|
|
Vliv chromatické složky antipredačních výstražných signálů na jejich efektivitu
Truhlářová, Marie ; Exnerová, Alice (vedoucí práce) ; Pipek, Pavel (oponent)
Výstražným zbarvením prezentují živočichové potenciálním predátorům svoji nebezpečnost či nevyužitelnost jako kořist. Jednotlivé výstražné barvy se liší ve své síle a v efektu na kognitivní procesy predátorů. Konkrétními kognitivními procesy, která výstražné barvy ovlivňují jsou proces učení, vrozená averze, paměť a generalizace. Mezi typické výstražné barvy ovlivňující reakce predátora řadíme červenou, oranžovou a žlutou barvu. Nejefektivnějším signálem se obecně jeví červená barva, která má významný vliv na proces učení, paměť i generalizaci. Oranžová se také jeví být silným signálem, nicméně není tolik studovanou barvou. Žlutá výstražná barva je efektivním aposematickým signálem, ale ve srovnání s jinými výraznějšími barvami (červenou a oranžovou), jde o méně silný stimul. Bílá, modrá, fialová a ultrafialová barva jsou málo studované barvy a jejich role v aposematismu zatím není potvrzena. Iridescentní zbarvení se jeví jako efektivní aposematiský signál, který může mít vliv na proces učení, paměť a generalizaci. Ve své práci uvádím souhrn dosavadních informací týkajících se vlivu jednotlivých výstražných barev na kognitivní procesy predátora. Klíčová slova: aposematismus, výstražné zbarvení, kognitivní procesy, červená, oranžová, žlutá, iridescence, averzivní učení, vrozená averze, paměť, generalizace
|
|
|
Smoothness of Functions Learned by Neural Networks
Volhejn, Václav ; Musil, Tomáš (vedoucí práce) ; Straka, Milan (oponent)
Modern neural networks can easily fit their training set perfectly. Surprisingly, they generalize well despite being "overfit" in this way, defying the bias-variance trade-off. A prevalent explanation is that stochastic gradient descent has an implicit bias which leads it to learn functions that are simple, and these simple functions generalize well. However, the specifics of this implicit bias are not well understood. In this work, we explore the hypothesis that SGD is implicitly biased towards learning functions that are smooth. We propose several measures to formalize the intuitive notion of smoothness, and conduct experiments to determine whether these measures are implicitly being optimized for. We exclude the possibility that smoothness measures based on first derivatives (the gradient) are being implicitly optimized for. Measures based on second derivatives (the Hessian), on the other hand, show promising results. 1
|
|
|
Generalizace LOD2 modelů budov metodou agregace
Měchurová, Kristýna ; Brůha, Lukáš (vedoucí práce) ; Pokorný, Tomáš (oponent)
Generalizace LOD2 modelů budov metodou agregace Abstrakt Práce se zabývá návrhem a implementací postupu agregace 3D modelů budov LOD2. Pomocí metody matematické optimalizace je navržen takový postup, aby bylo dosaženo globálně optimálního řešení. Budovy jsou agregovány na základě podobnostních charakteristik typických pro LOD2, např. typ střechy. Při agregaci je kladen důraz na to, aby byly minimalizovány objemové změny tělesa a zároveň aby se minimalizoval počet agregátů. Je vytvořena optimalizační úloha v podobě skriptu s volitelnými parametry tak, aby mohl skript posloužit široké škále uživatelů. Vstupní data jsou vytvořena pomocí metody procedurálního modelování a následně upravena tak, aby budovy tvořily souvislé bloky. Nakonec je za účelem názornosti výsledků optimalizace navržen a implementován postup vizualizace optimalizační úlohy. Klíčová slova: 3D GIS, generalizace, agregace, matematická optimalizace, procedurální modelování
|
|
|
Generalizace zástavby s využitím typifikace
Gottstein, Otomar ; Bayer, Tomáš (vedoucí práce) ; Jindrák, Přemysl (oponent)
Generalizace zástavby s využitím typifikace Abstrakt Diplomová práce se zabývá tématem kartografické generalizace. Hlavním cílem této práce bylo navrhnout novou metodu generalizace zástavby s využitím techniky typifikace pro oblasti s menší koncentrací zástavby (vesnická či horská zástavba). Navržená metoda byla koncipována pro mapy velkých měřítek (1 : 25 000 a 1 : 50 000). Představený generalizační algoritmus je založen na přednostním výběru budov při jejich zákresu do mapy na základě jejich občanské funkce, plošné výměry a jejich poloze vůči okolním komunikacím, železnicím a vodním tokům. Respektuje kartografická pravidla uplatňovaná pro tento typ generalizačních operací. Algoritmus byl implementován v programovacím jazyce Python s využitím knihoven Shapely a Fiona, a to za účelem jeho důkladného otestování. Za vhodná testovací data byla zvolena data ZABAGED a DATA50. V předkládané práci je mimo jiné představena také metoda objektivní kartografické evaluace výsledků typifikace, která využívá Voroného diagramu. Dosažené výsledky jsou prezentovány na mapách celkem patnácti obcí s odlišným typem převládající zástavby v obou cílových měřítkách. Klíčová slova: digitální kartografie, kartografická generalizace, typifikace, budovy, zjednodušení
|
|
| |
|
|
Generalizace cestní sítě v topografických mapách
Vojtíšková, Zuzana ; Lysák, Jakub (vedoucí práce) ; Jindrák, Přemysl (oponent)
Generalizace cestní sítě v topografických mapách Abstrakt Stěžejním tématem práce je automatizace výběru prvků cestní sítě. Kromě stručného představení pojmu a objasnění jeho pozice v rámci procesu generalizace je rešeršní část věnována především metodám řešení výběru prvků, a to v české topografické praxi i ve světové odborné literatuře. Následující část práce popisuje data a nástroje použité během řešení práce. Stěžejní část je věnována vlastní metodice automatizace výběru prvků cestní sítě, včetně jejího podrobnějšího rozboru a testování její správnosti na vybraných územích. Klíčová slova: generalizace mapy, cestní síť, výběr cest, teorie grafů, ZABAGED, ArcGIS, Python, NetworkX
|
|
|
Národní stereotypy: vztah Čechů a Španělů
RYBÁKOVÁ, Lenka
Tato bakalářská práce si klade za cíl představit problematiku národních stereotypů, která napříč vědami vstupuje stále více do popředí vědeckého zkoumání. V rámci teoretické části práce je tato tématika nejprve analyzována v obecné rovině a autorka se v ní zabývá charakteristikami konceptu stereotyp a jednotlivými aspekty, které objasňují vznik, modifikaci a zánik národních stereotypů. Zvláštní pozornost je v ní věnována mechanismům přenosu stereotypů, které jsou klíčovým faktorem pro praktickou část práce a společně s vybranými národními stereotypy o Španělech tvoří přechod mezi oběma částmi práce. Praktickou část práce tvoří analýza provedeného kvalitativního šetření, která je zaměřena na postoje Čechů ke Španělům. Analýza je zaměřena zejména na změnu představ, která u respondentů nastala na základě účasti na zahraniční mobilitě ve Španělském království. Dále si klade za cíl zjistit, jaké mechanismy přenosu stereotypů na respondenty nejčastěji působí. Součástí práce je resumé ve španělském jazyce.
|
|
|
Artificial Neural Networks and Their Usage For Knowledge Extraction
Petříčková, Zuzana ; Mrázová, Iveta (vedoucí práce) ; Procházka, Aleš (oponent) ; Andrejková, Gabriela (oponent)
Název práce: Umělé neuronové sítě a jejich využití při extrakci znalostí Autor: RNDr. Zuzana Petříčková Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí disertační práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teo- retické informatiky a matematické logiky Abstrakt: Vrstevnaté neuronové sítě jsou známé především díky své schopnosti dobře zobecňovat a odhalit v datech i složité nelineární závislosti. Na druhé straně má tento model tendenci vytvářet poměrně složitou vnitřní strukturu, a to především pro rozsáhlé datové sady. Při efektivním řešení náročných úloh jsou proto kladeny vysoké nároky především na rychlost procesu učení, schopnost sítě zobecňovat a na vytvoření jednoduché a transparentní struktury modelu. V této práci jsme navrhli obecnou metodologii pro učení vrstevnatých neuro- nových sítí. Jejím základem je rychlá a robustní metoda škálovaných konjugo- vaných gradientů. Tento standardní algoritmus učení je rozšířen o analytické či aproximativní oslabování citlivosti a o vynucovaní kondenzované interní re- prezentace. Redundantní vstupní a skryté neurony jsou prořezávány pomocí technik založených na citlivostní analýze a interní reprezentaci znalostí....
|
|
|
Potravní a hostitelská specializace u žahadlových blanokřídlích (Hymenoptera: Aculeata)
Hochová, Veronika ; Policarová, Jana (vedoucí práce) ; Černá, Kateřina (oponent)
Žahadloví blanokřídlí (Aculeata) je skupina hmyzu, jejíž zástupci se mezi sebou výrazně odlišují ve využívání zdrojů potřebných pro své přežití a rozmnožování. Do této skupiny patří býložravci živící se částmi rostlin, masožravci lovící jiné druhy hmyzu a všežravci. V žahadlových blanokřídlých se však vyskytují i druhy parazitické, jako například kleptoparazité, hnízdní parazité nebo parazitoidi. Jednotlivé skupiny žahadlových blanokřídlých jsou na získávání zdrojů adaptovány, takové adaptace se vyskytují u dospělých i nedospělých stádií. Adaptacemi na zdroje může být uzpůsobení ústního ústrojí na lov kořisti nebo sběr nektaru, sběrné košíčky a specializované chloupky pro sběr pylu a oleje, nebo žihadlo k paralyzování hostitele nebo pro vlastní obranu. Žahadloví blanokřídlí se mezi sebou liší v míře, v jaké jsou na potravu a hostitele specializovaní. U žahadlových nacházíme jak druhy úzce specializované, tak druhy generalizované. V této bakalářské práci jsou shrnuté dosud známé poznatky o specializaci žahadlových blanokřídlých na potravu a hostitele.
|
|
|
Diskriminace a generalizace kořisti u ještěrů (Squamata: Sauria)
Vohralík, Martin ; Gregorovičová, Martina (vedoucí práce) ; Schořálková, Tereza (oponent)
Schopnost vyhledávat a rozlišovat poživatelnou kořist je velice podstatná pro přežívání organismů. V této práci se zabýváme způsoby rozlišování takové kořisti jednotlivými skupinami šupinatých ještěrů (Squamata) a způsobem jakým se této diskriminaci učí. Squamata jsou známa především svojí schopností vnímat chemické podněty z prostředí pomocí Jacobsonova orgánu, který je u této skupiny zcela oddělen od nosní dutiny. Vedoucím smyslem však může v této skupině být také zrak nebo jiná forma chemorecepce. Dominantní podíl některého z těchto smyslů může být odvozen od morfologie jazyku a obsazením chuťovými buňkami nebo ekologickou strategií užívanou druhem při získávání kořisti. Když se predátor naučí rozlišovat daný podnět, může generalizovat podobné podněty. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.