|
|
Automated compression of neural network weights
Lorinc, Marián ; Sekanina, Lukáš (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Convolutional Neural Networks (CNNs) have revolutionised computer vision field since their introduction. By replacing weights with convolution filters containing trainable weights, CNNs significantly reduced memory usage. However, this reduction came at the cost of increased computational resource requirements, as convolution operations are more computation intensive. Despite this, memory usage remains more energy-intensive than computation. This thesis explores whether it is possible to avoid loading weights from memory and instead functionally calculate them, thereby saving energy. To test this hypothesis, a novel weight compression algorithm was developed using Cartesian Genetic Programming. This algorithm searches for the most optimal weight compression function, aiming to enhance energy efficiency without compromising the functionality of the neural network. Experiments conducted on the LeNet-5 and MobileNetV2 architectures demonstrated that the algorithm could effectively reduce energy consumption while maintaining high model accuracy. The results showed that certain layers could benefit from weight computation, validating the potential for energy-efficient neural network implementations.
|
|
|
Evoluční knihovna pro podporu návrhu komunikačních protokolů
Sameš, Martin ; Trchalík, Roman (oponent) ; Očenášek, Pavel (vedoucí práce)
Potreba vyvíjať nové a nové bezpečnostné protokoly, ktoré zodpovedajú stanoveným požiadavkám vedie k automatizácií ich návrhu a následne lepšiu možnosť verifikácie. Táto práca sa zaoberá možnosťou automatizovaného návrhu protokolov s využitím genetických algoritmov. Porovnaním jednotlivých prístupov a následným vytvorením evolučnej knižnice pre podporu návrhu bezpečnostných protokolov.
|
|
|
Evoluční návrh klasifikátoru obrazů
Koči, Martin ; Bidlo, Michal (oponent) ; Drahošová, Michaela (vedoucí práce)
Táto práca sa zaoberá evolučným návrhom klasifikátora obrazov pomocou genetického programovania, konkrétne kartézskeho genetického programovania. Práca popisuje teoretické základy strojového učenia, evolučných algoritmov a genetického programovania. Súčasťou práce je popísaný návrh programu a jeho implementácia. Ďalej sú vykonané experimenty na dvoch riešených úlohách pre klasifikáciu ručne písaných číslic a klasifikáciu obrázkov kociek pomocou, ktorých sa dá určiť miera demencie pri Parkinsonovej chorobe. Najlepšie navrhnuté riešenie pre čísla má AUC 0.95 a pre kocky 0.86. Navrhnuté riešenia sú porovnané s inými metódami, konkrétne konvolučnými neurónovými sieťami (CNN) a metódou podporných vektorov (SVM). Výsledná AUC pre klasifikáciu číslic, je pre obe CNN a aj SVM 0.99 pre kocky mala CNN výslednú AUC 0.81 a SVM 0.69. Kocky sú následne porovnané z existujúcim riešením, pri ktorom bola výsledná AUC 0.70, takže na základe výsledkov experimentov je vidieť zlepšenie pri použitej metóde v tejto práci.
|
|
|
Algoritmy pro operativní plánování výroby
Kršák, Pavol ; Kaczmarczyk, Václav (oponent) ; Pásek, Jan (vedoucí práce)
Bakalárska práca sa zaoberá riešením problematiky operatívneho plánovania výroby. Úče- lom práce je prezentovať problematiku operatívneho plánovania výroby a následný ná- vrh a realizácia plánovacích algoritmov v jazyku C# na konkrétny plánovací problém. Pri prezentácii problematiky je uvedená spoločnosť "‘COMPAS automatizace s.r.o."’, ktorá umožnila realizovanie projektu. V práci sú rozobrané plánovacie metódy a spô- soby ich realizácie. Konkrétnejšie sú rozpracované evolučné algoritmy, expertné systémy v plánovaní a deterministické plánovanie cez lineárne programovanie. V tretej kapitole je charakterizovaný plánovací problém výroby kávovej zmesi, ktorý mi bol poskytnutý spoločnosťou COMPAS. Následne je rozpracovaný samotný návrh riešenia založený na evolučnom princípe. Riešenie pozostáva z modelu technológie na výrobu kávovej zmesi a ActionListu. ActionList predstavuje súbor pravidiel, ktorými sa model riadi. Potom sú zadefinované pravidlá podrobené evolučným procesom so snahou nájsť lepšie existujúce riešenia. Realizované funkcie použiteľné v systéme COMES pre opakované využitie pri implementácii modulu COMES Modeller sú rozpracované spolu s podrobným popisom v štvrtej kapitole.
|
|
|
Evoluční algoritmy v návrhu konvolučních neuronových sítí
Badáň, Filip ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Táto práca sa zaoberá možnosťami automatizácie návrhu neurónových sietí pomocou neuroevolúcie, t. j. využitia evolučných algoritmov pri konštruovaní umelých neurónových sietí alebo optimalizovaní ich parametrov. Cieľom práce je navrhnúť a implementovať evolučný algoritmus v podobe frameworku slúžiaceho na automatizáciu a optimalizáciu návrhu topológií konvolučných neurónových sietí. Účinnosť frameworku bola následne experimentálne vyhodnotená na úlohách klasifikácie obrazu na datasetoch MNIST a CIFAR10. Výsledky ukázali, že neuroevolúcia má potenciál hľadať úspešné a efektívne architektúry konvolučných neurónových sietí.
|
|
|
Software pro biometrické rozpoznávání duhovky lidského oka
Maruniak, Lukáš ; Orság, Filip (oponent) ; Drahanský, Martin (vedoucí práce)
V mojej práci sa zaoberám úlohou rozpoznania ľudskej dúhovky zo snímku za pomoci použitia evolučných algoritmov . Práca sa v úvode zaoberá otázkou biometrie, jej významom a základnými pojmami , s ktorými sa v texte neskor stretávam . Následne popisujem proces rozpoznania dúhovky ako aj teóriu evolučných algoritmov . V implementačnej časti popisujem návrh a implementáciu riešenia detekcie dúhovky za pomoci evolučných algoritmov , pričom kladiem doraz na detekciu okrajov zreničky a dúhovky .
|
|
|
Evoluční návrh konvolučních neuronových sítí
Pristaš, Ján ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cieľom tejto diplomovej práce je popísať základné techniky evolučného počítania, konvolučných neurónových sietí (CNN) a automatický návrh neurónových sietí pomocou neuroevolúcie ( NAS - Neural Architecture Search ). NAS techniky sú v súčasnej dobe stále viac skúmané, nakoľko zrýchľujú a zjednodušujú zdĺhavý a namáhavý proces návrhu umelých neurónových sietí, a taktiež umožňujú hľadať nekonvenčné architektúry, ktoré by klasickými metódami návrhu nevznikli. Práca obsahuje návrh a implementáciu programu, ktorý je schopný automatického návrhu konvolučných neurónových sietí s využitím open-source knižnice TensorFlow. Program na návrh CNN využíva algoritmus NSGA-II, čo je multikriteriálna varianta genetických algoritmov. Vďaka využití multikriteriálneho optimalizačného algoritmu je program schopný hľadať Pareto množinu optimálnych riešení v závislosti od presnosti sietí a počtu ich parametrov.
|
|
|
Evoluce komplexního chování v celulárních automatech
Kontra, Matúš ; Vašíček, Zdeněk (oponent) ; Bidlo, Michal (vedoucí práce)
Celulárne automaty patria k alternatívnim modelom výpočtu. Ich špecifikum je masívne paralelný výpočet a jednoduchosť špecifikácie ich lokálneho správania. Práca sa venuje využitiu alternatívnej reprezentácií prechodovej funkcie pri evolúcii komplexných správaní celulárnych automatov. Táto reprezentácia je založená na jednoduchom modele, kopírujúcom princíp registrových strojov riadených inštrukciami. Cieľom je analyzovať a posúdiť využiteľnosť opísaného postupu.
|
|
|
Evoluční algoritmy v úloze booleovské splnitelnosti
Serédi, Silvester ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této diplomové práce je najít heuristiku řešící SAT problém pomocí evolučního algoritmu. Jsou zde uvedeny přístupy k řešení SAT problému a různé varianty k evolučním algoritmům, které jsou relevantní k danému tématu. Následně je popsaná implementace lineárního genetického programování hledající heuristiku pro řešení instancí SAT problému společne s vlastní implementací SAT solveru pracujíci s výstupem evolučně navrženého programu. Na závěr jsou shrnuty dosažené výsledky
|
|
|
Evoluční návrh klasifikátoru obrazů
Koči, Martin ; Bidlo, Michal (oponent) ; Drahošová, Michaela (vedoucí práce)
Táto práca sa zaoberá evolučným návrhom klasifikátora obrazov pomocou genetického programovania, konkrétne kartézskeho genetického programovania. Práca popisuje teoretické základy strojového učenia, evolučných algoritmov a genetického programovania. Súčasťou práce je popísaný návrh programu a jeho implementácia. Ďalej sú vykonané experimenty na dvoch riešených úlohách pre klasifikáciu ručne písaných číslic a klasifikáciu obrázkov kociek pomocou, ktorých sa dá určiť miera demencie pri Parkinsonovej chorobe. Najlepšie navrhnuté riešenie pre čísla má AUC 0.95 a pre kocky 0.86. Navrhnuté riešenia sú porovnané s inými metódami, konkrétne konvolučnými neurónovými sieťami (CNN) a metódou podporných vektorov (SVM). Výsledná AUC pre klasifikáciu číslic, je pre obe CNN a aj SVM 0.99 pre kocky mala CNN výslednú AUC 0.81 a SVM 0.69. Kocky sú následne porovnané z existujúcim riešením, pri ktorom bola výsledná AUC 0.70, takže na základe výsledkov experimentov je vidieť zlepšenie pri použitej metóde v tejto práci.
|
host ::
RSS.