|
|
Evoluční algoritmy pro vytváření optimálních nářezových plánů
Balcar, Štěpán ; Pilát, Martin (vedoucí práce) ; Mareš, Martin (oponent)
Tvorba nářezových plánů velkoplošného materiálu pro kotoučovou pilu je praktický problém z mnoha oblastí průmyslu. Pro tento problém byl navržen speciální a specifický algoritmus. Všechny objekty, jak materiál, tak vzniklé podobjekty, jsou pravoúhlé a mají obdélníkový půdorys. Vzniklý algoritmus vytváří, kromě kotoučovou pilou rozřezatelného nářezového plánu, optimalizovaný seznam řezů a nářezů. Tato data mohou sloužit jako vstup pro bezobslužnou, plně automatickou kotoučovou pilu. Nový algoritmus přináší úsporu v množství potřebného materiálu k vyřezání požadovaných objektů, ale i další úspory v množství potřebné pracovní síly.
|
|
|
Strojové učení pro monitorování počítačových clusterů
Adam, Martin ; Pilát, Martin (vedoucí práce) ; Balcar, Štěpán (oponent)
Vzrůstající počet požadavků na zpracovávání neustále rostoucích objemů dat dalo vzniknout novému způsobu správy počítačových systémů. V novém paradigmatu vzkvé- tají dynamicky vytvářené virtualizované servery, na kterých béží distribuované aplikace, každá zabírající mnoho samostatných strojů. Pro hladký a stabilní běh těchto aplikací je rozhodující efektivita detekce a opravy případných chybových stavů, do kterých se servery dostávají. Standardní monitorovací metody s nadstavbovými metodami na chy- bovou signalizaci nedávají při použití v tomto prostředí uspokojívé výsledky. V této práci popisujeme vytvoření systému k nasbírání datasetu tvořeného výkonostními metrikami klastru serverů, na kterých běží distribuovaná aplikace. Na těchto datech jsme následně ozkoušeli několik různých modelů. Navrhujeme pak systém na detekci anomálií, který by upozorňoval na chybné stavy využívající nejlepší z těchto modelů. 1
|
|
|
Heterogenní ostrovní modely
Balcar, Štěpán ; Pilát, Martin (vedoucí práce)
Práce se zabývá heterogenními ostrovními modely. Navrhuje a implementuje nový ostrovní model na základě poznatků o homogenních modelech v oblasti evolučních algoritmů. Model umožňuje dynamické přeplánovávání obecných výpočetních metod. Práce experimentálně porovnává výsledky homogenních a heterogenních modelů.
|
|
|
Heterogenní ostrovní modely
Balcar, Štěpán ; Pilát, Martin (vedoucí práce)
Práce se zabývá heterogenními ostrovními modely. Navrhuje a implementuje nový ostrovní model na základě poznatků o homogenních modelech v oblasti evolučních algoritmů. Model umožňuje dynamické přeplánovávání obecných výpočetních metod. Práce experimentálně porovnává výsledky homogenních a heterogenních modelů.
|
|
|
Deep Learning For Implicit Feedback-based Recommender Systems
Yöş, Kaan ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Souhrn: Cílem výzkumu je zaměřit se na Recurrent Neural Networks (RNN) a jeho aplikaci na doporučení týkající se relací, která jsou posílena implicitní zpětnou vazbou od uživatelů a metadaty založenými na obsahu. Pro zkoumání slibné architektury RNN realizujeme sedm různých modelů s využitím různých typů implicitní zpětné vazby a informací o obsahu. Naše výsledky ukázaly, že použití RNN se složitou implicitní zpětnou vazbou zvyšuje předpověď dalších položek porovnávající základní modely jako Cosine Similarity, Doc2Vec a Item2Vec.
|
|
|
Strojové učení pro monitorování počítačových clusterů
Adam, Martin ; Pilát, Martin (vedoucí práce) ; Balcar, Štěpán (oponent)
Vzrůstající počet požadavků na zpracovávání neustále rostoucích objemů dat dalo vzniknout novému způsobu správy počítačových systémů. V novém paradigmatu vzkvé- tají dynamicky vytvářené virtualizované servery, na kterých béží distribuované aplikace, každá zabírající mnoho samostatných strojů. Pro hladký a stabilní běh těchto aplikací je rozhodující efektivita detekce a opravy případných chybových stavů, do kterých se servery dostávají. Standardní monitorovací metody s nadstavbovými metodami na chy- bovou signalizaci nedávají při použití v tomto prostředí uspokojívé výsledky. V této práci popisujeme vytvoření systému k nasbírání datasetu tvořeného výkonostními metrikami klastru serverů, na kterých běží distribuovaná aplikace. Na těchto datech jsme následně ozkoušeli několik různých modelů. Navrhujeme pak systém na detekci anomálií, který by upozorňoval na chybné stavy využívající nejlepší z těchto modelů. 1
|
|
|
Framework Supporting Online Evaluation of Recommender Systems
Novák, Ondřej ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Touto prací se snažíme vyzdvihnout důležitost online evaluace pro testování doporučovacích systémů. Nejprve se podíváme na metody a způsoby, jakými moderní doporučovací systémy fungují. Také uvedeme, jak jsou porovnávány jak v online, tak v offline prostředích. S pomocí těchto znalostí si dáváme za cíl vytvořit .NET framework, který bude schopen sledovat různé doporučovací systémy a jehož cílem bude měření a porovnávání jejich výkonu během online provozu. Na ukázku funkcionality tohoto frameworku s jeho pomocí vytvoříme maketu online filmové databáze, kde uživatelé mohou hodnotit filmy a získávat doporučení.
|
|
|
Similarity methods for music recommender systems
Vystrčilová, Michaela ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Tradiční hudební doporučovací systémy využívají metody kolaborativního filtrování. To je ovšem nevýhoda pro posluchače, kteří preferují méně mainstreamové skladby, pro- tože kolaborativní filtrování je závislé na popularitě skladeb. Doporučování na základě obsahu by mohlo být rozumná volba při řešení tohoto problému. Vzhledem k tomu, že vyhledávání na základě tagů je rozšířené při napomáhání tradičním hudebním do- poručovacím systémum, v této práci představujeme jiné "content-based" metody, které stanovují podobnost skladeb na základě využití textu a hudby. Jako první jsme vy- hodnotili správnost doporučování několika textových a hudebních metod na playlistech skutečných uživatelů a zjistili, že textové metody mají výsledky konkurence schopné v porovnání s audio metodami. Výsledky také odhalily, že v obou kategoriích jsou metody, které jsou 100 krát lepší než náhodné dopourčování a mají potenciál ke zlepšení. Po vyhodnocovací fázi jsme vybrali kvalitní metody a implementovali je do webové aplikace, která má za cíl doporučovat novou hudbu uživatelům podle dle preferencí. 1
|
|
|
Evoluční algoritmy pro řízení heterogenních robotických swarmů
Karella, Tomáš ; Pilát, Martin (vedoucí práce) ; Balcar, Štěpán (oponent)
Robotická hejna se často díky svým dobrým vlastnostem používají při řešení rozličných úkolů. Řada prací zabývající se touto problematikou používá pro optimalizaci řízení robotických hejn evoluční algoritmy, ovšem z pravidla hejna tvoří pouze homogenní jedinci. Tato práce se zaměřuje na použití evolučních algoritmů v případě heterogenních robotických hejn. Pro nalezení optimalizující metody byla implementována simulace 2D prostředí, které umožňuje tvorbu vlastních scénářů pro robotická hejna a také umožňuje použití na řešení těchto scénářů evolučních algoritmů. Navržená metoda podúkolů používající diferenciální evoluci a evoluční strategie byla otestována ve třech rozličných scénářích.
|
|
|
Heterogenní ostrovní modely
Balcar, Štěpán ; Pilát, Martin (vedoucí práce) ; Matzner, Filip (oponent)
Práce se zabývá heterogenními ostrovními modely. Navrhuje a implementuje nový ostrovní model na základě poznatků o homogenních modelech v oblasti evolučních algoritmů. Model umožňuje dynamické přeplánovávání obecných výpočetních metod. Práce experimentálně porovnává výsledky homogenních a heterogenních modelů.
|
host ::
RSS.