|
|
Koevoluce obrazových filtrů a detektorů šumu
Komjáthy, Gergely ; Zachariášová, Marcela (oponent) ; Drahošová, Michaela (vedoucí práce)
Táto práce se zabývá vytvořením obrazových filtrů pomocí koevolučních algoritmů. Práce obsahuje popis evolučních algoritmů, zaměřený hlavně na genetické programování, kartézské genetické programování a koevoluci. Čtenář se dále seznámí s různými typy obrazových filtrů. V dalších částech práce je popsán návrh programu pro tvorbu obrazových filtrů kombinovaných s detektory šumu pomocí kartézského genetického programování a s využitím kooperativní koevoluce, implementace a testování navrženého programu. V poslední části práce jsou filtry vytvořené pomocí koevoluce s detektory šumu porovnány s filtry s detektory šumu vytvořenými bez použití koevoluce a filtry, které nepoužívají detektory.
|
|
|
Souběžné učení v koevolučních algoritmech
Wiglasz, Michal ; Dobai, Roland (oponent) ; Drahošová, Michaela (vedoucí práce)
Kartézské genetické programování je druh genetického programování, ve kterém jsou kandidátní programy reprezentovány jako orientované acyklické grafy. Bylo ukázáno, že je možné evoluci kartézských programů urychlit použitím koevoluce, kde se ve druhé populaci vyvíjí prediktory fitness. Prediktory fitness slouží k přibližnému určení kvality kandidátních řešení. Nevýhodou koevolučního přístupu je nutnost provést mnoho časově náročných experimentů pro určení nejvýhodnější velikosti prediktoru pro daný problém. V této práci je představena nová reprezentace prediktorů fitness s plastickým fenotypem, založená na principech souběžného učení v evolučních algoritmech. Plasticita fenotypu umožňuje odvodit různé fenotypy ze stejného genotypu. Díky tomu je možné adaptovat velikost prediktoru na současný průběh evoluce a obtížnost řešeného problému. Navržený algoritmus byl implementován v jazyce C a optimalizován pomocí vektorových instrukcí SSE2 a AVX2. Z experimentů vyplývá, že použitím plastického fenotypu lze dosáhnout srovnatelné kvalitních obrazových filtrů jako u standardního CGP při kratší době běhu programu (průměrné zrychlení je 8,6násobné) a zároveň odpadá nutnost hledání nejvýhodnější velikosti prediktoru jako u koevoluce s prediktory s fixní velikostí.
|
|
|
Koevoluce obrazových filtrů a detektorů šumu
Komjáthy, Gergely ; Zachariášová, Marcela (oponent) ; Drahošová, Michaela (vedoucí práce)
Táto práce se zabývá vytvořením obrazových filtrů pomocí koevolučních algoritmů. Práce obsahuje popis evolučních algoritmů, zaměřený hlavně na genetické programování, kartézské genetické programování a koevoluci. Čtenář se dále seznámí s různými typy obrazových filtrů. V dalších částech práce je popsán návrh programu pro tvorbu obrazových filtrů kombinovaných s detektory šumu pomocí kartézského genetického programování a s využitím kooperativní koevoluce, implementace a testování navrženého programu. V poslední části práce jsou filtry vytvořené pomocí koevoluce s detektory šumu porovnány s filtry s detektory šumu vytvořenými bez použití koevoluce a filtry, které nepoužívají detektory.
|
|
|
Souběžné učení v koevolučních algoritmech
Wiglasz, Michal ; Dobai, Roland (oponent) ; Drahošová, Michaela (vedoucí práce)
Kartézské genetické programování je druh genetického programování, ve kterém jsou kandidátní programy reprezentovány jako orientované acyklické grafy. Bylo ukázáno, že je možné evoluci kartézských programů urychlit použitím koevoluce, kde se ve druhé populaci vyvíjí prediktory fitness. Prediktory fitness slouží k přibližnému určení kvality kandidátních řešení. Nevýhodou koevolučního přístupu je nutnost provést mnoho časově náročných experimentů pro určení nejvýhodnější velikosti prediktoru pro daný problém. V této práci je představena nová reprezentace prediktorů fitness s plastickým fenotypem, založená na principech souběžného učení v evolučních algoritmech. Plasticita fenotypu umožňuje odvodit různé fenotypy ze stejného genotypu. Díky tomu je možné adaptovat velikost prediktoru na současný průběh evoluce a obtížnost řešeného problému. Navržený algoritmus byl implementován v jazyce C a optimalizován pomocí vektorových instrukcí SSE2 a AVX2. Z experimentů vyplývá, že použitím plastického fenotypu lze dosáhnout srovnatelné kvalitních obrazových filtrů jako u standardního CGP při kratší době běhu programu (průměrné zrychlení je 8,6násobné) a zároveň odpadá nutnost hledání nejvýhodnější velikosti prediktoru jako u koevoluce s prediktory s fixní velikostí.
|
host ::
RSS.