|
|
Nelineární řízení komplexních soustav s využitím evolučních přístupů
Minář, Petr ; Ošmera, Pavel (oponent) ; Oplatková,, Zuzana Komínková (oponent) ; Matoušek, Radomil (vedoucí práce)
Problematika optimalizace složitých soustav za použití algoritmů umělé inteligence, je relativně nový vědní obor a má mnohé způsoby využití v technické praxi. Vhodné algoritmy na řešení podobných úloh jsou třeba genetický algoritmus, diferenciální evoluce, algoritmus HC12, metoda nelder-mead, fuzzy logika a gramatická evoluce. Kompletní řešení je prezentováno na vybraných příkladech od matematických soustav nelineárních systémů, až po praktické úlohy spolu s návrhem antén a stabilizace deterministického chaosu. Práce si klade za cíl navržení jednotlivých postupů využití algoritmů umělé inteligence při vícekriteriální optimalizaci. K dosažení optimálních výsledků slouží navržené softwarové řešení na základě multi-platformové aplikace v rámci Matlab a Java rozhraní. Softwarové řešení spojuje všechny algoritmy do ucelené aplikace a dále rozšiřuje možnosti uplatnění výsledků na reálných soustavách a v technické praxi.
|
|
|
Využití Soft Computingu v rámci řízení objednávkového cyklu
Šustrová, Tereza ; Fecenko, Josef (oponent) ; Jurová, Marie (oponent) ; Marček, Dušan (oponent) ; Dostál, Petr (vedoucí práce)
Dizertační práce se zabývá možnostmi využití pokročilých metod rozhodování Soft Computingu při řízení objednávkového cyklu podniku. Hlavním cílem dizertační práce je navržení modelu umělé neuronové sítě s optimální architekturou pro řízení objednávkového cyklu podniku v rámci řízení dodavatelského řetězce. Vytvořený model bude sloužit v organizaci působící v oblasti obchodního podnikání pro zajištění plynulého materiálového toku. Součástí dizertační práce je rovněž konstrukce a ověření modelu umělé neuronové sítě pro predikci prodeje a srovnání výsledků a vhodnosti použití s běžnými a dosud používanými statistickými metodami. Dále se dizertační práce zabývá nalezením vhodné architektury umělé neuronové sítě pro stanovení velikosti objednávky na základě zadaných vstupů. Ke zpracování modelu bylo využito metod statistického zpracování dat, ekonomického modelování, Soft Computingu a poznatků ohledně stavu vědeckého poznání řešené problematiky z posledních let.
|
|
|
Zjednodušené násobení v konvolučních neuronových sítích
Juhaňák, Pavel ; Jaroš, Jiří (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zaměřuje na problematiku klasických i konvolučních neuronových sítí. Jsou zde probrány konvenční techniky hardwarového násobení a možnosti jeho optimalizace v kontextu umělých neuronových sítí. Je navržena metoda zjednodušeného násobení, a to násobení bez násobičky. Tato metoda je implementována a integrována do knihovny TypeCNN. Poté je proveden odhad ceny hardwarového řešení jak konvenčního, tak zjednodušeného násobení. Představeny jsou dostupné nástroje pro práci s konvolučními neuronovými sítěmi a datové sady pro jejich testování v úloze klasifikace obrazů. Jsou navrženy testovací architektury a metodika testování a experimentů. Následně jsou zhodnoceny výsledky testů jak z pohledu úspěšnosti klasifikace, tak ceny hardwarového řešení.
|
|
|
Framework pro testování grafického uživatelského rozhraní
Báča, Erik ; Kučera, Jan (oponent) ; Kocnová, Jitka (vedoucí práce)
Tato práce popisuje vývoj frameworku určeného k testování grafického uživatelského rozhraní pomocí algoritmů z oblasti Soft Computingu. Vývoj je rozdělen do čtyř fází. První fáze se týká seznámení s již existujícími frameworky pro testování GUI a jejich rozboru. V druhé fázi proběhne výběr vhodných nástrojů pro vývoj, vhodných algoritmů a návrh implementace. Třetí fáze se následně zabývá samotnou implementací frameworku a v poslední fázi proběhne otestování systému, zhodnocení dosažených výsledků a návrh možných rozšíření.
|
|
| |
|
|
Metody využívané pro OCR
Čermák, Marek ; Marada, Tomáš (oponent) ; Zuth, Daniel (vedoucí práce)
Ačkoli je OCR (Optické rozpoznávání znaků – Optical Character Recognition) problematikou sahající do druhé poloviny dvacátého století, dostalo se mu v současnosti velké pozornosti v souvislosti s počítačovým viděním a detekcí objektů. V této práci bude popsána historie OCR a stručně budou zmíněny techniky doposud používané pro OCR. Pozornost bude soustředěna na současné metody rozpoznávání textu, tedy na soft computing. Protože v této oblasti zastávají největší roli neuronové sítě, budou zmíněny a popsány některé architektury a následně bude realizován software pro rozpoznávání alfanumerických znaků pomocí konvoluční neuronové sítě.
|
|
|
Neuronové sítě s proměnnou topologií
Černík, Tomáš ; Dalecký, Štěpán (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá neuronovými sítěmi - konkrétně sítěmi s proměnnou topologií. Teoretická část popisuje neuronové sítě a jejich matematické modely. Dále ukazuje základní algoritmy pro učení neuronových sítí a rozebírá několik základních konstruktivních algoritmů a jejich rozšíření. Praktická část se zaobírá implementací vybraných konstruktivních algoritmů a uvádí jejich porovnání. Dále jsou algoritmy srovnány s učícím algoritmem backpropagation.
|
|
|
Umělá inteligence v diagnostice výkonových olejových transformátorů
Janda, Ondřej ; Szabó,, Radek (oponent) ; Kratochvíl, Petr (oponent) ; Hammer, Miloš (vedoucí práce)
Disertační práce se zabývá aplikací expertních systémů a softcomputingových metod v problematice diagnostiky výkonových olejových transformátorů. Práce je rozdělena na část teoretickou a část praktickou. Teoretická část popisuje základními částmi transformátoru a možnostmi jeho diagnostiky. Práce se zaměřuje zejména na diagnostiku izolačního systému a diagnostické metody a přístupy v této oblasti. Následně jsou popsány základy expertních systému a dalších softcomputingových metod jako: fuzzy logika, neuronové sítě, genetické algoritmy a jejich kombinace a rozšíření. Závěrem se teoretická část zabývá optimalizací pomocí umělé inteligence a postupy při optimalizaci fuzzy modelů. Praktická část se v úvodu věnuje rozboru a popisu datového souboru, který je využíván v rámci celé práce. Dále je pak práce členěna do čtyř částí, a to na expertní diagnostický systém transformátorů, modul analýzy plynů rozpuštěných v oleji, predikční modul a optimalizaci pomocí umělé inteligence. V části popisující expertní systém jsou uvedeny konkrétní informace o daném expertním systému, následně jsou zde popsány použité prostředky a techniky. Dále je rozebrán kompletní návrh systému a popis všech subsystémů a modulů. Další část popisuje řešený DGA modul včetně všech zvolených přístupů k jeho implementaci a rozšíření. Na závěr kapitoly je provedeno porovnání všech implementovaných metod a vyhodnocení výsledků. Část třetí, zabývající se predikčním modulem, řeší návrh a konstrukci tohoto modulu včetně popisu hlavních částí obou zvolených predikčních přístupů. Jsou zde uvedeny predikce vybraných veličin z datového souboru pomocí dvou predikčních přístupů: po jednom kroku a po více krocích. Porovnání přesnosti predikcí a výpočetní náročnosti metod je uvedeno v závěru této kapitoly. Poslední část práce se věnuje možnostem optimalizace za použití metod umělé inteligence, a to diferenciální evoluce, částicových (úlových) algoritmů a genetických algoritmů. Je zde zvažována jednoúčelová a víceúčelová optimalizace. Metody jsou porovnány v sérii syntetických testů a následně aplikovány při optimalizaci fuzzy modelů DGA zkoušek z předchozí praktické části práce. Součástí disertace jsou také kapitoly: „Cíle práce“, „Přínos práce“ a seznam publikací, produktů a projektů autora
|
|
|
Využití technik softcomputingu k analýze a predikci chování uživatele
Šimon, Jakub ; Sopuch, Zbyněk (oponent) ; Minařík, Miloš (vedoucí práce)
Tato bakalářská práce zkoumá možnosti analýzy a predikce chování zaměstnanců. K tomuto účelu využívá neuronových sítí, konkrétně pak dvou typů - vícevrstvé dopředné neuronové sítě s algoritmem Backpropagation a Kohonenovy sítě. V práci jsou obsaženy experimenty se skutečnými záznamy činnosti zaměstnanců a jsou také popsána specifika zkoumaných dat. Na základě experimentů jsou poté vyvedeny závěry o možnostech aplikace neuronových sítí v rámci této problematiky.
|
|
|
Paralelní trénování hlubokých neuronových sítí
Šlampa, Ondřej ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je navrhnou způsob jak zhodnotit výhodnost použití paralelního trénování neuronových sítí. V této práci jsem provedl analýzu paralelního trénování se zaměřením na délku trénování. Vycházím ze sekvenční délky trénování a délky přenosu vah po síti. Výsledkem této práce je návrh vzorců, které slouží k odhadu zrychlení na více výpočetních jednotkách. Tyto vzorce je možné použít na zjištění ideálního počtu pracovních jednotek pro trénování.
|
host ::
RSS.