|
|
Symbolická regrese a koevoluce
Drahošová, Michaela ; Žaloudek, Luděk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Symbolická regrese je úloha identifikace matematického popisu skryté závislosti experimentálně získaných dat. Symbolická regrese je úzce spjata se základními úlohami strojového učení. Tato práce se zabývá symbolickou regresí a jejím řešením založeném na principu genetického programování a koevoluce. Genetické programování je evolucí inspirovaná metoda strojového učení, která automaticky generuje celé programy v určitém programovacím jazyce. Koevoluce fitness prediktorů je optimalizační metoda modelování fitness, která snižuje náročnost a frekvenci výpočtu fitness. Tato práce se zabývá návrhem a implementací řešení symbolické regrese s užitím koevoluce fitness prediktorů a srovnáním s řešením bez užití koevoluce. Experimenty byly provedeny s použitím kartézského genetického programování.
|
|
|
Porovnání variant genetického programování v úloze symbolické regrese
Doležal, Petr ; Hurta, Martin (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí.
|
|
|
Koevoluční algoritmus v FPGA
Hrbáček, Radek ; Vašíček, Zdeněk (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá návrhem hardwarové jednotky urychlující návrh obrazových filtrů pomocí koevolučních algoritmů. V práci je nejprve představena technologie rekonfigurovatelných logických obvodů, na kterých je akcelerační jednotka založena. Teoretická část dále stručně popisuje evoluční a koevoluční algoritmy, jejich principy a aplikace. Tradiční metody návrhu obrazových filtrů jsou porovnány s metodami inspirovanými procesy pozorovanými v přírodě. Navržená hardwarová jednotka využívá dvojici procesorů MicroBlaze doplněných o vlastní periferie pro akceleraci kartézského genetického programování. Koevoluční návrh obrazových filtrů je tak urychlen až 58 krát oproti optimalizované softwarové implementaci. Funkčnost jednotky je ověřena na úlohách návrhu filtru impulzního šumu a detektoru hran.
|
|
|
Koevoluce v evolučním návrhu obvodů
Veřmiřovský, Jakub ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá evolučním návrhem obvodů za pomoci kartézského genetického programování a jeho optimalizaci za pomoci koevoluce. Algoritmus koevolvuje fitness prediktory, které jsou optimalizovány pro populaci kandidátních obvodů. Práce popisuje teoretická východiska, zejména pak genetické programování, koevoluci v genetickém programování, návrh obvodů, a zabývá se návrhem využití koevoluce v evolučním návrhu kombinačních obvodů. Na základě tohoto návrhu je implementována aplikace, která umožňuje navrhovat a optimalizovat kombinační obvody. Funkčnost aplikace byla ověřena na pěti testovacích úlohách. Srovnání proběhlo mezi kartézským genetickým programováním s koevolucí a bez koevoluce. Poté řešení navržené pomocí evoluce bylo srovnáno s klasickými metodami návrhu. S použitím koevoluce se snížil počet evaluací obvodu během evoluce a v některých případech našla řešení, která mají lepší parametry (např. méně logických hradel, menší zpoždění), než řešení navržená konvenčně.
|
|
|
Detection of Correlated Mutations
Ižák, Tomáš ; Bendl, Jaroslav (oponent) ; Martínek, Tomáš (vedoucí práce)
This work explores existing possibilities and methods of correlated mutations detection in proteins. At the beginning a theoretical background into explored area is provided. Exploitation of detected correlated mutations lies in a protein's tertiary structure prediction or searching functionally important sites. A state-of-the-art of existing tools and methods follows. In this work, methods based on statistics (for example Pearson correlation coefficient or Pearson's chi^2 test), Information theory (Mutual information - MI) and likelihood models (ELSC or Spidermonkey) are examined. The next part is devoted to the searching for an optimal algorithm for correlated mutations detection. To combine results from multiple different algorithms, is proposed as an optimal solution. It is also advised to exploit physico-chemical properties of amino acids during the detection. In practical part, the algorithm for detection of correlated mutations was developed. It is based on physico-chemical properties of amino acids and phylogenetic trees. Results gained using this method were compared with results gained from CAPS, CRASP and CMAT tools.
|
|
|
Koevoluce kartézských genetických algoritmů a neuronových sítí
Kolář, Adam ; Král, Jiří (oponent) ; Zbořil, František (vedoucí práce)
Cílem práce bylo ověřit možnost spojení metod kartézského genetického programování a neuronových sítí. Výsledek práce reprezentuje sada experimentů s úlohami vyvažování tyče, průchodu agenta bludištěm a detekce buňek rakoviny prsu, provedených za pomocí implementované knihovny. Použil jsem jak nepřímé, tak přímé zakódování dopředné i rekurentní sítě. Zaměřil jsem se na nalezení nejlepší konfigurace výpočtu, detekci přeučování jedinců během evoluce, míru robustnosti řešení a možnosti stimulace řešení pomocí fitness funkce. Zjistil jsem, že obecně nejlépe konvergují řešení s nižšími hodnotami parametru n_c a n_r a jsou také méně náchylné k přeučování. Úpravami fitness funkce jsem evolvoval kontrolér, který redukoval rozkmit vyvažované tyče. Klasifikátor buňek rakoviny rozpoznával korektně více než 98% vzorků, čímž překonal většinu srovnávaných metod. Podařilo se také navrhnout model bludiště, ve kterém agent úspěšně plnil vícekrokové úlohy.
|
|
|
Klasifikace obrazů pomocí genetického programování
Jašíčková, Karolína ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá klasifikací obrazu pomocí genetického programování a koevoluce. Algoritmy genetického programování umožňují generovat spustitelné struktury a navrhovat tak automatizovaně řešení ve formě programů. Použití koevoluce s predikcí fitness snižuje časovou náročnost výpočtu fitness a tím i dobu trvání celého algoritmu. Práce popisuje teoretický základ evolučních algoritmů a zejména kartézské genetické programování. Jsou také popsány vlastnosti koevolučních algoritmů a zejména navržená metoda pro návrh klasifikátoru obrazu s využitím koevoluce fitness prediktorů, jejímž cílem je nalézt kompromis mezi přesností klasifikace, dobou návrhu a složitostí klasifikátoru. Součástí práce je implementace navžené metody, provedení experimentů a srovnání získaných výsledků s ostatními metodami.
|
|
|
Role alelopatie v utváření rostlinných společenstev
Kučera, Pavel ; Weiser, Martin (vedoucí práce) ; Hadincová, Věroslava (oponent)
Alelopatie neboli schopnost rostlin snižovat fitness ostatních rostlin pomocí sekundárních metabolitů je známa již velmi dlouhou dobu. Jejímu výzkumu byla věnována velká pozornost vědecké komunity. Přesto zůstává kolem tohoto přírodního fenoménu mnoho nejasností. V minulosti byla při studiu alelopatie často opomíjena její role při formování rostlinných společenstev a její význam pro fungování ekosystému. Za posledních několika letech se situace poněkud zlepšila. Vzniklo několik nových prací shrnujících informace o ekologickém aspektu alelopatie. Stále však existuje řada otázek ohledně mechanismu fungování alelopatie, jejím rozšíření v rámci rostlinných skupin a míře jejího vlivu na ekosystém. Tato bakalářská práce se zaměřuje na shrnutí soudobých znalostí o působení alelopatie, především z ekologického hlediska a představení možného směřování budoucího výzkumu tohoto oboru. Je zde uveden stručný seznam nejběžnějších alelopatických látek, základní principy fungování alelopatie, dostupné informace o jejím rozšířením mezi rostlinnými taxony a její vliv na konkrétní rostliny, rostlinná společenstva, mutualistické mikroorganismy i na celý ekosystém. Klíčová slova: alelopatie, ekosystém, invazní rostliny, koevoluce, kompetice, rostlinná společenstva, sekundární metabolity
|
|
|
Adaptace rostlin k opylování nočními živočichy
Bakovská, Julie ; Tropek, Robert (vedoucí práce) ; Sklenář, Petr (oponent)
Noční opylování je zásadní součástí procesu rozmnožování rostlin. Noc je charakteristická změnami abiotických faktorů, především snížením slunečního záření a poklesem teploty, přičemž rostliny a opylovači se na tyto podmínky adaptují. Rostliny a opylovači se vzájemně přizpůsobují procesem koevoluce. Rostliny v důsledku toho prezentují znaky preferované jejich opylovači. Soubory konvergentních znaků společné rostlinám opylovaných jednou funkční skupinou se nazývají polinační syndromy a zahrnují typ odměny, vůni, barvu a morfologii květu. Polinační syndromy a další adaptace rostlin opylovaných nočními opylovači jsou představeny v této práci, v souvislostech s adaptacemi smyslů opylovačů na noční podmínky. Zároveň je odkázáno na evoluční důvody přechodu aktivity do nočních hodin u rostlin i u živočichů. Významnými nočními opylovači, spojovanými s polinačními syndromy, jsou noční motýli, dělení na lišaje (polinační syndrom sphingofilie) a ostatní noční motýli (phalaenofilie), letouni (chiropterofilie) a nelétaví savci (therofilie). Dalšími významnými opylovači vykazující adaptace v rámci nočního opylování jsou brouci a noční včely.
|
|
| |
host ::
RSS.