|
|
Evolutionary Circuit Design by Means of Genetic Programming
Synák, Maroš ; Hurta, Martin (oponent) ; Bidlo, Michal (vedoucí práce)
This thesis investigates the application of genetic programming (GP) for designing circuits, focusing on sinusoidal and square oscillators, and tone discriminators, using Python and PySpice. It aims to recreate aspects of John Koza's foundational work in this field. The primary goal is to assess if GP can generate advanced electronic designs more effectively than traditional methods, adapting Koza's genetic operations—selection, crossover, mutation—to modern circuit design challenges. The methodology involves developing GP models to simulate evolutionary circuit design, evaluated through controlled experiments. These experiments test the models' ability to evolve from basic to complex configurations that meet specific electronic functions. This study not only revisits but also modifies Koza’s methods, incorporating strategies more reliant on an initial embryo setup to guide the evolution process in generating targeted designs. Additionally, the study investigates recent methodologies utilized in similar applications to enhance the adaptability and efficiency of GP. The results demonstrate that while GP can effectively support and enhance electronic circuit design for sinusoid oscillators and tone discriminators, its application to square oscillator generation encounters limitations and severe problems. This highlights areas for potential improvement in genetic diversity and algorithm refinement.
|
|
|
Predikce časových řad
Boková, Kateřina ; Pilát, Martin (vedoucí práce) ; Koubková, Alena (oponent)
V předložené práci podáváme přehled metod pro modelování a predikci časových řad. Popisujeme jak dekompoziční metody a metody založené na Boxově-Jenkinsově metodologii, tak metody využívající postupů z oblasti výpočetní inteligence, především neuronové sítě. Popis metod je veden především z algoritmického hlediska -jsou uvedeny a odvozeny způsoby, jak nastavovat jejich parametry. Součástí práce je software, který umožňuje jednotlivé metody aplikovat na časové řady, experimentovat s nimi a porovnávat je.
|
|
|
Computational Intelligence for Financial Market Prediction
Řeha, Filip ; Pilát, Martin (vedoucí práce) ; Mráz, František (oponent)
Finanční trhy jsou charakterizovány nejistotou, která je často spojována s budoucím vývojem světových ekonomik a firem. Schopnost předpovědět alespoň do určité míry budoucí vývoj finančních trhů by umožnila člověku dosáhnout téměř neomezených zisků. Cílem této práce je prozkoumat neuronové sítě a genetické programování jako možné nástroje pro předpovídání budoucích pohybů finančních trhů, a aplikovat je na dostupná historická finanční data. Experimenty byly provedeny a jejich výsledky nám ukázaly, že obě metody mohou být úspěšně k tomuto účelu využity. Výsledky nám dále ukázaly, že strategie využívající neuronové sítě v průměru překonaly strategie vytvořené pomocí genetického programování. Pro zhodnocení a zobrazení výsledků našich strategií byla dále vytvořena aplikace MarketForecaster. Powered by TCPDF (www.tcpdf.org)
|
|
|
Predikce časových řad
Boková, Kateřina ; Pilát, Martin (vedoucí práce) ; Koubková, Alena (oponent)
V předložené práci podáváme přehled metod pro modelování a predikci časových řad. Popisujeme jak dekompoziční metody a metody založené na Boxově-Jenkinsově metodologii, tak metody využívající postupů z oblasti výpočetní inteligence, především neuronové sítě. Popis metod je veden především z algoritmického hlediska -jsou uvedeny a odvozeny způsoby, jak nastavovat jejich parametry. Součástí práce je software, který umožňuje jednotlivé metody aplikovat na časové řady, experimentovat s nimi a porovnávat je.
|
|
|
Predikce časových řad
Boková, Kateřina ; Pilát, Martin (vedoucí práce) ; Koubková, Alena (oponent)
V předložené práci podáváme přehled metod pro modelování a predikci časových řad. Popisujeme jak dekompoziční metody a metody založené na Boxově-Jenkinsově metodologii, tak metody využívající postupů z oblasti výpočetní inteligence, především neuronové sítě. Popis metod je veden především z algoritmického hlediska -jsou uvedeny a odvozeny způsoby, jak nastavovat jejich parametry. Součástí práce je software, který umožňuje jednotlivé metody aplikovat na časové řady, experimentovat s nimi a porovnávat je.
|
|
|
Meta-Parameters of Kernel Methods and Their Optimization
Vidnerová, Petra ; Neruda, Roman
In this work we deal with the problem of metalearning for kernel based methods. Among the kernel methods we focus on the support vector machine (SVM), that have become a method of choice in a wide range of practical applications, and on the regularization network (RN) with a sound background in approximation theory. We discuss the role of kernel function in learning, and we explain several search methods for kernel function optimization, including grid search, genetic search and simulated annealing. The proposed methodology is demonstrated on experiments using benchmark data sets.
|
|
| |
|
| |
|
| |
host ::
RSS.