|
|
Learning with Regularization Networks
Kudová, Petra ; Neruda, Roman (vedoucí práce) ; Andrejková, Gabriela (oponent) ; Hlaváčková-Schindler, Kateřina (oponent)
In this work we study and develop learning algorithms for networks based on regularization theory. In particular, we focus on learning possibilities for a family of regularization networks and radial basis function networks (RBF networks). The framework above the basic algorithm derived from theory is designed. It includes an estimation of a regularization parameter and a kernel function by minimization of cross-validation error. Two composite types of kernel functions are proposed - a sum kernel and a product kernel - in order to deal with heterogenous or large data. Three learning approaches for the RBF networks - the gradient learning, three-step learning, and genetic learning - are discussed. Based on the se, two hybrid approaches are proposed - the four-step learning and the hybrid genetic learning. All learning algorithms for the regularization networks and the RBF networks are studied experimentally and thoroughly compared. We claim that the regularization networks and the RBF networks are comparable in terms of generalization error, but they differ with respect to their model complexity. The regularization network approach usually leads to solutions with higher number of base units, thus, the RBF networks can be used as a 'cheaper' alternative in terms of model size and learning time.
|
|
|
Modely výpočetní inteligence pro hydrologické predikce
Paščenko, Petr ; Neruda, Roman (vedoucí práce) ; Petříčková, Zuzana (oponent)
Tato práce se zabývá možností využití metod výpočetní umělé inteligence v oblasti hydrologických předpovědí. Praktická studie problému krátkodobé predikce průtoku na základě světových srážek je provedena na skutečných fyzikálních datech popisujících relevantní časové řady naměřené v povodí řeky Ploučnice. Zevrubně statitstická studie zahrnující korelační regresní analýzu prokázal vysoký rozptyl naměřených hodnot. Pro konstrukci vstupniho filtru pro neuronové modely byl proveden evoluční experiment. V hlavní části práce bylo prozkoumáno několik modelů neuronových sítí založených na vicevrstvém perceptronu, sítích typu RBF a neuroevoluci společně se dvěma anáblovými modely inspirovanými tzv. bagginem. Výsledné modely byly pečlivě testovány na datech pokrývajících letní období tří po sobě následujících let. Bylo prokázáno, že modely založené na vícevrstvém perceptronu vykazují větší schopnost generalizace. Výsledné perceptronové modely jsou schopny snížit kvadratickou chybu předpovědi o zhruba 15% v porovnání s konzervativní predikcí současnou hodnotou.
|
|
|
Parallel evolutionary algorithms for multiobjective optimization
Pilát, Martin ; Neruda, Roman (vedoucí práce) ; Mráz, František (oponent)
V předložené práci studujeme možnosti paralelizace evolučních algoritmů pro vícekriteriální optimalizaci (MOGA). Uvádíme přehled existujících sekvenčních a paralelních MOGA a navrhujeme tři další metody: FCMOGA - MOGA s fuzzy omezujícími podmínkami, HIMOGA - MOGA používající heterogenní ostrovní model a MOGASOLS - MOGA používající jednokriteriální evoluční algoritmus jako prostředek lokálního prohledávání. Tyto algoritmy vyhodnocujeme na sadě testovacích problémů a porovnáváme je s existujícími MOGA.
|
|
|
EASIMEN - Sandbox pro umělé bytosti v simulovaném prostředí
Hencz, Attila ; Neruda, Roman (vedoucí práce) ; Pilát, Martin (oponent)
Název práce: EASIMEN - Sandbox pro umělé bytosti v simulovaném prostředí Autor: Attila Hencz Katedra / Ústav: Katedra teoretické informatiky a matematické logiky Vedoucí bakalářské práce: Mgr. Roman Neruda, CSc., Ústav infor- matiky AV ČR,1 v.v.i.2 e-mail adresa vedoucího: Roman.Neruda@mff.cuni.cz Abstrakt: Předložená práce se zabývá vytvořením přizpůsobitelného skoro-univerzálního simulačního prostředí pro ztelesněné umělé inteligence (umělé bytosti), kde simulace probíhají i v reálném čase. Dále je také zkoumána problematika běhu takového systému a metody použité při těchto simulacích. Stávající implementace simulačního prostředí (EASIMEN) je zjednodušené a složí k demonstraci návrhu. Přitom je k dispozici pár jednoduchých ukážkových modulu specifických implementací pre potužitou architektúru umělej inteligence navržené autorem (BIAR), které jenom znázorňují jednotlivé aspekty této problematiky a sloužia jako šablóny pro vytvoření sofistikovanějších modulu v budoucnu. Klíčová slova: umělá inteligence, real-time simulace, 3D grafika, fyz- icky simulované virtuální prostředí, umělá bytost, kombinování příztupů k problematice umělé inteligence, návrh uměle inteligence založené na bi- ologii,...
|
|
|
Multi-Agent systems and organizations
Kúdela, Lukáš ; Štěpánek, Petr (vedoucí práce) ; Neruda, Roman (oponent)
Multiagentové systémy (MAS) sa ukazujú ak sľubná paradigma pre konceptualizáciu, návrh a implementáciu rozsiahlych heterogénnych softvérových systémov. Hlavná výhoda nazerania na komponenty v takých systémoch ako na autonómne agenty spočíva v tom, že ako agenty sú schopné flexibilnej samoorganizácie, namiesto toho, aby boli rigidne zorganizované systémovým architektom. Avšak, samoorganizácia je ako evolúcia-vyžaduje veľa času a výsledky nie sú zaručené. Systémový architekt má často predstavu o tom, ako by sa mali agenti organizovať-aké typy organizácií by mali vytvárať. V našej práci sme sa pokúsili vyriešiť problém modelovania organizácií a ich rolí v MAS, nezávisle na konkrétnej agentovej platforme, na ktorej MAS napokon pobeží. V prvom rade sme navrhli metamodel na popis platformovo nezávislých organizačných modelov. Ďalej sme navrhnutý model implementovali pre agentovú platformu Jade ako modul rozširujúci tento framework. Napokon sme predviedli použitie nášho modulu namodelovaním troch konkrétnych organizácií: vzdialené volanie funkcie, vyhodnotenie aritemetického výrazu a aukcia obálkovou metódou. Naša práca ukazuje ako oddeliť rolou nadobudnuté chovanie od chovania, ktoré je neoddeliteľnou súčasťou agenta. Táto separácia umožňuje, aby boli organizácie vyvýjané nezávisle od agentov, ktoré v nich budú...
|
|
|
Evoluční algoritmy pro strukturální učení neuronových sítí
Kasík, Pavel ; Neruda, Roman (vedoucí práce) ; Kudová, Petra (oponent)
Návrh topologie neouronových sítí je velmi komplikovaný problém, zejména když opustíme oblast standartních vrstevnatých sítí. Zajímavé řešení tohoto problému nám může poskytnou evoluční algoritmus. Jeden z možných evolucní algoritmů pro evoluci neuronových sítí je algoritmus NEAT. Cílem této práce je modi fikovat a vylepšit schopnosti algoritmu NEAT. Vylepšení jsou zaměřena na využití polohy neuronu ve struktuře sítě, zlepšení křížení a představení možnosti paralelizace algoritmu zachovávající jeho ideje i ideje NEATu.
|
|
|
EASIMEN - Sandbox pro umělé bytosti v simulovaném prostředí
Hencz, Attila ; Neruda, Roman (vedoucí práce) ; Brom, Cyril (oponent)
P ředlo ženáa práace se zab ývá vytvoření m přizpůsobitelnéeho skorouniverz ální ho simulační ho prostředí pro ztělesněn é umělé inteligence (umělé bytosti), kde simulace probí hají i v reálném čase. Dále je také zkoumána problematika běhu takového syst emů a metody pou žité p ři t ěchto simulací ch. St ávaj í cí implementace simulační ho prost ředí neobsahuje kompletní systém, ale několik podru žných projektů, které zn azorňují jednotlivé aspekty t éto problematiky.
|
|
|
Evolutionary Algorithms for Multiobjective Optimization
Pilát, Martin ; Neruda, Roman (vedoucí práce) ; Schoenauer, Marc (oponent) ; Pošík, Petr (oponent)
Vícekriteriální evoluční algoritmy se v posledních letech těší velké pozornosti. Dokázaly, že patří mezi nejlepší vícekriterální optimali- zátory a byly použity v mnoha průmyslových aplikacích. Jejich po- užitelnost je ale omezována tím, že vyžadují velké množství vyhod- nocení jednolivých účelových funkcí. Tyto mohou být v případě re- álných problémů složité a jejich vyhodnocení může být drahé. Pro snížení počtu vyhodnocení jednotlivých účelových funkcí se použí- vají tzv. náhradní modely. Ty jsou jednoduchou a rychlou aproximací skutečných účelových funkcí. V této práci představujeme výsledky výzkumu prováděného mezi lety 2009 a 2013. Představujeme vícekriteriální evoluční algoritmus s agregovaným náhradním modelem a jeho verze, které použivají další náhradní model pro předvýběr jedinců. V další části se zabýváme pro- blémem výběru vhodného typu náhradního modelu. Diskutujeme o tom, které charakteristiky modelu jsou důležité a žádané, a navrhu- jeme propojení náhradního modelování s meta-učením. V poslední části se potom zabýváme využitím vícekriteriální optimalizace pro ladění parametrů klasifikátorů a ukazujeme, že přidání dalších účelo- vých funkcí může urychlit nalezení vhodného nastavení. 1
|
|
|
Universality in Amorphous Computing
Petrů, Lukáš ; Wiedermann, Jiří (vedoucí práce) ; Janeček, Jan (oponent) ; Neruda, Roman (oponent)
Amorphous computer is a theoretical computing model consisting of randomly located tiny devices (called nodes) in some target area. The nodes of an amorphous computer can communicate using short-range radio. The communication radius is small compared to the size of the target area. The nodes are all identical, initially have no identi ers, work asynchronously and there is no standard communication protocol. An amorphous computer must work for any number of nodes under reasonable statistical assumptions concerning the spatial distribution of nodes. Moreover, the computation should use very limited amount of memory on each node. For the just described concept of amorphous computer we investigate the question whether a universal computation is possible at all in a corresponding theoretical model. To answer this question, several subsequent steps are performed. In the rst step, we design a formal minimalist model of a node and of the amorphous computer as a whole. In the second step, we develop communication protocol for the amorphous computer. In the last step, we show the universality by simulating a computation of a universal machine. The size of the amorphous computer will depend on the space complexity of the simulated machine. All the previously mentioned steps are described in detail in this work....
|
|
|
Control algorithms for autonomous embodied agents
Slušný, Stanislav ; Neruda, Roman (vedoucí práce) ; Kvasnička, Vladimír (oponent) ; Koutník, Jan (oponent)
Charles University in Prague Faculty of Mathematics and Physics DOCTORAL THESIS Mgr. Stanislav Slušný Control algorithms for autonomous embodied agents Department of Software Engineering Supervisor of the doctoral thesis: Mgr. Roman Neruda, CSc. Study programme: Computer Science Specialization: Software Engineering Prague 2014 Název práce: Řídicí mechanismy pro autonomní vtělené agenty Autor: Mgr. Stanislav Slušný Katedra: Katedra softwarového inženýrství, Matematicko-fyzikální fakulta, Uni- verzita Karlova v Praze Vedoucí disertační práce: Mgr. Roman Neruda, CSc., Ústav informatiky Akademie věd České republiky, v.v.i., Praha Abstrakt: Tato práce se zabývá studiem řídících algoritmů pro adaptivní vtělené agenty. Zkoumáme přístupy založené na neuronových sítích, genetických algo- ritmech a posilovaném učení, a navrhujeme jejich vylepšení. Hlavním výsledkem práce je návrh architektury vtěleného autonomního agenta, která kombinuje reak- tivní a deliberativní paradigmata. Tato architektura je testována na realistických simulacich pro řešení složitých úkolů v reálném světě. Efektivita nového vysoko- úrovňového plánovače založeného na programování s omezenými podmínkami a konečných automatech je demonstrována v praktické...
|
host ::
RSS.