|
|
Řízení spotřeby elektrické energie pomocí stochastické optimalizace
Sekula, Jakub ; Popela, Pavel (oponent) ; Kůdela, Jakub (vedoucí práce)
Cieľom práce je optimalizácia nabíjania batérií v aute poháňanom elektrickým motorom pomocou riadenia výkonu nabíjačky za účelom zníženia celkových nákladov. V práci budeme uvažovať aj scenár využívania elektrickej energie v bateriách vozidla na chod domácnosti, a to z dôvodu rozdielnych cien energií v priebehu dňa a v noci, kedy sa batérie zvyčajne nabíjajú. Vzhľadom k nejasnosti javov ako trasy, ktorú vozidlo prekoná, výkonu vyžadovaného v domácnosti, či počasia, budeme využívať stochastickú optimalizáciu. Vieme totiž štatisticky predpokladať s akou pravdepodobnosťou k jednotlivým javom dôjde.
|
|
| |
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (oponent) ; Sojka, Eduard (oponent) ; Zemčík, Pavel (vedoucí práce)
Detection of objects in computer vision is a complex task. One of most popular and well explored approaches is the use of statistical classifiers and scanning windows. In this approach, classifiers learned by AdaBoost algorithm (or some modification) are often used as they achieve low error rates, high detection rates and they are suitable for detection in real-time applications. Object detection run-time which uses such classifiers can be implemented by various methods and properties of underlying architecture can be used for speed-up of the detection. For the purpose of acceleration, graphics hardware, multi-core architectures, SIMD or other means can be used. The detection is often implemented on programmable hardware. The contribution of this thesis is to introduce an optimization technique which enhances object detection performance with respect to an user defined cost function. The optimization balances computations of previously learned classifiers between two or more run-time implementations in order to minimize the cost function. The optimization method is verified on a basic example -- division of a classifier to a pre-processing unit implemented in FPGA, and a post-processing unit in standard PC.
|
|
|
Řízení spotřeby elektrické energie pomocí stochastické optimalizace
Sekula, Jakub ; Popela, Pavel (oponent) ; Kůdela, Jakub (vedoucí práce)
Cieľom práce je optimalizácia nabíjania batérií v aute poháňanom elektrickým motorom pomocou riadenia výkonu nabíjačky za účelom zníženia celkových nákladov. V práci budeme uvažovať aj scenár využívania elektrickej energie v bateriách vozidla na chod domácnosti, a to z dôvodu rozdielnych cien energií v priebehu dňa a v noci, kedy sa batérie zvyčajne nabíjajú. Vzhľadom k nejasnosti javov ako trasy, ktorú vozidlo prekoná, výkonu vyžadovaného v domácnosti, či počasia, budeme využívať stochastickú optimalizáciu. Vieme totiž štatisticky predpokladať s akou pravdepodobnosťou k jednotlivým javom dôjde.
|
|
| |
|
|
The Facility Location Problem for an Alternative Delivery Service
Vaněk, Petr ; Červinka, Michal (vedoucí práce) ; Habibi, Arash (oponent)
Hlavním cílem této bakalářské práce je zavedení veškeré potřebné teorie pro pochopení a aplikaci problému lokace skladů pro alternativní formy přepravy. Vyřešením problému lokace skladů jsme schopni nalézt optimální umístění firemních prostor tak, aby firma minimalizovala své náklady na přepravu zboží k zákazníkům. Naše pozornost je zaměřena na alternativní formy přepravy, o které se stále více zajímají společnosti řešící logistické problémy a snaží se implementovat drony nebo roboty pro přepravu zboží. První část této práce uvádí důležité teoretické poznatky potřebné pro pochopení problému lokace skladů. Je zde prezentován mikroekonomický pohled na tuto problematiku, dále jsou vysvětleny základní znalosti matematického programování s potřebnými algoritmy a v neposlední řadě je také definován samotný problém lokace skladů. Dále je na příkladu z Prahy krok po kroku vysvětlen algoritmus branch & bound, který slouží k řešení problému lokace skladů. V praktické části této práce se zabýváme reálným problémem české firmy, která by ráda implementovala rozvoz zboží pomocí dronů po Praze. Na konci práce diskutujeme možné dopady budoucího technologického pokroku na způsob rozvozu zboží...
|
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (oponent) ; Sojka, Eduard (oponent) ; Zemčík, Pavel (vedoucí práce)
Detection of objects in computer vision is a complex task. One of most popular and well explored approaches is the use of statistical classifiers and scanning windows. In this approach, classifiers learned by AdaBoost algorithm (or some modification) are often used as they achieve low error rates, high detection rates and they are suitable for detection in real-time applications. Object detection run-time which uses such classifiers can be implemented by various methods and properties of underlying architecture can be used for speed-up of the detection. For the purpose of acceleration, graphics hardware, multi-core architectures, SIMD or other means can be used. The detection is often implemented on programmable hardware. The contribution of this thesis is to introduce an optimization technique which enhances object detection performance with respect to an user defined cost function. The optimization balances computations of previously learned classifiers between two or more run-time implementations in order to minimize the cost function. The optimization method is verified on a basic example -- division of a classifier to a pre-processing unit implemented in FPGA, and a post-processing unit in standard PC.
|
host ::
RSS.