|
|
Inference skákajících formálních modelů
Heindlová, Tina ; Bidlo, Michal (oponent) ; Křivka, Zbyněk (vedoucí práce)
Práce se věnuje gramatické inferenci z hlediska evolučních algoritmů pro skákající formální modely. Nejdříve vysvětluje skákající formální modely, které se dělí na skákající gramatiky a skákající automaty. Poté popisuje gramatickou inferenci, evoluční algoritmy a všechny jejich důležité části, jako je generování řetězců a zjišťování členství řetězce do jazyka definovaného automatem. Daný algoritmus se pak aplikuje na vybrané druhy skákajících konečných automatů. Těmi jsou skákající konečné automaty, zobecněné skákající konečné automaty a doprava jednosměrně skákající konečné automaty. Testovány byly čtyři typy skákajících automatů a celkem bylo provedeno šestnáct experimentů. Z výsledků vyplývá, že inference fungovala nejlépe pro automaty bez větvení, a pro ty obsahující malé množství stavů a malou vstupní abecedu.
|
|
|
Inference schématu z XML dokumentu
Olšarová, Nela ; Chmelař, Petr (oponent) ; Křivka, Zbyněk (vedoucí práce)
XML je v současné době oblíbeným formátem pro výměnu a uchovávání dat. Vnitřní struktura XML dokumentů je popisována schématem, které má důležitou úlohu při manipulaci s daty. V této práci se zabýváme návrhem metody, která umožní vytvořit k množině vstupních XML dokumentů odpovídající schéma. Prozkoumali jsme stávající publikované metody, které se pokusíme vylepšit o interakci s uživatelem, která se dosud neobjevila v žádném prozkoumaném algoritmu. Při odvozování schématu využíváme formálního základu metody odvozování gramatik.
|
|
|
Inference skákajících formálních modelů
Heindlová, Tina ; Bidlo, Michal (oponent) ; Křivka, Zbyněk (vedoucí práce)
Práce se věnuje gramatické inferenci z hlediska evolučních algoritmů pro skákající formální modely. Nejdříve vysvětluje skákající formální modely, které se dělí na skákající gramatiky a skákající automaty. Poté popisuje gramatickou inferenci, evoluční algoritmy a všechny jejich důležité části, jako je generování řetězců a zjišťování členství řetězce do jazyka definovaného automatem. Daný algoritmus se pak aplikuje na vybrané druhy skákajících konečných automatů. Těmi jsou skákající konečné automaty, zobecněné skákající konečné automaty a doprava jednosměrně skákající konečné automaty. Testovány byly čtyři typy skákajících automatů a celkem bylo provedeno šestnáct experimentů. Z výsledků vyplývá, že inference fungovala nejlépe pro automaty bez větvení, a pro ty obsahující malé množství stavů a malou vstupní abecedu.
|
|
|
Testování učení restartovacích automatů genetickými algoritmy
Kovářová, Lenka ; Mráz, František (vedoucí práce) ; Černo, Peter (oponent)
Název práce: Testování učení restartovacích automatů genetickými algoritmy Autor: Bc. Lenka Kovářová Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. Abstrakt: Restartovací automat je teoretickým modelem zařízení rozpoznávajícího jazyk. Konstrukce různých verzí restartovacích automatů může být značně náročná. Bylo vyvinuto mnoho různých metod učení takovýchto automatů. Mezi nimi jsou i metody učení založené na genetických algoritmech, které hledají automat k zadané množině pozitivních a negativních příkladů slov jazyka. V práci je navržena metoda pro vylepšení učení restartovacích automatů učených evolučními algoritmy pomocí přidávání nových pravidel speciálního typu umožňující přizpůsobení učícího algoritmu konkrétním jazykům. Dále je navržen systém pro testování metod učení restartovacích automatů podporující především učení evolučními algoritmy. Součástí práce je i program pro učení restartovacích automatů za použití nově navržené metody, umožňující následné otestování nalezených automatů a vyhodnocení výsledků převážně grafickou formou. Klíčová slova: strojové učení, gramatická inference, restartovací automaty, genetické algoritmy
|
|
|
Restricted Restarting Automata
Černo, Peter ; Mráz, František (vedoucí práce) ; Kutrib, Martin (oponent) ; Průša, Daniel (oponent)
Restartovací automaty byly navrženy jako model pro redukční analýzu, která představuje lingvisticky motivovanou metodu pro kontrolu korektnosti věty. Dizertační práce zkoumá lokálně omezené modely restartovacích automatů, které (na rozdíl od obecných restartovacích automatů) smí upravovat obsah vstupní pásky jenom na základě lokálně omezeného kontextu. Studium omezených modelů se ukazuje jako jednodušší než studium obecných restartovacích automatů. Navíc se tyhle modely efektivně učí z pozitivních příkladů redukcí a jejich instrukce jsou srozumitelné i pro člověka. Powered by TCPDF (www.tcpdf.org)
|
|
|
Learning picture languages using restarting automata
Krtek, Lukáš ; Mráz, František (vedoucí práce) ; Průša, Daniel (oponent)
Ačkoliv existuje mnoho modelů automatů pracujících nad dvojrozměrnými vstupy (obrázky), málokdo se dosud zabýval tématem učení těchto automatů. V této práci představujeme nový model zvaný dvojrozměrný restartovací automat s omezeným kontextem. Náš model pracuje podobně jako dvojrozměrný restartovací dlaždicový automat, avšak ukazuje se, že má stejnou sílu jako dvojrozměrný sgrafito automat. V práci jsme navrhli algoritmus učení těchto automatů z pozitivních a negativních příkladů obrázků. Tento algoritmus je implementován a následně otestován na několika základních obrázkových jazycích. Powered by TCPDF (www.tcpdf.org)
|
|
|
Machine learning of analysis by reduction
Hoffmann, Petr ; Mráz, František (vedoucí práce) ; Otto, Friedrich (oponent) ; Průša, Daniel (oponent)
Práce se zabývá učením modelů redukční analýzy, která je důležitým nástrojem pro zpracování vět přirozeného jazyka. Dokazujeme, že hledání malých modelů na základě pozitivních a negativních příkladů je NP-těžké oproti úloze uvažující pouze pozitivní příklady, pro kterou navrhujeme efek- tivní algoritmus. Navrhujeme model redukční analýzy (tzv. single k-reversi- bilní restartovací automat) a metodu pro jeho učení z pozitivních příkladů redukčních analýz. Ukazujeme, že síla tohoto modelu leží mezi rostoucími kontextovými jazyky a kontextovými jazyky. Dále navrhujeme metodu pro testování učících algoritmů, která pracuje s cílovými jazyky založenými na náhodných automatech. Ta je následně použita na otestování naší učící metody. Navíc ukazujeme několik omezení testovacích metod používajících cílové jazyky založené na gramatikách. 1
|
|
|
Testování učení restartovacích automatů genetickými algoritmy
Kovářová, Lenka ; Mráz, František (vedoucí práce) ; Černo, Peter (oponent)
Název práce: Testování učení restartovacích automatů genetickými algoritmy Autor: Bc. Lenka Kovářová Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. Abstrakt: Restartovací automat je teoretickým modelem zařízení rozpoznávajícího jazyk. Konstrukce různých verzí restartovacích automatů může být značně náročná. Bylo vyvinuto mnoho různých metod učení takovýchto automatů. Mezi nimi jsou i metody učení založené na genetických algoritmech, které hledají automat k zadané množině pozitivních a negativních příkladů slov jazyka. V práci je navržena metoda pro vylepšení učení restartovacích automatů učených evolučními algoritmy pomocí přidávání nových pravidel speciálního typu umožňující přizpůsobení učícího algoritmu konkrétním jazykům. Dále je navržen systém pro testování metod učení restartovacích automatů podporující především učení evolučními algoritmy. Součástí práce je i program pro učení restartovacích automatů za použití nově navržené metody, umožňující následné otestování nalezených automatů a vyhodnocení výsledků převážně grafickou formou. Klíčová slova: strojové učení, gramatická inference, restartovací automaty, genetické algoritmy
|
|
|
Inference schématu z XML dokumentu
Olšarová, Nela ; Chmelař, Petr (oponent) ; Křivka, Zbyněk (vedoucí práce)
XML je v současné době oblíbeným formátem pro výměnu a uchovávání dat. Vnitřní struktura XML dokumentů je popisována schématem, které má důležitou úlohu při manipulaci s daty. V této práci se zabýváme návrhem metody, která umožní vytvořit k množině vstupních XML dokumentů odpovídající schéma. Prozkoumali jsme stávající publikované metody, které se pokusíme vylepšit o interakci s uživatelem, která se dosud neobjevila v žádném prozkoumaném algoritmu. Při odvozování schématu využíváme formálního základu metody odvozování gramatik.
|
host ::
RSS.