|
|
Evoluční algoritmy pro ultrazvukovou perfúzní analýzu
Kolářová, Jana ; Odstrčilík, Jan (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce je zaměřena na aplikaci evolučních algoritmů při prokládání dat získaných ultrazvukovým snímání tkáně. Proložená křivka slouží k odhadům perfúzních parametrů, umožňuje odhalit případné patofyziologie ve snímané oblasti. Teoretický úvod je věnován perfúzi a jejím parametrům, kontrastním látkám pro ultrazvukovou aplikaci, snímání ultrazvukovou modalitou, optimalizaci, evolučním algoritmům obecně a dvěma zvoleným evolučním algoritmům – genetický algoritmus a včelí algoritmus. Tyto dva algoritmy byly testovány na zašuměných datech získaných z klinických snímků myší s nádorem. V závěrečné části jsou shrnuty výsledky praktické části a poskytnuty návrhy a doporučení pro další možné zpracování.
|
|
|
Automated Design Methodology for Approximate Low Power Circuits
Mrázek, Vojtěch ; Bosio, Alberto (oponent) ; Fišer, Petr (oponent) ; Sekanina, Lukáš (vedoucí práce)
The rapid expansion of modern embedded and battery-powered systems has brought new challenges for design methods oriented to low power circuits and systems. Although these methods systematically apply various power optimization techniques, the overall power requirements are still growing because of the increased complexity of integrated circuits. It has been shown that many applications are inherently error resilient and this property can be exploited for further power consumption reduction. This principle is systematically investigated in the nascent field of approximate computing. This thesis deals with efficient design methods for approximate circuits. The proposed methods are based on evolutionary algorithms (EAs). Although EAs have been applied in logic synthesis and optimization of common as well as approximate circuits, their scalability is limited in these areas. The goal of this dissertation is to show that approximate logic synthesis based on evolutionary algorithms (particularly on genetic programming) can provide excellent tradeoffs between the error and power consumption of complex digital circuits. We analyzed four different applications that use digital circuits described at three different levels of abstraction. By means of Cartesian genetic programming we reduced power consumption of small transistor-level circuits that are typically used in a technology library. We combined evolutionary approximation with formal verification techniques in order to evolve high quality gate-level approximate circuits such as adders and multipliers and provide formal guarantees on the approximation error. These circuits were employed to reduce power consumption in neural image classifiers and discrete cosine transform blocks of the HEVC encoder. We proposed a new data-independent error metric - the distance error - and used it in the evolutionary approximation of complex median circuits that are suitable for low power signal processing. This doctoral thesis presents a coherent methodology for the design of approximate circuits at different levels of description which is also capable of providing formal guarantees on the approximation error.
|
|
|
Soutěživá koevoluce v kartézském genetickém programování
Skřivánková, Barbora ; Petrlík, Jiří (oponent) ; Drahošová, Michaela (vedoucí práce)
Symbolická regrese je metoda hledání předpisů funkcí, které co nejpřesněji prochází danými body v rovině nebo prostoru. V této práci je řešena symbolická regrese s využitím kartézského genetického programování a soutěživé koevoluce. Tato úloha byla již dříve řešena pomocí kartézského genetického programování a koevoluce prediktorů fitness. V této práci je zkoumáno, zda-li jednodušší soutěživá koevoluce dokáže dosáhnout obdobných výsledků jako koevoluce prediktorů fitness. Symbolická regrese je v této práci testována na pěti různě složitých úlohách. Při testování se ukázalo, že při řešení jednodušších úloh dosahuje soutěživá koevoluce oproti klasickému kartézskému genetickému programování výrazně vyššího zrychlení než koevoluce prediktorů fitness. Složitější úlohy, ve kterých koevoluce prediktorů fitness obstála stejně dobře jako v jednodušších, však soutěživá koevoluce vyřešit nedokázala.
|
|
|
Využití evolučních algoritmů při učení neuronových sítí
Vosol, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce má za úkol nalézt a porovnat možnosti spolupráce evolučních algoritmů při učení neuronové sítě a také jejich následné porovnání s klasickým přístupem učení pomocí back-propagation. Toto porovnání je demonstrováno na hluboké dopředné síti, která je využita při klasifikačních úlohách. Optimalizace probíhá na úrovni hledání optimálních hodnot vah a biasů sítě při zachování její stejné topologie. Jako evoluční algoritmy pro tuto optimalizaci jsou vybrány tři metody. Jedná se o genetický algoritmus, diferenciální evoluci a optimalizaci hejnem částic. Demonstrační program je implementován v programovacím jazyce Python3 a to bez použití knihoven pro strojové učení.
|
|
|
Evoluční algoritmy v návrhu konvolučních neuronových sítí
Badáň, Filip ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Táto práca sa zaoberá možnosťami automatizácie návrhu neurónových sietí pomocou neuroevolúcie, t. j. využitia evolučných algoritmov pri konštruovaní umelých neurónových sietí alebo optimalizovaní ich parametrov. Cieľom práce je navrhnúť a implementovať evolučný algoritmus v podobe frameworku slúžiaceho na automatizáciu a optimalizáciu návrhu topológií konvolučných neurónových sietí. Účinnosť frameworku bola následne experimentálne vyhodnotená na úlohách klasifikácie obrazu na datasetoch MNIST a CIFAR10. Výsledky ukázali, že neuroevolúcia má potenciál hľadať úspešné a efektívne architektúry konvolučných neurónových sietí.
|
|
|
Koevoluce obrazových filtrů a prediktorů fitness
Trefilík, Jakub ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá využitím principů koevoluce pro návrh obrazových filtrů. Evoluční algoritmy se pro vývoj obrazových filtrů ukazují jako velmi výhodná metoda. Použitím koevoluce prediktorů fitness vnášíme do evolučního návrhu procesy, které vzájemným ovlivňováním populace kandidátních filtrů s populací prediktorů fitness dokáží zrychlit konvergenci řešení. Prediktor fitness je malá podmnožina množiny trénovacích vektorů a používá se k přibližnému určení fitness kandidátních filtrů. V této práci je pro evoluci prediktorů fitness využito nepřímé kódování, které reprezentuje matematický výraz, pomocí něhož jsou vybírány trénovací vektory použité pro vyhodnocení fitness kandidátních filtrů. Tento přístup byl experimentálně vyhodnocen v úloze evolučního návrhu náhodného impulzního šumu a šumu typu sůl a pepř pro různé intenzity šumu a také v úloze návrhu detektoru hran. Ukázalo se, že pomocí tohoto přístupu prediktory fitness přizpůsobují počet použitých trénovacích vektorů pro vyhodnocení kandidátního filtru souběžně s řešením úlohy a tím snižují výpočetní náročnost evolučního návrhu obrazových filtrů.
|
|
|
Evoluční algoritmy
Haupt, Daniel ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
První část práce je teoretická a zabývá se optimalizací a evolučními algoritmy, které jsou používány k řešení složitých optimalizačních problémů. Konkrétně jsou popsány algoritmy diferenciální evoluce, genetický algoritmus, simulované žíhání a deterministický neevoluční algoritmus zakázané prohledávání. Dále je diskutována problematika testování optimalizačních algoritmů pomocí tzv. galerii testovacích funkcí a testování pomocí srovnání výsledků algoritmů při řešení problému obchodního cestujícího. Ve druhé části práce jsou všechny uvedené algoritmy testovány na 11 testovacích funkcích a na třech modelech rozmístění měst v problému obchodního cestujícího. Nejprve jsou algoritmy srovnávány s možností neomezeného přístupu k účelové funkci a dále s omezenou možností přístupu k účelové funkci. Veškerá data jsou statisticky a graficky zpracována. Jednotlivé algoritmy jsou seřazeny dle úspěšnosti.
|
|
|
Aplikace evolučního algoritmu na optimalizační úlohu vibračního generátoru
Nguyen, Manh Thanh ; Kovář, Jiří (oponent) ; Hadaš, Zdeněk (vedoucí práce)
Tato práce se bude zabývat použitím metod umělé inteligence pro řešení optimalizační úlohy s více proměnnými. Rešeršní část je věnována problematice globální optimalizace a přehledu metod řešení. Z praktických důvodů je speciální pozornost věnována algoritmům evolučním. Předmětem optimalizace samotné je pak energy harvester využívající piezoelektrického jevu. Jeho podstatě a modelování je věnována samostatná kapitola. Součástí práce je implementace algoritmu SOMA pro návrh parametrů generátoru pro maximální výkon.
|
|
|
The Use of Artificial Intelligence for Optimization of Production
Svoboda, Radovan ; Martinec, Petr (oponent) ; Dostál, Petr (vedoucí práce)
This paper deals with the problem of optimization of a production plan by using genetic algorithms. It contains a brief overview of the principles behind genetic algorithms in scope of evolutionary algorithms and artificial intelligence in general. It also takes a closer look on the challenge of production planning and control and all activities connected to it. This is followed by description of the modification of genetic algorithms that needed to be done in order to implement it into a computer program, which is used to create and optimize the production plan, and is a result to the issue that this paper deals with. Incorporated is detailed escription of principles and functions of the program, that it offers to its users.
|
|
|
Generování matematických příkladů pro střední a základní školy
Janečka, Jan ; Straka, Martin (oponent) ; Kaštil, Jan (vedoucí práce)
Bakalářská práce se zabývá generováním písemných testů z matematiky pro střední a základní školy. Ke generování je využita efektivita genetického algoritmu. V práci jsou implementovány dva typy příkladů: lineární rovnice s neznámou v čitateli a slovní úlohy o pohybu. U každého z těchto typů příkladů je možno nastavit specifické požadavky. Výstup je tvořen dvěma soubory ve formátu pdf, kdy jeden soubor obsahuje zadání testu a druhý řešení tohoto zadání.
|
host ::
RSS.