|
|
Neural networks and evolutionary algorithms
Vágnerová, Jitka ; Rychtárik, Milan (referee) ; Hrubeš, Jan (advisor)
Objective of this master's thesis is optimizing of neral network topology using some of evolutionary algorithms. The backpropagation neural network was optimized using genetic algorithms, evolutionary programming and evolutionary strategies. The text contains an application in the Matlab environment which applies these methods to simple tasks as pattern recognition and function prediction. Created graphs of fitness and error functions are included as a result of this thesis.
|
|
|
Parallel Computing and Neural Networks in Behavioral Modeling
Vágnerová, Jitka ; Škvor,, Zbyněk (referee) ; Dědková, Jarmila (referee) ; Lukeš, Zbyněk (advisor)
Tato disertační práce se zabývá metodami modelování elektronického zařízení letadel. První část je stručným přehledem klasických metod modelování systémů a adaptivních, fuzzy a hybridních metod používaných převážně k black-box modelování. Cílem práce je vytvořit algoritmus pro identifikaci a modelování obecného systému, který může být nelineární, dynamický a velmi složitý, například co do množství rozměrů. Předpokládá se, že model má několik vstupů a výstupů. V hlavní části práce je rozebrána metoda, která patří mezi hybridní systémy, protože kombinuje fuzzy systém s parametricky definovanými pravidly a regresní neuronovou síť. Nejprve je zmíněn základní princip regresní sítě a způsob určení jejího parametru strmosti, dále se kapitola zabývá zavedením fuzzy pravidel do této sítě. Třetí část se zabývá jedním z hlavních bodů práce, paralelními výpočty. Výsledný algoritmus je navržen pro paralelní zpracování, protože výpočetní čas může být v případě složitějších modelů příliš vysoký, případně nelze výsledky získané ze sítě vyhodnotit pomocí výpočtu v jednom vlákně. V závěru práce je metoda ověřena na datech získaných z měření zmenšeného modelu letadla. Ověření je provedeno pomocí střední kvadratické odchylky a srovnáním s odpovídajícím modelem vytvořeným pomocí vícevrstvé neuronové sítě trénované zpětným šířením chyby s algoritmem Levenberg-Marquardt.
|
|
|
LHC Abort Gap Monitor acquisition system
Pacner, Petr ; Vágnerová, Jitka (referee) ; Kubíček, Michal (advisor)
Beam Dump Systém velkého hadronového urychlovače LHC je jedním z jeho kritických systémů. Ten se stará o odvedení urychlovaného svazku z~prostoru urychlovače do míst, kde je absorbován. Pro jeho funkci využívá takzvaný Abort Gap - prázdné místo ve svazku bez částic. Toto místo vznikne při injektování částic do LHC. Injekce není nikdy dokonalá, tudíž Abort Gap vždy nějaké částice obsahuje. Určitá výše energie může způsobit škody na zařízení. Proto je toto množství nutné kontinuálně měřit. K tomuto účelu slouží Abort Gap Monitor. Současná nainstalovaná verze Abort Gap Monitor využívá k měření analogové integrátory. Ty komplikují kalibrační proces z důvodu jejich výrobních nepřesnosti. Aby se tak zvýšila univerzálnost a reprodukovatelnost měření je snaha vytvořit akviziční systém, který využije digitální integraci. Tato práce si klade za cíl vytvořit, verifikovat a implementovat digitální akviziční systém. Akviziční systém je jeden z hlavních částí nového CERN SY-BI Abort Gap Monitor. Tento dokument je rozdělen na čtyři částí. První z nich stručně popisuje strukturu Beam Dump Systém a význam Abort Gap. V druhé části je popsán princip měření Abort Gap a metodologie vyhodnocování dat z Abort Gap Monitor. Následuje třetí část popisující současný systéme a jeho známé nedostatky. Pak se zabývá novou topologii Abort Gap Monitor a vývojem jeho akvizičního systému. Poslední oddíl tohoto dokumentu prezentuje simulace a měření získané pomocí nové realizace Abort Gap Monitor akvizičního systému a diskutuje návrhy pro další vývoj.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (referee) ; Vágnerová, Jitka (advisor)
Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (referee) ; Vágnerová, Jitka (advisor)
Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.
|
|
|
Parallelism in Digital Signal Processing
Mego, Roman ; Wyrzykowski, Roman (referee) ; Vágnerová, Jitka (referee) ; Frýza, Tomáš (advisor)
Dizertační práce je zaměřena na systémy pro číslicové zpracování signálů, jejich architekturu a možnosti vývoje softwaru. Text pojednává o základním rozdělení počítačových systémů z hlediska paralelního zpracování dat. Rovněž demonstruje chování nízkoúrovňových a vysokoúrovňových programovacích jazyků na vícejadrovém signálovém procesoru založeném na architektuře VLIW. Cílem dizertační práce je vytvořit nástroj, který může být použitý při implementaci DSP algoritmů na VLIW procesory s efektivností nízkoúrovňových programovacích jazyků, ale s výhodami vysokoúrovňových programovacích jazyků. Výsledkem je software, který využívá pro popis algoritmů graf signálových toků a generuje kód v jazyce symbolických adres.
|
|
|
LHC Abort Gap Monitor acquisition system
Pacner, Petr ; Vágnerová, Jitka (referee) ; Kubíček, Michal (advisor)
Beam Dump Systém velkého hadronového urychlovače LHC je jedním z jeho kritických systémů. Ten se stará o odvedení urychlovaného svazku z~prostoru urychlovače do míst, kde je absorbován. Pro jeho funkci využívá takzvaný Abort Gap - prázdné místo ve svazku bez částic. Toto místo vznikne při injektování částic do LHC. Injekce není nikdy dokonalá, tudíž Abort Gap vždy nějaké částice obsahuje. Určitá výše energie může způsobit škody na zařízení. Proto je toto množství nutné kontinuálně měřit. K tomuto účelu slouží Abort Gap Monitor. Současná nainstalovaná verze Abort Gap Monitor využívá k měření analogové integrátory. Ty komplikují kalibrační proces z důvodu jejich výrobních nepřesnosti. Aby se tak zvýšila univerzálnost a reprodukovatelnost měření je snaha vytvořit akviziční systém, který využije digitální integraci. Tato práce si klade za cíl vytvořit, verifikovat a implementovat digitální akviziční systém. Akviziční systém je jeden z hlavních částí nového CERN SY-BI Abort Gap Monitor. Tento dokument je rozdělen na čtyři částí. První z nich stručně popisuje strukturu Beam Dump Systém a význam Abort Gap. V druhé části je popsán princip měření Abort Gap a metodologie vyhodnocování dat z Abort Gap Monitor. Následuje třetí část popisující současný systéme a jeho známé nedostatky. Pak se zabývá novou topologii Abort Gap Monitor a vývojem jeho akvizičního systému. Poslední oddíl tohoto dokumentu prezentuje simulace a měření získané pomocí nové realizace Abort Gap Monitor akvizičního systému a diskutuje návrhy pro další vývoj.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (referee) ; Vágnerová, Jitka (advisor)
Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.
|
|
|
Parallel Computing and Neural Networks in Behavioral Modeling
Vágnerová, Jitka ; Škvor,, Zbyněk (referee) ; Dědková, Jarmila (referee) ; Lukeš, Zbyněk (advisor)
Tato disertační práce se zabývá metodami modelování elektronického zařízení letadel. První část je stručným přehledem klasických metod modelování systémů a adaptivních, fuzzy a hybridních metod používaných převážně k black-box modelování. Cílem práce je vytvořit algoritmus pro identifikaci a modelování obecného systému, který může být nelineární, dynamický a velmi složitý, například co do množství rozměrů. Předpokládá se, že model má několik vstupů a výstupů. V hlavní části práce je rozebrána metoda, která patří mezi hybridní systémy, protože kombinuje fuzzy systém s parametricky definovanými pravidly a regresní neuronovou síť. Nejprve je zmíněn základní princip regresní sítě a způsob určení jejího parametru strmosti, dále se kapitola zabývá zavedením fuzzy pravidel do této sítě. Třetí část se zabývá jedním z hlavních bodů práce, paralelními výpočty. Výsledný algoritmus je navržen pro paralelní zpracování, protože výpočetní čas může být v případě složitějších modelů příliš vysoký, případně nelze výsledky získané ze sítě vyhodnotit pomocí výpočtu v jednom vlákně. V závěru práce je metoda ověřena na datech získaných z měření zmenšeného modelu letadla. Ověření je provedeno pomocí střední kvadratické odchylky a srovnáním s odpovídajícím modelem vytvořeným pomocí vícevrstvé neuronové sítě trénované zpětným šířením chyby s algoritmem Levenberg-Marquardt.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (referee) ; Vágnerová, Jitka (advisor)
Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.
|
guest ::
RSS feed.