|
| |
|
|
Optimalizace síťového přepínače pomocí neuronové sítě
Lýsek, Jiří ; Krček, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá řešením problému prioritního síťového přepínače, jehož model byl vytvořen v prostředí C++. Úloha optimálního přepínání je řešena pomocí několika umělých neuronových sítí, které jsou popsány, navzájem porovnány, a je vyhodnoceno, která se pro daný problém hodí lépe. Výsledkem práce je model přepínače a srovnání časové náročnosti při řešení optimalizačního problému pomocí umělé neuronové sítě. Tato diplomová práce byla zpracována v rámci vědecko–výzkumného záměru MSM 0021630529 Inteligentní systémy v automatizaci.
|
|
|
Indoor robot - řídicí neuronová síť
Křepelka, Pavel ; Kopečný, Lukáš (oponent) ; Žalud, Luděk (vedoucí práce)
V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.
|
|
|
Adaptace parametrů ve fuzzy systémech
Fic, Miloslav ; Jura, Pavel (oponent) ; Jirsík, Václav (vedoucí práce)
Diplomová práce se zabývá problematikou adaptace parametrů fuzzy systémů a to především umělými neuronovými sítě. V rešeršní části je proveden rozbor dosavadních metod spojujících fuzzy systémy a umělé neuronové sítě včetně uvedení zdrojů mezi studentskými pracemi. V kapitole aplikace metod je věnován prostor ověření klasifikační schopnosti zvolené metody fuzzy-neuronové sítě v Kohonenovým učením a následně návrhu modelu fuzzy systému na bázi této metody.
|
host ::
RSS.