|
|
Artificial neural networks for clustering and rule extraction
Iša, Jiří ; Mrázová, Iveta (vedoucí práce) ; Jiroutek, Pavel (oponent)
Problematika extrakce pravidel pomocí neuronových sítí byla během uplynulých desetiletí častým námětem výzkumných prací. Tato diplomová práce navrhuje nový model rostoucí fuzzy inferenční neuronové sítě, vycházejících z principu rostoucích neuronových struktur [5]. To síti umožnuje postupný nárust počtu skrytých neuronů až do velikosti potřebné pro dané úlohy. Pro úcely této sítě byla zvýšena citlivost již existujícího shlukovacího algoritmu vůči požadovaným výstupním hodnotám. Je také představen nový rychlý algoritmus adaptace vah, inspirovaný teorií fuzzy množin. Vlastnosti navrženého modelu i nová metoda výběru signifikantních vstupních příznaků podporuje extrakci relativně malého množství jednoduchých fuzzy pravidel. Navržené techniky jsou experimenálně ověřeny na reálných datech popisujících vztah mezi ruzným typem bydlení v okolí Bostonu a jeho cenou. Data byla získána z databáze "Bostonské ceny bydlení".
|
|
|
Rozhodovací stromy a extrakce znalostí
Vitinger, Jiří ; Mrázová, Iveta (vedoucí práce) ; Jiroutek, Pavel (oponent)
Cílem dobývání znalostí je získávat z dat závislosti či pravidla, k čemuž se používá velké množství netriviálních metod. Vybrané zástupce těchto metod představuje tato práce. Jedná se zejména o metody konstrukce rozhodovacích stromů ID3, C4.5 a CART, o metody založené na principu umělých neuronových sítí, mezi které patří vrstevnaté neuronové sítě typu zpětného šíření, sítě typu RBF, Kohonenovy mapy a různé varianty metody LVQ. Dále jsou v práci popsány klastrovací metody hierarchického shlukování, QT klastrování, klastrování metodou k-středů a jeho fuzzy obdoba. Prostor je zde věnován i technikám vhodným k předzpracování dat, jejichž správné provedení je důležitým předpokladem pro získání dobrých výsledků procesu dobývání znalostí. Experimentální část této práce porovnává popisované metody na základě testů na sadách reálných dat. Výsledky testů mohou být použity jako vodítko pro výběr nejlepší metody a jejích parametrů při dobývání znalostí z daných dat. K práci je přiložena vlastní implementace rozhodovacích stromů v jazyce C#, která umožňuje detailní sledování činnosti implementovaných metod C4.5 a CART. Aplikace poskytuje API pro programování vlastních algoritmů konstrukce rozhodovacích stromů.
|
|
| |
|
|
Algoritmy pro spektrální klasifikaci hvězd
Hudec, Lukáš ; Mráz, František (vedoucí práce) ; Jiroutek, Pavel (oponent)
HLAVNÍM VÝSTUPEM PRÁCE JE POČÍTAČOVÝ PROGRAM PRO AUTOMATICKÉ ZPRACOVÁVÁNÍ NASKENOVANÝCH ASTRONOMICKÝCH DESEK, KTERÉ POCHÁZÍ Z ROZSÁHLÉHO ARCHIVU NA NĚMECKÉ HVĚZDÁRNĚ V SONNEBERGU. APLIKACE PROCHÁZÍ OBSAH DESKY A DETEKUJE VŠECHNY ASTRONOMICKÉ OBJEKTY S PARAMETRY, KTERÉ VYMEZUJE UŽIVATELSKÝ VSTUP. U VYBRANÝCH OBJEKTŮ JE POTÉ ZPRACOVÁVÁN SPEKTRÁLNÍ ROZBOR A PŘÍPADNÁ KLASIFIKACE HVĚZDY DLE ASTRONOMICKÉHO KATALOGU SPEKTER.
|
|
|
Porovnávání přirozeného a umělého učení
Jiroutek, Pavel
Práce se zabývá návrhem a implementací evolučního systému pro řízení autonomního mobilního robota. Tento systém by mu měl umožňovat adaptaci na třídu úloh, kterou lze srovnatelně definovat i pro skutečného živočicha, který je rovněž schopen se úlohy z této třídy naučit. Pro tyto účely jsou využity výsledky reálných pokusů s učením laboratorních potkanů. Systém pro řízení robota je kombinací metod mobilní robotiky a umělé inteligence. Adaptabilní část jeho řízení je založena na principu genetických algoritmů a neuronových sítí. Kromě různých aspektů jednotlivých prvků systému, vlastního řízení robota a jeho realizace, jsou zde rozebrány i další nutné komponenty testovacího prostředí, ve kterém lze provádět evoluční experimenty s reálnými roboty. Součástí práce jsou i výsledky praktických experimentů s vytvořeným systémem a jejich porovnání s výsledky reálných testů s potkany na podobných úlohách.
|
|
|
Porovnávání přirozeného a umělého učení
Jiroutek, Pavel
Práce se zabývá návrhem a implementací evolučního systému pro řízení autonomního mobilního robota. Tento systém by mu měl umožňovat adaptaci na třídu úloh, kterou lze srovnatelně definovat i pro skutečného živočicha, který je rovněž schopen se úlohy z této třídy naučit. Pro tyto účely jsou využity výsledky reálných pokusů s učením laboratorních potkanů. Systém pro řízení robota je kombinací metod mobilní robotiky a umělé inteligence. Adaptabilní část jeho řízení je založena na principu genetických algoritmů a neuronových sítí. Kromě různých aspektů jednotlivých prvků systému, vlastního řízení robota a jeho realizace, jsou zde rozebrány i další nutné komponenty testovacího prostředí, ve kterém lze provádět evoluční experimenty s reálnými roboty. Součástí práce jsou i výsledky praktických experimentů s vytvořeným systémem a jejich porovnání s výsledky reálných testů s potkany na podobných úlohách.
|
|
| |
|
|
Algoritmy pro spektrální klasifikaci hvězd
Hudec, Lukáš ; Jiroutek, Pavel (oponent) ; Mráz, František (vedoucí práce)
HLAVNÍM VÝSTUPEM PRÁCE JE POČÍTAČOVÝ PROGRAM PRO AUTOMATICKÉ ZPRACOVÁVÁNÍ NASKENOVANÝCH ASTRONOMICKÝCH DESEK, KTERÉ POCHÁZÍ Z ROZSÁHLÉHO ARCHIVU NA NĚMECKÉ HVĚZDÁRNĚ V SONNEBERGU. APLIKACE PROCHÁZÍ OBSAH DESKY A DETEKUJE VŠECHNY ASTRONOMICKÉ OBJEKTY S PARAMETRY, KTERÉ VYMEZUJE UŽIVATELSKÝ VSTUP. U VYBRANÝCH OBJEKTŮ JE POTÉ ZPRACOVÁVÁN SPEKTRÁLNÍ ROZBOR A PŘÍPADNÁ KLASIFIKACE HVĚZDY DLE ASTRONOMICKÉHO KATALOGU SPEKTER.
|
|
|
Artificial neural networks for clustering and rule extraction
Iša, Jiří ; Jiroutek, Pavel (oponent) ; Mrázová, Iveta (vedoucí práce)
Problematika extrakce pravidel pomocí neuronových sítí byla během uplynulých desetiletí častým námětem výzkumných prací. Tato diplomová práce navrhuje nový model rostoucí fuzzy inferenční neuronové sítě, vycházejících z principu rostoucích neuronových struktur [5]. To síti umožnuje postupný nárust počtu skrytých neuronů až do velikosti potřebné pro dané úlohy. Pro úcely této sítě byla zvýšena citlivost již existujícího shlukovacího algoritmu vůči požadovaným výstupním hodnotám. Je také představen nový rychlý algoritmus adaptace vah, inspirovaný teorií fuzzy množin. Vlastnosti navrženého modelu i nová metoda výběru signifikantních vstupních příznaků podporuje extrakci relativně malého množství jednoduchých fuzzy pravidel. Navržené techniky jsou experimenálně ověřeny na reálných datech popisujících vztah mezi ruzným typem bydlení v okolí Bostonu a jeho cenou. Data byla získána z databáze "Bostonské ceny bydlení".
|
|
|
Rozhodovací stromy a extrakce znalostí
Vitinger, Jiří ; Mrázová, Iveta (vedoucí práce) ; Jiroutek, Pavel (oponent)
Cílem dobývání znalostí je získávat z dat závislosti či pravidla, k čemuž se používá velké množství netriviálních metod. Vybrané zástupce těchto metod představuje tato práce. Jedná se zejména o metody konstrukce rozhodovacích stromů ID3, C4.5 a CART, o metody založené na principu umělých neuronových sítí, mezi které patří vrstevnaté neuronové sítě typu zpětného šíření, sítě typu RBF, Kohonenovy mapy a různé varianty metody LVQ. Dále jsou v práci popsány klastrovací metody hierarchického shlukování, QT klastrování, klastrování metodou k-středů a jeho fuzzy obdoba. Prostor je zde věnován i technikám vhodným k předzpracování dat, jejichž správné provedení je důležitým předpokladem pro získání dobrých výsledků procesu dobývání znalostí. Experimentální část této práce porovnává popisované metody na základě testů na sadách reálných dat. Výsledky testů mohou být použity jako vodítko pro výběr nejlepší metody a jejích parametrů při dobývání znalostí z daných dat. K práci je přiložena vlastní implementace rozhodovacích stromů v jazyce C#, která umožňuje detailní sledování činnosti implementovaných metod C4.5 a CART. Aplikace poskytuje API pro programování vlastních algoritmů konstrukce rozhodovacích stromů.
|
host ::
RSS.