| |
|
Implementace a porovnání přírodou inspirovaných prohledávacích algoritmů
Malysák, Adam ; Husa, Jakub (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá popisem, implementací a porovnáním genetického algoritmu, jeho varianty obohacené o lokální vyhledávací heuristiku a binární optimalizace hejnem částic (BPSO). Jsou to algoritmy inspirované přírodními jevy, konkrétně evolucí a pohybem hejna ryb či ptáků. Implementované algoritmy budou použity k řešení 3-SAT problému, který je v práci také popsán. Algoritmy jsou otestovány na benchmarkových instancích 3-SAT problému a porovnány mezi sebou a s výsledky jiných prací.
|
|
Music composition using artificial intelligence methods
Vendrame, Katia ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
This research delves into methods for automatic music composition, with a spe- cific emphasis on evolutionary algorithms and neural networks. It examines the potential correlation and discourse between musicology theories and automatic mu- sic composition, as well as its foundation in musical tradition. The study focuses on three algorithms utilized for generating short monophonic melodies stylistically based on given datasets or the user’s requirments: probabilistic grammar evolution, genetic algorithms, and LSTM models. The practical part of this work showcases the application of these algorithms and presents results from testing their efficacy and capabilities. Furthermore, it introduces an implementation for analyzing MIDI datasets from a musical perspective. Ultimately the study highlights the potential for future enhancements and broader applications in the field of automatic music analysis and composition.
|
|
Heuristický algoritmus pro logistiku nákladní dopravy
Hobža, Jakub ; Nevrlý, Vlastimír (oponent) ; Kůdela, Jakub (vedoucí práce)
Tato práce se zabývá řešením optimalizační úlohy od společnosti DS Logistics, s.r.o., kde cílem je minimalizace přepravních nákladů, které jsou dány ujetou vzdáleností. Současně je nutné dodržet řadu specifických požadavků firmy. Práce se zaměřuje na použití heuristických a metaheuristických algoritmů, přičemž jsou představeny čtyři různé metody řešení. V závěru práce jsou tyto metody porovnány na několika instancích. Nejlepší výsledky byly dosaženy pomocí simulovaného žíhání.
|
|
Přírodou inspirované optimalizační algoritmy
Krampla, Vojtěch ; Dvořák, Jiří (oponent) ; Šeda, Miloš (vedoucí práce)
Tato práce je zaměřena na popis čtyř optimalizačních algoritmů inspirovaných přírodou. Jsou popsány algoritmus mravenčí kolonie, algoritmus vlčí smečky, algoritmus včelího roje a genetický algoritmus. V rámci této práce byl implementován genetický algoritmus pro optimalizační úlohu, konkrétně pro řešení problému batohu. Součástí práce je experiment s tímto algoritmem a vyhodnocení získaných výsledků.
|
|
Simulace pohybu mobilního zařízení v ruce člověka
Hák, Marek ; Polčák, Libor (oponent) ; Hranický, Radek (vedoucí práce)
Webové prohlížeče poskytují stránkám přístup k pohybovým senzorům na mobilních zařízeních, jako jsou telefony či tablety. Sdílená data mohou být zneužita ke sledování a identifikaci uživatelů. Rozšíření pro webové prohlížeče JShelter poskytuje ochranu proti takovému zneužití pohybových dat předáváním falešných hodnot. Tyto hodnoty však simulují statické zařízení, což může vést k detekci simulace. Cílem této práce je vytvoření simulace pohybu zařízení, která bude generovat uvěřitelný pohyb zařízení v rukou člověka. Před návrhem proběhla analýza dat ze senzorů a průzkum metod simulace pohybu. Pro generaci pohybu jsou využity sady parametrů generované genetickým algoritmem. Výsledné řešení bylo integrováno do rozšíření JShelter a experimenty ukázaly dobré výsledky a výpočetní nenáročnost řešení.
|
| |
|
Automatizovaná tvorba modelů hlubokých neuronových sítí pro klasifikaci obrazu
DOHNAL, Patrik
Tato práce se zabývá návrhem a implementací systému pro automatickou tvorbu modelů hlubokých neuronových sítí (HNS) pro klasifikaci obrazu včetně evaluace výsledků na datových sadách Cifar-10 a Mnist-Fashion. Pro nalezení aproximačně nejlepšího modelu HNS je využito genetického algoritmu. V rámci práce je prozkoumáno několik přístupů k zakódování genetické informace modelů HNS. Dále je popsána řada experimentů s architekturou VGG-16, na jejichž základě je systém implementován. Součástí práce je i popis a řešení mnoha problémů s cyklickým trénováním na grafické kartě pomocí knihovny Tensorflow pro programovací jazyk Python.
|
| |
| |