|
| |
|
|
Využití umělých neuronových sítí k řízení genetických algoritmů
Dörfler, Martin ; Holeňa, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
Genetické algoritmy jsou jedny z nejvíce flexibilních optimalizačních metod. Mají minimální požadavky na zadání, a tedy jsou schopny řešit široké spektrum úloh. Tato flexibilita je však místy vykoupena nižší efektivitou. Ve srovnání s více specializovanými metodami se genetické algoritmy obvykle ukazují méně výkonné. Tato práce zkoumá možnosti jak navýšit jejich efektivitu pomocí řízení umělou neuronovou sítí. Je v ní popsán způsob řízení běhu genetického algoritmu pomocí samoorganizující mapy. Práce obsahuje návrh algoritmu, pokusnou implementaci a sérii testů, která má za úkol ověřit jeho účinnost. Ukazuje se, že i když výsledky na benchmarkových funkcích poukazují na jisté pozitivní vlastnosti algoritmu, výsledky na úlohách vyšší složitosti jsou méně optimistické.
|
|
|
Anglicisms and their synonymic relations
Martinec, Karel ; Vachková, Marie (vedoucí práce) ; Šemelík, Martin (oponent)
Práce se zabývá analýzou vybraných anglicismů a jejich synonymickými vztahy s příslušnými německými ekvivalenty. Na základě korpusové analýzy a tzv. self-organizing maps (SOM) autor práce zkoumá, do jaké míry se vybrané synonymické páry ve svém lexikálním významu překrývají či odlišují, jaký je jejich kookurenční profil popř. stylistické zabarvení. Příloha práce obsahuje výběr ze zhruba 100 zpracovaných databázových vstupů.
|
|
|
Anglicisms and their synonymic relations
Martinec, Karel ; Vachková, Marie (vedoucí práce) ; Šemelík, Martin (oponent)
Práce se zabývá analýzou vybraných anglicismů a jejich synonymickými vztahy s příslušnými německými ekvivalenty. Na základě korpusové analýzy a tzv. self-organizing maps (SOM) autor práce zkoumá, do jaké míry se vybrané synonymické páry ve svém lexikálním významu překrývají či odlišují, jaký je jejich kookurenční profil popř. stylistické zabarvení. Příloha práce obsahuje výběr ze zhruba 100 zpracovaných databázových vstupů.
|
|
|
Využití umělých neuronových sítí k řízení genetických algoritmů
Dörfler, Martin ; Holeňa, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
Genetické algoritmy jsou jedny z nejvíce flexibilních optimalizačních metod. Mají minimální požadavky na zadání, a tedy jsou schopny řešit široké spektrum úloh. Tato flexibilita je však místy vykoupena nižší efektivitou. Ve srovnání s více specializovanými metodami se genetické algoritmy obvykle ukazují méně výkonné. Tato práce zkoumá možnosti jak navýšit jejich efektivitu pomocí řízení umělou neuronovou sítí. Je v ní popsán způsob řízení běhu genetického algoritmu pomocí samoorganizující mapy. Práce obsahuje návrh algoritmu, pokusnou implementaci a sérii testů, která má za úkol ověřit jeho účinnost. Ukazuje se, že i když výsledky na benchmarkových funkcích poukazují na jisté pozitivní vlastnosti algoritmu, výsledky na úlohách vyšší složitosti jsou méně optimistické.
|
|
| |
host ::
RSS.