|
|
Evoluční návrh využívající přepisovací systémy
Nétková, Barbora ; Hyrš, Martin (oponent) ; Bidlo, Michal (vedoucí práce)
V této práci byla navržena a implementována metoda pro evoluční návrh přepisovacích systémů. Pomocí genetického algoritmu jsou navrhována pravidla pro specifickou variantu Lindenmayerova systému. Navržené gramatiky jsou následně interpretovány jako rostoucí řadicí sítě. Byly prozkoumány různé přístupy interpretace L-systému na řadící sítě. Bude ukázáno, že evoluce je schopna navrhnout přepisovací systém pro částečně rostoucí sítě. Mezi nejlepší výsledky patří L-systémy navržené evolucí pro tvorbu sítí s 24 vstupy, které jsou schopny v dalších derivacích vytvořit síť až o 36 vstupech.
|
|
|
Evoluční algoritmy pro ultrazvukovou perfúzní analýzu
Kolářová, Jana ; Odstrčilík, Jan (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce je zaměřena na aplikaci evolučních algoritmů při prokládání dat získaných ultrazvukovým snímání tkáně. Proložená křivka slouží k odhadům perfúzních parametrů, umožňuje odhalit případné patofyziologie ve snímané oblasti. Teoretický úvod je věnován perfúzi a jejím parametrům, kontrastním látkám pro ultrazvukovou aplikaci, snímání ultrazvukovou modalitou, optimalizaci, evolučním algoritmům obecně a dvěma zvoleným evolučním algoritmům – genetický algoritmus a včelí algoritmus. Tyto dva algoritmy byly testovány na zašuměných datech získaných z klinických snímků myší s nádorem. V závěrečné části jsou shrnuty výsledky praktické části a poskytnuty návrhy a doporučení pro další možné zpracování.
|
|
|
Automated Design Methodology for Approximate Low Power Circuits
Mrázek, Vojtěch ; Bosio, Alberto (oponent) ; Fišer, Petr (oponent) ; Sekanina, Lukáš (vedoucí práce)
The rapid expansion of modern embedded and battery-powered systems has brought new challenges for design methods oriented to low power circuits and systems. Although these methods systematically apply various power optimization techniques, the overall power requirements are still growing because of the increased complexity of integrated circuits. It has been shown that many applications are inherently error resilient and this property can be exploited for further power consumption reduction. This principle is systematically investigated in the nascent field of approximate computing. This thesis deals with efficient design methods for approximate circuits. The proposed methods are based on evolutionary algorithms (EAs). Although EAs have been applied in logic synthesis and optimization of common as well as approximate circuits, their scalability is limited in these areas. The goal of this dissertation is to show that approximate logic synthesis based on evolutionary algorithms (particularly on genetic programming) can provide excellent tradeoffs between the error and power consumption of complex digital circuits. We analyzed four different applications that use digital circuits described at three different levels of abstraction. By means of Cartesian genetic programming we reduced power consumption of small transistor-level circuits that are typically used in a technology library. We combined evolutionary approximation with formal verification techniques in order to evolve high quality gate-level approximate circuits such as adders and multipliers and provide formal guarantees on the approximation error. These circuits were employed to reduce power consumption in neural image classifiers and discrete cosine transform blocks of the HEVC encoder. We proposed a new data-independent error metric - the distance error - and used it in the evolutionary approximation of complex median circuits that are suitable for low power signal processing. This doctoral thesis presents a coherent methodology for the design of approximate circuits at different levels of description which is also capable of providing formal guarantees on the approximation error.
|
|
|
Implementace vlnkové transformace v jazyku C++
Valouch, Lukáš ; Hasmanda, Martin (oponent) ; Beneš, Radek (vedoucí práce)
Cílem diplomové práce je implementace algoritmu vlnkové transformace pro následné využití při redukci šumu. Samotné potlačování šumu je zaměřeno k zlepšování vypovídající schopnosti sonografických (ultrazvukových) obrazů v medicíně. Využilo se u něj metody prahování detailních koeficientů jednotlivých úrovní mnohaměřítkové analýzy. Při hledání nejvhodnějších prahů se nevycházelo z žádného z běžných postupů pro odhad těchto hladin. Návrh alternativního pojetí vychází ze základního empirického přístupu, kdy jsou jednotlivé prahy optimalizovány za pomoci evolučních algoritmů. S tímto zalgoritmizováným postupem se však projevují problémy objektivního vyhodnocení úspěšnosti redukce šumu. Program za tímto účelem využívá obecně používaných parametrů: střední kvadratickou chybu celého obrazu, strmost jasových změn na zvolené hraně, relativní kontrast dvou dostatečně jasově rozdílných bodů a směrodatnou odchylku jednolité plochy. Popsané teoretické poznatky jsou využity v naprogramované aplikaci DTWT. Ta realizuje víceúrovňovou dekompozici a zpětnou rekonstrukci diskrétní vlnkovou transformací s diskrétním časem, prahování detailních koeficientů a výsledné ohodnocení provedeného potlačení šumu. Tento vyvinutý nástroj lze využít samostatně pro redukci šumu. Pro naše účely byl ale upraven tak, aby se spouštěl prostřednictvím komponenty pro evoluční optimalizaci parametrů (Optimize Parameters) v navrženém scénáři v programu RapidMiner. V optimalizačním procesu využívala tato komponenta jako fitness funk¬ci předané ohodnocení od programu DTWT. Nejvhodnější prahy byly separátně vyhledávány pro tři rodiny vlnek – Daubeschies, Symlety a Coiflety. Evoluční algoritmus vybral u všech tří rodin měkký práh. Ten je ve srovnání s tvrdým prahem pro potlačování šumu vhodnější, ale má tendenci více rozmazávat hrany. Navržená metoda vyhodnotila ve většině případů lepší úspěšnost redukce šumu u vlnkové transformace s vyhledáním prahů evolučními algoritmy, než u běžně používaných filtrů. Při vizuálním porovnání již ale vnášela vlnková transformace do obrazu mírné znehodnocující artefakty. Jedná se vždy o kompromis mezi největším potlačením šumu a zároveň největším zachováním užitečné obrazové informace. Vyhodnotit objektivně toto dilema není jednoduché a záleží vždy na subjektivním pohledu, v případě sonografických snímků pohledu ošetřujícího lékaře.
|
|
|
Soutěživá koevoluce v kartézském genetickém programování
Skřivánková, Barbora ; Petrlík, Jiří (oponent) ; Drahošová, Michaela (vedoucí práce)
Symbolická regrese je metoda hledání předpisů funkcí, které co nejpřesněji prochází danými body v rovině nebo prostoru. V této práci je řešena symbolická regrese s využitím kartézského genetického programování a soutěživé koevoluce. Tato úloha byla již dříve řešena pomocí kartézského genetického programování a koevoluce prediktorů fitness. V této práci je zkoumáno, zda-li jednodušší soutěživá koevoluce dokáže dosáhnout obdobných výsledků jako koevoluce prediktorů fitness. Symbolická regrese je v této práci testována na pěti různě složitých úlohách. Při testování se ukázalo, že při řešení jednodušších úloh dosahuje soutěživá koevoluce oproti klasickému kartézskému genetickému programování výrazně vyššího zrychlení než koevoluce prediktorů fitness. Složitější úlohy, ve kterých koevoluce prediktorů fitness obstála stejně dobře jako v jednodušších, však soutěživá koevoluce vyřešit nedokázala.
|
|
|
Využití evolučních algoritmů při učení neuronových sítí
Vosol, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce má za úkol nalézt a porovnat možnosti spolupráce evolučních algoritmů při učení neuronové sítě a také jejich následné porovnání s klasickým přístupem učení pomocí back-propagation. Toto porovnání je demonstrováno na hluboké dopředné síti, která je využita při klasifikačních úlohách. Optimalizace probíhá na úrovni hledání optimálních hodnot vah a biasů sítě při zachování její stejné topologie. Jako evoluční algoritmy pro tuto optimalizaci jsou vybrány tři metody. Jedná se o genetický algoritmus, diferenciální evoluci a optimalizaci hejnem částic. Demonstrační program je implementován v programovacím jazyce Python3 a to bez použití knihoven pro strojové učení.
|
|
|
Koevoluce obrazových filtrů a prediktorů fitness
Trefilík, Jakub ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá využitím principů koevoluce pro návrh obrazových filtrů. Evoluční algoritmy se pro vývoj obrazových filtrů ukazují jako velmi výhodná metoda. Použitím koevoluce prediktorů fitness vnášíme do evolučního návrhu procesy, které vzájemným ovlivňováním populace kandidátních filtrů s populací prediktorů fitness dokáží zrychlit konvergenci řešení. Prediktor fitness je malá podmnožina množiny trénovacích vektorů a používá se k přibližnému určení fitness kandidátních filtrů. V této práci je pro evoluci prediktorů fitness využito nepřímé kódování, které reprezentuje matematický výraz, pomocí něhož jsou vybírány trénovací vektory použité pro vyhodnocení fitness kandidátních filtrů. Tento přístup byl experimentálně vyhodnocen v úloze evolučního návrhu náhodného impulzního šumu a šumu typu sůl a pepř pro různé intenzity šumu a také v úloze návrhu detektoru hran. Ukázalo se, že pomocí tohoto přístupu prediktory fitness přizpůsobují počet použitých trénovacích vektorů pro vyhodnocení kandidátního filtru souběžně s řešením úlohy a tím snižují výpočetní náročnost evolučního návrhu obrazových filtrů.
|
|
|
Evoluční návrh kombinačních obvodů na počítačovém clusteru
Pánek, Richard ; Zachariášová, Marcela (oponent) ; Hrbáček, Radek (vedoucí práce)
Tato diplomová práce se zabývá evolučními algoritmy a jejich použitím při návrhu kombinačních obvodů. Pro tento typ úloh je nejvhodnější genetické programování, především pak CGP. Dále se zabývá výpočtem na počítačových clusterech a použitím evolučních algoritmů na nich. Pro tento výpočet se nejvíce hodí ostrovní modely s CGP. Pro jejich zlepšení je navržen nový způsob rekombinace v CGP. Tento návrh je implementován a testován na počítačovém clusteru.
|
|
|
Evoluční algoritmy
Haupt, Daniel ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
První část práce je teoretická a zabývá se optimalizací a evolučními algoritmy, které jsou používány k řešení složitých optimalizačních problémů. Konkrétně jsou popsány algoritmy diferenciální evoluce, genetický algoritmus, simulované žíhání a deterministický neevoluční algoritmus zakázané prohledávání. Dále je diskutována problematika testování optimalizačních algoritmů pomocí tzv. galerii testovacích funkcí a testování pomocí srovnání výsledků algoritmů při řešení problému obchodního cestujícího. Ve druhé části práce jsou všechny uvedené algoritmy testovány na 11 testovacích funkcích a na třech modelech rozmístění měst v problému obchodního cestujícího. Nejprve jsou algoritmy srovnávány s možností neomezeného přístupu k účelové funkci a dále s omezenou možností přístupu k účelové funkci. Veškerá data jsou statisticky a graficky zpracována. Jednotlivé algoritmy jsou seřazeny dle úspěšnosti.
|
|
|
Aplikace evolučního algoritmu na optimalizační úlohu vibračního generátoru
Nguyen, Manh Thanh ; Kovář, Jiří (oponent) ; Hadaš, Zdeněk (vedoucí práce)
Tato práce se bude zabývat použitím metod umělé inteligence pro řešení optimalizační úlohy s více proměnnými. Rešeršní část je věnována problematice globální optimalizace a přehledu metod řešení. Z praktických důvodů je speciální pozornost věnována algoritmům evolučním. Předmětem optimalizace samotné je pak energy harvester využívající piezoelektrického jevu. Jeho podstatě a modelování je věnována samostatná kapitola. Součástí práce je implementace algoritmu SOMA pro návrh parametrů generátoru pro maximální výkon.
|
host ::
RSS.