|
|
Active learning for Bayesian neural networks in image classification
Belák, Michal ; Šabata, Tomáš (vedoucí práce) ; Vomlelová, Marta (oponent)
V posledných rokoch dosahujú zložité neurónové siete špičkové výsledky v klasifikácií obrazu. Trénovanie takýchto modelov však vyžaduje veľké množstvo označkovaných dát. Kým neoznačkované obrázky sú často dostupné vo ve ľkom množstve, značkovanie vyžaduje značné ľudské úsilie. Aktívne učenie znižuje nároky na značkovanie vyberan ím najinformatívnejších inštancií na označkovanie. Najpoužívanejšia rodina stratégií pre vyberanie inštancií na znač kovanie v aktívnom učení využíva odhad neistoty predpovedí modelu, ktorý sa trénuje. Moderné neurónové siete vš ak často neposkytujú spoľahlivé odhady neistoty. Bayesovské neurónové siete modelujú neistotu parametrov model u, ktorá sa premieta do neistoty v predpovediach modelu. Presná Bayesovská inferencia je však neriešiteľná pre neur ónové siete, v literatúre však existujú rôzne približné metódy. V našich experimentoch používame tri takéto metódy, ktoré kombinujeme s rôznymi stratégiami pre vyberanie inštancií, využívajúcimi neistotu v ich predpovediach.
|
|
|
Analýza hry Gobblet prostředky umělé inteligence
Kotrč, Pavel ; Vomlelová, Marta (vedoucí práce) ; Majerech, Vladan (oponent)
Gobblet je nová abstraktní desková hra, jejíž pravidla vycházejí z klasických piškvorek na hrací ploše o 4×4 políčkách. Možnost přikrývání a přesunu kamenů však značně zvyšují její složitost, takže je srovnatelná například s dámou nebo Othellem. To ji činí zajímavou z hlediska umělé inteligence. Tato práce zkoumá možnosti klasických i novějších metod pro prohledávání herního stromu Gobbletu - minimaxového algoritmu, alfa-beta prořezávání, heuristiky pro uspořádání tahů, iterative deepening a dalších. Výsledný algoritmus je porovnáván s počítačovými hráči na herním serveru Boardspace, kde dosahuje nadprůměrných výsledků s nejlépe hrajícím robotem. Nedílnou součástí práce je implementace všech popisovaných algoritmů a grafického uživatelského rozhraní pro jejich testování v programovacím jazyce Java.
|
|
|
Neoptimální řešení permutačních hlavolamů rozkladem na podproblémy
Penkala, Michal ; Majerech, Vladan (vedoucí práce) ; Vomlelová, Marta (oponent)
V předložené práci studuji vlastnosti permutačních hlavolamů a hledám algoritmy použitelné k řešení těchto hlavolamů. Úlohou práce je implementovat algoritmus neoptimálního řešení permutačních hlavolamů rozkladem na podproblémy a navrhnout vhodný formát definice hlavolamu. Výsledkem práce je program, který umožní uživateli pomocí grafického návrhu vytvořit libovolný permutační hlavolam. Na tomto hlavolamu potom bude moci uživatel provádět nadefinované tahy hlavolamu, zadávat libovolnou aktuální pozici a také hledat řešení aktuální pozice.
|
|
|
Plausibilní model chování potkana
Preuss, Michal ; Brom, Cyril (vedoucí práce) ; Vomlelová, Marta (oponent)
V této práci jsou prezentovány dva různé výpočetní modely simulující chování potkana při behaviorálním úkonu. První z nich vychází z technik zpětnovazebního učení, druhý reprezentuje postup obvyklý pro modely, které se používají ve výpočetní neurovědě. Oba modely jsou porovnávány s výsledky laboratorních pokusů na živých potkanech a mezi sebou navzájem. Dále jsou v práci diskutovány přínosy každého z modelů a možnosti kombinace obou přístupů s cílem vytvoření jediného modelu, který by chování potkanů aproximoval dokonaleji a mohl by být použit i pro základní výzkum.
|
|
|
Text clustering and classification /(Klastrování a klasifikace textů)
Gabašová, Evelina ; Vomlelová, Marta (vedoucí práce) ; Hric, Jan (oponent)
Klastrování a klasi kace textů jsou důležitými úlohami strojového učení. V této práci je prezentována kombinace jejich přístupů. Hlavním účelem bylo automaticky připravit množinu klastrů (nebo obecně konceptů), které by následně sloužily jako trénovací data pro naučení klasi fikátoru. Tato práce zahrnuje teoretické pozadí, detaily implementace a výsledky experimentů pro klastrování a klasifi kaci textových dokumentů. Trénovací soubor dokumentů je nejprve hierarchicky klastrování algoritmem bisecting k-means. Výsledek tohoto procesu je možné upravovat a vylepšovat s využitím expertní znalosti. Tímto způsobem vytvořená hierarchická struktura je použita pro naučení naivního bayesovského klasifi kátoru, který je následně využit k roztřídění testovací množiny dokumentů. Pro tyto účely byl vyvinut program, jehož výsledky jsou zhodnoceny a porovnány při zpracování českých a anglických dokumentů.
|
|
|
Transformation of Logic Programs
Vyskočil, Jiří ; Štěpánek, Petr (vedoucí práce) ; Vomlelová, Marta (oponent) ; Mařík, Radek (oponent)
This paper is a contribution to improving computational e fficiency of de nite Prolog programs using Unfold/Fold (U/F) strategy with homeomorphic embedding as a control heuristic. Unfold/Fold strategy is an alternative to so called conjunctive partial deduction (CPD). The ECCE system is one of the best system for program transformations based on CPD. In this thesis is presented a new fully automated system of program transformations based on U/F strategy. The experimental results, namely CPU times, the number of inferences, and the size of the transformed programs are included. These results are compared to the ECCE system and indicate that in many cases both systems have produced programs with similar or complementary e fficiency. Moreover, a new method based on a simple combination of both systems is presented. This combination represents, to our best knowledge, the most effective transformation program for normal logic programs. In most cases, the combination signi cantly exceeds both the Unfold/Fold algorithm presented here and the results of the ECCE system. The experimental results with a complete comparison among these algorithms are included.
|
|
|
Life/death analysis in Go (Analyzátor života skupiny v Go)
Kozelek, Tomáš ; Vomlelová, Marta (vedoucí práce) ; Hric, Jan (oponent)
V této práci jsem se zaměřil na studium problematiky řešení úloh "života a smrti" v Go, jež je jednou ze základních dovedností které by měl program hrající Go zvládnout. Jako součást práce vznikl program TGA, řešící tyto úlohy. Program je postaven na základních algoritmech prohledávání stavového prostoru z teorie her (např. alfa beta prořezávání, transpoziční tabulky) v kombinaci s metodami využívajícími znalosti hry Go (heuristiky a ořezávací metody). Pro účely programu jsem mimo jiné vytvořil "blokové orientovanou" prezentaci pozice, implementoval jsem zjednodušenou statickou analýzu života a smrti skupiny a navrhl jsem sadu heuristik, které nejen významně zrychlují výpočet programu ale také umožňují řešit obtížné úlohy typu "under the stones". Program je určen k řešení převážně uzavřených úloh a umí si poradit s různými specialitami problematiky života a smrti v Go (např. různe druhy ko, seki, "bent four in the corner"). Co se výkonnosti týče, sílu programu v řešení specifikovaných Go úloh odhaduji na 1 dan, což je srovnatelné s velmi pokročilým lidským hráčem.
|
|
|
POMDPs for dynamic troubleshooting
Krč, Pavel ; Vomlelová, Marta (vedoucí práce) ; Hric, Jan (oponent)
Pojmem dynamický troubleshooting se označuje proces analýzy bezpečnostního systému v reálním čase, predikce a detekce možných problémů, řešení problémů a předchzení jejich výskytu. Je-li tento proces realizován počítačem, pak se ve své nejobecnější podobě jedná o problém optimálního rozhování. Koncep částečně pozorovatelných Markovských rozhodovacích procesů (POMDP)je pro tento druh problémů velmi vhodný, nebot' umožňuje modelovat jak nejistotu ohledně budoucího vývoje procesu, tak neúplnou znalost aktuálního stavu systému aumožńuje počítat s velastními budoucími rozhodnutími, které systém ovlivňují či přispívají k získávání informací o jeho stavu. V rámci této práce autor poskytuje úvod do teorie POMDPs a popisuje současné algoritmy řešení POMDP s přihlédnutím k jejich použitelnosti pro dynamický troubleshooting. Dále autor představuje konkrétní problém dynamického roubleshootingu, řeší jej pomocí obecných řešení POMDP a navrhuje pro něj vslatní heuristiku, která je snadno zobecnitelná i na širší třídu řešení POMDP, implementuje do něj změněné algoritmy a testuje je na představeném problému.
|
|
|
Constraint satisfaction for HW/SW verification
Cigler, Luděk ; Barták, Roman (vedoucí práce) ; Vomlelová, Marta (oponent)
Programování s omezujícími podmínkami (CSP) je silným nástrojem pro modelování a řešení mnoha problémů v umělé inteligenci a operačním výzkumu. Verifikace HW a SW může využít CSP pro automatické vytváření testů. Hlavním požadavkem na CSP algorithmus (vzhledem ke generování testů) je rovnoměrné rozložení nalezených řešení. Studujeme několik stávajících algoritmů pro náhodné generování řešení klasických CSP problémů, a prezentujeme naše rozšíření těchto algoritmů na problémy s ohodnocenými podmínkami. Naše algoritmy testujeme na různých benchmarkových problémech.
|
|
|
Computational Intelligence Methods in Metalearning
Šmíd, Jakub ; Neruda, Roman (vedoucí práce) ; Vanschoren, Joaquin (oponent) ; Vomlelová, Marta (oponent)
Tato práce je zaměřena na problematiku výběru algoritmu, která má za cíl doporučit algoritmus strojového učení k nové úloze. Řešení problému vychází z myšlenky, že se algoritmy chovají podobně na podobných datech. Tato podobnost je často založena na extrakci pevného počtu metaatributů z každé úlohy. Vzhledem k tomu, že počet atributů se u různých úloh typicky liší, ztrácíme tak důležité informace. V této práci popíšeme třídu algoritmů, která dokáže zpracovat také informace o jednotlivých atributech. Naše metody jsou založeny na přiřazování atributů. Výsledná vzdálenost mezi úlohami je dána jako součet vzdáleností mezi atributy určenými optimálním přiřazením. Dále dokážeme, že za určitých podmínek můžeme zaručit, že výsledná vzdálenost mezi úlohami je metrika. Provedeme sadu experimentů na datech extrahovaných z OpenML repozitáře. Vytvoříme vzdálenost mezi atributy prostřednictvím genetických algoritmů, genetického programování a několika regularizačních technik, jako je koevoluce a zavedení vícekriteriality. Výsledky experimentů naznačují, že výsledná vzdálenost mezi úlohami může být úspěšně použita na problematiku výběru algoritmu. Ačkoliv jsme naše metody použili výhradně k metaučení, lze je aplikovat i v jiných oblastech. Navržené algoritmy jsou aplikovatelné kdekoliv, kde máme definovanou vzdálenost...
|
host ::
RSS.