|
|
Porovnání variant genetického programování v úloze symbolické regrese
Doležal, Petr ; Hurta, Martin (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí.
|
|
|
Koevoluční algoritmy a klasifikace
Hurta, Martin ; Sekanina, Lukáš (oponent) ; Drahošová, Michaela (vedoucí práce)
Cílem této práce je automatizovaný návrh programu pro detekci projevů dyskineze z pohybových dat pacientů. K návrhu programu je využito kartézské genetické programování, které bylo z důvodu urychlení procesu návrhu doplněno o koevoluci prediktorů fitness s proměnlivou velikostí, která umožňuje vyhodnocení kvality kandidátních řešení na pouhé části trénovacích dat. Vzniklé řešení dosahuje srovnatelné schopnosti rozlišení mezi třídami (AUC) s existujícím řešením při dosažení v průměru trojnásobného zrychlení procesu návrhu oproti variantě bez prediktorů fitness. Experimenty s metodami křížení prediktorů neukázaly významný rozdíl mezi zvolenými metodami. Zajímavých výsledků však bylo dosaženo při experimentech s celočíselnými datovými typy vhodnými pro implementaci v hardwaru, kdy u datového typu o osmi bitech bez znaménka (uint8_t) bylo dosaženo nejenom srovnatelné schopnosti rozlišení mezi třídami (pro významné projevy dyskineze AUC = 0,93 shodně jako pro existující řešení) a zlepšení rozlišovací schopností u chodících pacientů (AUC = 0,80 oproti AUC = 0,73 u existujícího řešení), ale navíc v průměru téměř devítinásobného zrychlení návrhu oproti variantě bez prediktorů fitness využívající datový typ float.
|
|
|
Podpora hry Krycí jména na mobilním telefonu s OS Android
Hurta, Martin ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je vytvoření podpůrné aplikace ke slovní asociační deskové hře Krycí jména na mobilní telefony s operačním systémem Android. Řešení se skládá z detekce a rozpoznání herního plánu za pomoci knihoven OpenCV a Tess-two a nástrojů Google Firebase ML Kit a následovného poskytnutí podpory v průběhu hry včetně volitelné úrovně jejího ulehčení a možnosti hry na více zařízeních díky službě Hry Google Play. Tyto funkce motivují uživatele k dalšímu užívání aplikace a poskytnutí dat ve formě vygenerovaného záznamu hry, užitečného pro další vývoj a ověřování asociačních modelů nebo strategií pro automatické hraní.
|
|
|
Analýza teplotní mapy města Brna
Kozubek, Jakub ; Hurta, Martin (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Práce se zabývá analýzou teplotních dat pro oblast města Brna. Věnuje se návrhu a ověřování hypotéz pro oteplování a ochlazování částí města. Výsledkem práce jsou metody pro statistické testování a pro regresní analýzu implementované v programovacím jazyce Python, výsledky získané pomocí těchto metod a jejich následná interpretace vzhledem k původně navrženým hypotézám.
|
|
|
Evolutionary Approach to the Traveling Thief Problem
Fodor, Dávid ; Hurta, Martin (oponent) ; Sekanina, Lukáš (vedoucí práce)
This thesis presents design of an evolutionary algorithm for solving the Traveling thief problem (TTP), which is composed of two interconnected subproblems, the traveling salesperson problem (TSP) and the knapsack problem (KP). The proposed algorithm contains multiple variations of evolutionary algorithm. It is based on the genetic algorithm, the evolutionary algorithm (1+1), and their combination. The algorithm is implemented and tested on official TTP benchmark instances. The best variation of the proposed evolutionary algorithm is chosen and compared with random search and the best publicly available solutions for tested problem instances.
|
|
|
Evoluční optimalizace extraktoru příznaků klasifikátoru EEG
Ovesná, Anna ; Hurta, Martin (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Tato práce se zaměřuje na optimalizaci klasifikace EEG signálu alkoholiků a kontrolních subjektů pomocí evolučních algoritmů s vícekriteriálním přístupem. Hlavním cílem je maximalizovat přesnost, senzitivitu a specificitu klasifikačního algoritmu a minimalizovat počet použitých příznaků. Práce využívá čtyři různé klasifikátory, konkrétně Support Vector Machine, k-nearest neighbors, Naive Bayes a AdaBoost. Výběr nejlepších příznaků je optimalizován pomocí tří různých evolučních přístupů, z nichž dva převádějí vícekriteriální optimalizaci na jednokriteriální pomocí váženého součtu a omezení maximálního počtu příznaků. Pareto optimální řešení nalézá algoritmus NSGA-II. Výsledky dokazují, že evoluční algoritmy v kombinaci s vhodnými klasifikátory spolehlivě rozeznají člověka se sklonem k alkoholismu od toho se zdravým vztahem k alkoholu.
|
|
|
Porovnání variant genetického programování v úloze symbolické regrese
Doležal, Petr ; Hurta, Martin (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí.
|
|
|
Koevoluční algoritmy a klasifikace
Hurta, Martin ; Sekanina, Lukáš (oponent) ; Drahošová, Michaela (vedoucí práce)
Cílem této práce je automatizovaný návrh programu pro detekci projevů dyskineze z pohybových dat pacientů. K návrhu programu je využito kartézské genetické programování, které bylo z důvodu urychlení procesu návrhu doplněno o koevoluci prediktorů fitness s proměnlivou velikostí, která umožňuje vyhodnocení kvality kandidátních řešení na pouhé části trénovacích dat. Vzniklé řešení dosahuje srovnatelné schopnosti rozlišení mezi třídami (AUC) s existujícím řešením při dosažení v průměru trojnásobného zrychlení procesu návrhu oproti variantě bez prediktorů fitness. Experimenty s metodami křížení prediktorů neukázaly významný rozdíl mezi zvolenými metodami. Zajímavých výsledků však bylo dosaženo při experimentech s celočíselnými datovými typy vhodnými pro implementaci v hardwaru, kdy u datového typu o osmi bitech bez znaménka (uint8_t) bylo dosaženo nejenom srovnatelné schopnosti rozlišení mezi třídami (pro významné projevy dyskineze AUC = 0,93 shodně jako pro existující řešení) a zlepšení rozlišovací schopností u chodících pacientů (AUC = 0,80 oproti AUC = 0,73 u existujícího řešení), ale navíc v průměru téměř devítinásobného zrychlení návrhu oproti variantě bez prediktorů fitness využívající datový typ float.
|
|
|
Podpora hry Krycí jména na mobilním telefonu s OS Android
Hurta, Martin ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je vytvoření podpůrné aplikace ke slovní asociační deskové hře Krycí jména na mobilní telefony s operačním systémem Android. Řešení se skládá z detekce a rozpoznání herního plánu za pomoci knihoven OpenCV a Tess-two a nástrojů Google Firebase ML Kit a následovného poskytnutí podpory v průběhu hry včetně volitelné úrovně jejího ulehčení a možnosti hry na více zařízeních díky službě Hry Google Play. Tyto funkce motivují uživatele k dalšímu užívání aplikace a poskytnutí dat ve formě vygenerovaného záznamu hry, užitečného pro další vývoj a ověřování asociačních modelů nebo strategií pro automatické hraní.
|
host ::
RSS.