i morfologie robotů za užití libovolné, uživatelem definované hodno- tící funkce. Platforma klade důraz na dostupnost, čitelnost a rozšiřitelnost implementace. Systém nabízí jednoduché grafické rozhraní umožňující podrobnou konfiguraci experi- mentů a textové rozhraní vhodné pro provádění rozsáhlých experimentů se statistickým vyhodnocením. Práce implementuje několik robotů různých složitostí a řadu evolučních algoritmů s nejznámějšími genetickými operátory. Architektura systému umožňuje při tvorbě experimentů vytvářet libovolné kombinace těchto prvků. Práce společně s doku- mentací pro uživatele dává jednoduchý návod, jak stávající implementaci rozšiřovat. 1
|
|
|
Learning picture languages using picture-to-string transformations
Rychtera, Ivan ; Mráz, František (vedoucí práce) ; Pešková, Klára (oponent)
Definujeme nový model pro rozpoznávání obrázkových jazyků pomocí transformace obrázku na řetězec - přepisovací a vyhodnocovací automat pro obrázkové jazyky (TEMPL). Model se skládá z přepisovače, který přepisuje vstupní obrázek na řetězec, a vyhodno- covače, který získaný řetězec přijímá nebo odmítá. TEMPL používáme jako reprezentaci obrázkových jazyků, které se lze naučit z pozitivních a negativních příkladů. Přiložená implementace TEMPL a několik algoritmů pro učení regulárních jazyků byly použity pro porovnání přesnosti trénování TEMPL na vybraných obrázkových jazycích. 1
|
|
| |
|
|
Testování učení restartovacích automatů genetickými algoritmy
Kovářová, Lenka ; Mráz, František (vedoucí práce) ; Černo, Peter (oponent)
Název práce: Testování učení restartovacích automatů genetickými algoritmy Autor: Bc. Lenka Kovářová Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. Abstrakt: Restartovací automat je teoretickým modelem zařízení rozpoznávajícího jazyk. Konstrukce různých verzí restartovacích automatů může být značně náročná. Bylo vyvinuto mnoho různých metod učení takovýchto automatů. Mezi nimi jsou i metody učení založené na genetických algoritmech, které hledají automat k zadané množině pozitivních a negativních příkladů slov jazyka. V práci je navržena metoda pro vylepšení učení restartovacích automatů učených evolučními algoritmy pomocí přidávání nových pravidel speciálního typu umožňující přizpůsobení učícího algoritmu konkrétním jazykům. Dále je navržen systém pro testování metod učení restartovacích automatů podporující především učení evolučními algoritmy. Součástí práce je i program pro učení restartovacích automatů za použití nově navržené metody, umožňující následné otestování nalezených automatů a vyhodnocení výsledků převážně grafickou formou. Klíčová slova: strojové učení, gramatická inference, restartovací automaty, genetické algoritmy
|
|
|
Busy Beaver Problem
Kropitz, Pavel ; Holan, Tomáš (vedoucí práce) ; Mráz, František (oponent)
Práca mala za úlohu vyvinúť a implementovať optimalizačné metódy, ktoré by našli uplatnenie pri riešení busy beaver problému rádu 5+. Výsledkom práce je teoretická časť a jej implementácia v podobe dvoch programov - simulátora turingových strojov podrobne zobrazujúceho výpočet stroja s aplikáciou teórie a programu prehľadávajúceho priestor turingových strojov. Ten bol spustený pre turingove stroje o štyroch až šiestich stavoch. Kvalitu metód preukázal malým počtom strojov, ktorých správanie nedokázal odhaliť a nájdením nového rekordného stroja - kandidáta na busy beavera rádu 6.
|
|
|
Generovanie obrázkov a animácií pomocou L-sytémov
Jaška, Milan ; Mráz, František (vedoucí práce) ; Holan, Tomáš (oponent)
Cílem práce je navrhnout systém na editaci a vizualizaci planárních a prostorových scén obsahujících elementární objekty a objekty popsané Lindenamayerovými systémy. Vizualizace planárních scén bude přímá, prostové scény budou vizualizované prostřednictvím popisu v jazyce VRML. K vizualizaci VRML bude použit externí program. Systém by měl umožnit zachytávat vybraná stádia vývoje objektů podle Lindenmayerových systémů tak, aby bylo možné animovat vývoj objektu.
|
|
|
Vizualizace a testování týmových profilů
Höschl, Cyril ; Mráz, František (vedoucí práce) ; Holan, Tomáš (oponent)
Cílem práce je představit metody vedoucí k vizualizaci a testování týmových profilů. Osobnostní profil je vektor skórů charakterizujícího člena týmu. Týmový profil je skupina osobnostních profilů. Prvním krokem pro zobrazení týmového profilu je vyjádření podobnosti mezi individuálními profily. Prezentujeme nový přístup k vyjádření podobnosti mezi osobnostními profily pomocí významnosti jejich rozdílu vyjádřenou pravděpodobností. Tuto míru použijeme pro testování profilů i pro spočítání jejich podobnostní matice. Týmový profil zobrazíme sociomapou. Abychom ji mohli sestrojit, prezentujeme vlastní algoritmus pro projekci podobnostní matice do roviny. Tento algoritmus porovnáváme se známými metodami Multidimenzionálního škálovýní a Analýzy hlavních komponent, kterými řešíme stejnou úlohu. Při porovnání MDS a PCA ze srovnávací studie plyne, že náš algoritmus se chová přesněji a srovnatelně rychle. Též prezentujeme některé známé metody počítačové grafiky, kterými docilujeme grafické 3D podoby sociomapy a ukazujeme některá nová vylepšení pro reálnější dojem při čtení sociomapy.
|
|
|
Evoluční vývoj modulárních robotických organizmů
Leibl, Marek ; Mráz, František (vedoucí práce) ; Holan, Tomáš (oponent)
Práce představuje systém pro evoluční návrh virtuálních organismů schopných efektivního pohybu v simulovaném prostředí podobně jako živé organismy. Morfologie a řídící systém jsou vyvíjeny současně pomocí evolučních algoritmů. Systém také umožňuje návrh organismů v editoru a evoluci řídicího systému organismů s pevnou morfologií. Vyhodnocení kvality a prohlížení vyvinutých organismů probíhá v simulovaném fyzikálním 3D prostředí. Práce klade důraz na výpočetní a časovou nenáročnost evolučního procesu, které je dosaženo zachycením symetrií organismů a jejich pohybu pomocí HyperNEAT-generativního kódování synaptických vah. Dále k výpočetní nenáročnosti přispívá omezení variability vzájemného propojení modulů a omezení na harmonický pohyb organismů.
|
|
| |
host ::
RSS.