|
| |
|
|
Kolektivní robotické vyhledávání založené na optimalizaci hejnem částic
Kunc, Ondřej ; Pilát, Martin (vedoucí práce) ; Mráz, František (oponent)
S rozvojem a miniaturizací elektrotechniky se dostává pozornost malým robotům, kteří díky vzájemné spolupráci řeší konkrétní problém. Jedním takovým problémem může být vyhledávání určitého cíle, jenž vyzařuje záření, jehož intenzitu roboti detekují. Jako velmi výhodný přístup se ukázalo použití techniky optimalizace hejnem částic, která pomocí pohybu částic ve vícedimenzi- onálním prostoru hledá optimum. Tato práce se zabývá aplikací tohoto přístupu na hejno robotů. Byl popsán simulátor věnovaný tomuto problému a vyvinutý k vizualizaci a sběru dat, ze kterých byly vyvozeny praktické závěry. Dále byly před- staveny modifikace algoritmu pro lepší vyhledávání při různých vlivech prostředí a nastavení robotů. 1
|
|
|
Machine learning of analysis by reduction
Hoffmann, Petr ; Mráz, František (vedoucí práce) ; Otto, Friedrich (oponent) ; Průša, Daniel (oponent)
Práce se zabývá učením modelů redukční analýzy, která je důležitým nástrojem pro zpracování vět přirozeného jazyka. Dokazujeme, že hledání malých modelů na základě pozitivních a negativních příkladů je NP-těžké oproti úloze uvažující pouze pozitivní příklady, pro kterou navrhujeme efek- tivní algoritmus. Navrhujeme model redukční analýzy (tzv. single k-reversi- bilní restartovací automat) a metodu pro jeho učení z pozitivních příkladů redukčních analýz. Ukazujeme, že síla tohoto modelu leží mezi rostoucími kontextovými jazyky a kontextovými jazyky. Dále navrhujeme metodu pro testování učících algoritmů, která pracuje s cílovými jazyky založenými na náhodných automatech. Ta je následně použita na otestování naší učící metody. Navíc ukazujeme několik omezení testovacích metod používajících cílové jazyky založené na gramatikách. 1
|
|
|
Algorithms for protein-ligand binding site discovery
Krivák, Radoslav ; Neruda, Roman (vedoucí práce) ; Mráz, František (oponent)
Prakticky každý proces v živých organismech je zajišťován promocí proteinů. Proteiny vykonávají svoji funkci buď vázáním se na další proteiny (protein-protein interakce), nebo na malé molekuly, tzv. ligandy (protein-ligand interakce). Aktivní místa pro protein-ligand interakce jsou tzv. kapsy v proteinové struktuře, kam se může ligand navázat. Predikce těchto kapes je obyčejně prvním krokem ke studiu funkce daného proteinu a taky zákledem k strukturálně orientovanému vývoji léků. V této práci jsme udělali přehled existujících metod a představili naše vlastní vylepšení. Vyvynuli jsme novou funkci pro ranking kapes, která je založená na predikci ligandability (schopnosti vázat ligand) budu vňe kapsy jen na základě chemických a geometrických vlastnosí lokálního okolí daného bodu.
|
|
|
Analýza a vizualizace sociální sítě
Kudělka, Miloš ; Mráz, František (vedoucí práce) ; Skopal, Tomáš (oponent)
Práce studuje starší i současné metody v oblasti analýzy a vizualizace sociálních sítí a vybrané metody dále podrobněji popisuje. Následuje průzkum současného stavu software a vybrané aplikace jsou vyzkoušeny a zhodnoceny dle jejich vhodnosti na sledování vývoje dynamických sociálních sítí, tj. sítí s časovými informacemi. Na základě těchto průzkumů je navržena a implementována aplikace, která umožňuje analyzovat a vizualizovat vývoj dynamických sítí v čase. Tato aplikace je poté vyzkoušena na síti spoluautorství z oblasti computer science prostředníctvím databáze odborných článků DBLP. V práci jsou také prezentovány výsledky expeimentů provedených s implementovanými algoritmy.
|
|
|
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
|
|
|
Genetické algoritmy v evoluční robotice
Mašek, Michal ; Mráz, František (vedoucí práce) ; Černo, Peter (oponent)
Tato práce se věnuje experimentálnímu porovnání evoluce neuronové sítě pro řízení robota za pomoci různých variant genetických algoritmů. Na třech úlohách evoluční robotiky jsou porovnány algoritmy používající reálné a celočíselné kódování jedinců, algoritmy používající základní a pokročilé způsoby mutací a křížení a algoritmy s pevnou a variabilní velikostí populace. Cílem je určit, zda evoluce s použitím pokročilých genetických algoritmů vede k rychlejší konvergenci nebo k nalezení kvalitnějšího řešení než použití základního genetického algoritmu. Experimenty jsou provedeny v snadno rozšiřitelném simulátoru vyvinutém speciálně pro účely této práce.
|
|
|
Dimension Reduction Techniques in Morhpometrics
Kratochvíl, Jakub ; Pelikán, Josef (vedoucí práce) ; Mráz, František (oponent)
Tato práce se zabývá aplikací metod redukce dimenze v antropologii a morfometrii. Zejména se sousteuje na nelinearní metody redukce dimenze. Práce zavádí nový postup nazývaný multipass redukce dimenze. Ukážeme, že pomocí multipass redukce dimenze lze vylepšit výsledky klasifikace a snížit počet dimenzí nutných pro klasifikaci pomocí klastrování.
|
|
|
Grammar-based genetic programming
Nohejl, Adam ; Mráz, František (vedoucí práce) ; Iša, Jiří (oponent)
Genetické programování (GP) založené na stromech má několik známých nedostatků: složité přizpůsobení specifickým programovacím jazykům a prostředím, problém uzávěru a více typů a problém deklarativní reprezentace vědomostí. Většina metod, které se snaží tyto problémy vyřešit, je založena na formálních gramatikách. Přesné důsledky vlastností, které je odlišují, je těžké analyzovat a dobré srovnání výsledků v konkrétních problémech chybí. Tato práce zkoumá tři metody založené na gramatikách: genetické programování s bezkontextovými gramatikami (CFG-GP), včetně jeho varianty GPHH nedávno aplikované na rozvrhování zkoušek, gramatickou evoluci (GE) a LOGENPRO, pojednává o tom, jak řeší problémy GP, a porovnává je v sérii experimentů v šesti aplikacích podle četností úspěchu a charakteristik derivačních stromů. Práce ukazuje, že GE ani LOGENPRO neposkytují podstatnou výhodu v žádném z experimentů a analyzuje rozdíly v účincích operátorů používaných v CFG-GP a GE. Jsou také prezentovány výsledky velmi efektivní implementace metod CFG-GP a GE.
|
|
|
Compression of biological sequences
Šurín, Tomáš ; Mráz, František (vedoucí práce) ; Dvořák, Tomáš (oponent)
Objem dát získavaných sekvenovacími technológiami novej generácie rastie podstatne rýchlejšie ako kapacity úložných médií. Výstupy sekvenátorov okrem samotných prečítaných krátkych úsekov DNA obsahujú ďalšie informácie napr. o spoľahlivosti/kvalite čítania každého symbolu DNA. Takéto dáta je treba ďalej uchovávať aj po zostavení sekvencie kompletného genómu. Štandardným formátom pre ukladanie dát v tejto oblasti je formát SAM (Sequence Alignment/Mapping Format) a jeho binárna komprimovaná verzia BAM, ktorá umožňuje náhodný prístup k svojmu obsahu. V tejto práci popíšeme konštrukciu lepšej kompresnej schémy pre bezstratovú kompresiu súborov vo formáte SAM/BAM. Táto kompresná schéma dosahuje podstatne menšiu veľkosť komprimovaného súboru ako pri formáte BAM. Navyše však zostáva zachovaná možnosť náhodného prístupu k dátam v komprimovanom súbore. Implementácia tejto kompresnej schémy je platformovo nezávislá a umožňuje jednoduchú konfiguráciu použitých kompresných metód. Navrhovali sme ju tak, aby bola v budúcnosti možná jej jednoduchá rozšíriteľnosť - vďaka tomu bude možné reagovať na zmeny v sekvenovacích platformách, ako aj na zmeny vo formáte SAM.
|
host ::
