Žádný přesný výsledek pro Zelinka,, Ivan nebyl nalezen, zkusme místo něj použít Zelinka Ivan ...
Národní úložiště šedé literatury Nalezeno 17 záznamů.  1 - 10další  přejít na záznam: Hledání trvalo 0.09 vteřin. 
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
Evoluční optimalizace řídicích algoritmů
Weisser, Roman ; Šeda, Miloš (oponent) ; Zelinka,, Ivan (oponent) ; Ošmera, Pavel (vedoucí práce)
Dizertační práce se zaměřuje na evoluční optimalizaci řídicích algoritmů. V první části práce jsou popsány evoluční optimalizační metody, jejich principy a dílčí algoritmy, zejména pak ty, které se používají ve dvoufázové transplantační evoluci. Dále práce popisuje gramatickou evoluci, jejíž modifikovaný algoritmus se stal podnětem pro vytvoření transplantační evoluce. Transplantační evoluce a její dvoufázová modifikace jsou nové evoluční algoritmy navržené během řešení této práce, jenž byly použity pro optimalizaci struktury a parametrů řídicích algoritmů obecných regulátorů. Algoritmus transplantační evoluce a jeho rozšířená dvoufázová modifikace jsou podrobně popsány v následujících kapitolách. Pro zajištění minimalizace času optimalizace a nalezení řešení blížícímu se globálnímu optimu je důležité správné nastavení evolučních algoritmů. Vhodnému nastavení parametrů diferenciální evoluce se stručně věnuje kapitola meta-evoluce. V další části jsou popsány základní pojmy z oblasti regulace, vybrané metody identifikace soustav a nastavení regulátorů. Tato část také popisuje algoritmy číslicových regulátorů a některé metody používané během jejich realizace. V experimentální části jsou ukázky optimalizace řídicích algoritmů různých typů regulátorů. Optimalizované řídicí algoritmy obecných regulátorů jsou porovnány na různých soustavách s různě nastavenými PSD regulátory, jejichž nastavení bylo realizováno vybranými algebraickými metodami, nebo diferenciální evolucí. V závěru práce je uvedeno doporučení pro další vývoj v oblasti evoluční optimalizace regulátorů se zaměřením na oblast paralelních a distribuovaných výpočtů.
Návrh predikčního modelu prodeje vybraných potravinářských komodit
Řešetková, Dagmar ; Dostál, Petr (oponent) ; Krčmarský, Miroslav (oponent) ; Zelinka, Ivan (oponent) ; Rais, Karel (vedoucí práce)
Disertační práce se obecně zaměřuje na využití nástrojů umělé inteligence v praxi a s ohledem na zaměření studia v oboru Řízení a ekonomika podniku na využití nástrojů umělé inteligence v praxi firemní, jako nástroje pro podporu rozhodování na operativní a taktické úrovni řízení. V užším pojetí se práce zabývá návrhem predikčního modelu prodeje vybraných potravinářských komodit. Navržený model má posloužit jako substitut lidského experta při podpoře v rozhodovacím procesu nákupu vybraných komodit a to především při zaškolování nových pracovníků a rozšířit, v současné době používané, metody manažerského rozhodování o nástroje umělé inteligence pro management firmy a stávající zaměstnance. Cílem disertační práce je tedy návrh predikčního modelu prodeje vybraných potravinářských komodit (jablek a brambor) pro konkrétní velkoobchod s ovocem a zeleninou působícím na území České republiky. K seznámení se s chováním vybraných komodit bylo využito jak primárního tak sekundárního výzkumu a poznatků získaných z českých i zahraničních literárních zdrojů a výzkumů. Výsledný predikční model je zpracován za použití statistické analýzy časových řad a samotná predikce prodejů probíhá využitím nástrojů umělé inteligence a je modelována umělou neuronovou sítí. Práce ve své praktické části rovněž obsahuje návrhy využití predikčního modelu a dílčích postupů zpracování pro: • praxi, • teorii a • pedagogickou činnost.
Optimalizace tvorby konstrukčních týmů pomocí genetických algoritmů
Špaček, Jiří ; Zelinka, Ivan (oponent) ; Šeda, Miloš (oponent) ; Ošmera, Pavel (vedoucí práce)
Disertační práce se zabývá optimalizací tvorby pracovních týmů ve firmách. Základem je práce Dr. Mereditha Belbina z Henley Management College, který je autorem tzv. Belbinovy teorie týmových rolí. Tato teorie definuje základní role v týmu včetně popisu vzorců jejich chování, přičemž pro správné fungování libovolného týmu je důležité, aby v něm byly zastoupeny všechny role. V praxi je však potřeba, aby konkrétní lidé splňovali nejen osobnostní a psychologické předpoklady, ale také odborné znalosti či jiné požadavky. Doplněním těchto parametrů konkrétním lidem však vzniká obrovské množství možných variant výsledného týmu, které není možné tradičními metodami snadno a v reálném čase vyhodnotit. Z toho důvodu byly zvoleny k vyhodnocení tzv. genetické algoritmy, které jsou inspirované přírodními vývojovými procesy popsanými již dříve J. G. Mendelem a Ch. Darwinem. Genetické algoritmy se vyznačují poskytnutím dobrých výsledků řešené úlohy ve velmi krátkém čase, přičemž úloha nemusí mít exaktní zadání a správných řešení proto může být více. V rámci dizertační práce byl sestaven program v jazyce Java, jehož jádrem je genetický algoritmus a v kterém bylo uskutečněno modelování konkrétních týmů. Následovalo ověření výsledků programu sestavením týmů pro realizaci nových úkolů a sledováním jejich činnosti v praxi. Rovněž byla provedena modelová verifikace týmů sestavených již dříve pouze na základě zkušeností vedoucích pracovníků a byly porovnány výsledky.
Evolutionary Approach to Synthesis and Optimization of Ordinary and Polymorphic Circuits
Gajda, Zbyšek ; Schmidt, Jan (oponent) ; Zelinka,, Ivan (oponent) ; Sekanina, Lukáš (vedoucí práce)
This thesis deals with the evolutionary design and optimization of ordinary and polymorphic circuits. New extensions of Cartesian Genetic Programming (CGP) that allow reducing of the computational time and obtaining more compact circuits are proposed and evaluated. Second part of the thesis is focused on new methods for synthesis of polymorphic circuits. Proposed methods, based on polymorphic binary decision diagrams and polymorphic multiplexing, extend the ordinary circuit representations with the aim of including polymorphic gates. In order to reduce the number of gates in circuits synthesized using proposed methods, an evolutionary optimization based on CGP is implemented and evaluated. The implementations of polymorphic circuits optimized by CGP represent the best known solutions if the number of gates is considered as the target criterion.
Bezpečnostní analýza síťového provozu pomocí behaviorálních signatur
Barabas, Maroš ; Hujňák,, Petr (oponent) ; Zelinka,, Ivan (oponent) ; Hanáček, Petr (vedoucí práce)
Tato práce se zaměřuje na popis aktuálního stavu bádání v detekčních metodách síťových útoků a následně na vylepšení schopnosti detekce specifických útoků vytvořením formálního popisu síťových metrik, které aproximují průběh síťového spojení a vytváří signaturu založenou na behaviorální charakteristice analyzovaného spojení. Cílem práce není prevence vůči aktuálně probíhajícím útokům ani reakce na tyto útoky, důraz se klade na analýzu spojení, získání co největšího množství informací a vytvoření základu detekčního systému, který dokáže minimalizovat velikost dat sbíraných ze sítě při ponechání nejdůležitějších informací pro následující analýzu. Hlavním cílem práce je vytvoření konceptu detekčního systému, který pomocí definovaných metrik redukuje síťový tok na signatury spojení s důrazem na behaviorální aspekty komunikace. Koncept zvyšuje autonomnost detekčního systému pomocí vytvoření expertní znalosti z honeypot systému s podmínkou nezávislosti na technologických aspektech analyzovaných dat (např. šifrování, použité protokoly, technologie nebo prostředí). Použití konceptu expertní znalosti honeypot systému v roli učitele klasifikačních algoritmů vytváří autonomnost systému při detekci neznámých útoků. Dále nabízí možnost samostatného učení (bez zásahu člověka) na základě poznatků získaných z útoků na tyto systémy. V práci je představen postup vytvoření laboratorního prostředí a experimenty s definovanou signaturou spojení nad získanými daty i nad převzatou testovací databází. V závěru jsou porovnány dosažené výsledky s aktuálním přehledem síťových detekčních systémů a je vyzdvižen přínos navržených metod aproximujících průběh analyzovaného spojení.
Acceleration Methods for Evolutionary Design of Digital Circuits
Vašíček, Zdeněk ; Miller, Julian (oponent) ; Zelinka,, Ivan (oponent) ; Sekanina, Lukáš (vedoucí práce)
Although many examples showing the merits of evolutionary design over conventional design techniques utilized in the field of digital circuits design have been published, the evolutionary approaches are usually hardly applicable in practice due to the various so-called scalability problems. The scalability problem represents a general problem that refers to a situation in which the evolutionary algorithm is able to provide a solution to a small problem instances only. For example, the scalability of evaluation of a candidate digital circuit represents a serious issue because the time needed to evaluate a candidate solution grows exponentially with the increasing number of primary inputs. In this thesis, the scalability problem of evaluation of a candidate digital circuit is addressed. Three different approaches to overcoming this problem are proposed. Our goal is to demonstrate that the evolutionary design approach can produce interesting and human competitive solutions when the problem of scalability is reduced and thus a sufficient number of generations can be utilized. In order to increase the performance of the evolutionary design of image filters, a domain specific FPGA-based accelerator has been designed. The evolutionary design of image filters is a kind of regression problem which requires to evaluate a large number of training vectors as well as generations in order to find a satisfactory solution. By means of the proposed FPGA accelerator, very efficient nonlinear image filters have been discovered. One of the discovered implementations of an impulse noise filter consisting of four evolutionary designed filters is protected by the Czech utility model. A different approach has been introduced in the area of logic synthesis. A method combining formal verification techniques with evolutionary design that allows a significant acceleration of the fitness evaluation procedure was proposed. The proposed system can produce complex and simultaneously innovative designs, overcoming thus the major bottleneck of the evolutionary synthesis at gate level. The proposed method has been evaluated using a set of benchmark circuits and compared with conventional academia as well as commercial synthesis tools. In comparison with the conventional synthesis tools, the average improvement in terms of the number of gates provided by our system is approximately 25%. Finally, the problem of the multiple constant multiplier design, which belongs to the class of problems where a candidate solution can be perfectly evaluated in a short time, has been investigated. We have demonstrated that there exists a class of circuits that can be evaluated efficiently if a domain knowledge is utilized (in this case the linearity of components).
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Rozehnal,, Dalibor (oponent) ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Rozehnal,, Dalibor (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
Bezpečnostní analýza síťového provozu pomocí behaviorálních signatur
Barabas, Maroš ; Hujňák,, Petr (oponent) ; Zelinka,, Ivan (oponent) ; Hanáček, Petr (vedoucí práce)
Tato práce se zaměřuje na popis aktuálního stavu bádání v detekčních metodách síťových útoků a následně na vylepšení schopnosti detekce specifických útoků vytvořením formálního popisu síťových metrik, které aproximují průběh síťového spojení a vytváří signaturu založenou na behaviorální charakteristice analyzovaného spojení. Cílem práce není prevence vůči aktuálně probíhajícím útokům ani reakce na tyto útoky, důraz se klade na analýzu spojení, získání co největšího množství informací a vytvoření základu detekčního systému, který dokáže minimalizovat velikost dat sbíraných ze sítě při ponechání nejdůležitějších informací pro následující analýzu. Hlavním cílem práce je vytvoření konceptu detekčního systému, který pomocí definovaných metrik redukuje síťový tok na signatury spojení s důrazem na behaviorální aspekty komunikace. Koncept zvyšuje autonomnost detekčního systému pomocí vytvoření expertní znalosti z honeypot systému s podmínkou nezávislosti na technologických aspektech analyzovaných dat (např. šifrování, použité protokoly, technologie nebo prostředí). Použití konceptu expertní znalosti honeypot systému v roli učitele klasifikačních algoritmů vytváří autonomnost systému při detekci neznámých útoků. Dále nabízí možnost samostatného učení (bez zásahu člověka) na základě poznatků získaných z útoků na tyto systémy. V práci je představen postup vytvoření laboratorního prostředí a experimenty s definovanou signaturou spojení nad získanými daty i nad převzatou testovací databází. V závěru jsou porovnány dosažené výsledky s aktuálním přehledem síťových detekčních systémů a je vyzdvižen přínos navržených metod aproximujících průběh analyzovaného spojení.

Národní úložiště šedé literatury : Nalezeno 17 záznamů.   1 - 10další  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.