|
|
Stochastic optimization for electricity consumption control
Sekula, Jakub ; Popela, Pavel (referee) ; Kůdela, Jakub (advisor)
The aim of this work is to optimize charging of batteries used in an electric vehicle using electric charger control in order to decrease total costs. We will also count in scenario of using electric energy from vehicle’s batteries to run home demands because of different costs of energies during the day and night, when the batteries are usually charging. Given the uncertainty of events like the route, which will the vehicle cover, power demand of home or weather, we will use stochastic optimization, because we are able to tell with which probability would these events occur.
|
|
| |
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (referee) ; Sojka, Eduard (referee) ; Zemčík, Pavel (advisor)
Detekce objektů v počítačovém vidění je složítá úloha. Velmi populární a rozšířená metoda pro detekci je využití statistických klasifikátorů a skenovacích oken. Pro učení kalsifikátorů se často používá algoritmus AdaBoost (nebo jeho modifikace), protože dosahuje vysoké úspěšnosti detekce, nízkého počtu chybných detekcí a je vhodný pro detekci v reálném čase. Implementaci detekce objektů je možné provést různými způsoby a lze využít vlastnosti konkrétní architektury, pro urychlení detekce. Pro akceleraci je možné využít grafické procesory, vícejádrové architektury, SIMD instrukce, nebo programovatelný hardware. Tato práce představuje metodu optimalizace, která vylepšuje výkon detekce objektů s ohledem na cenovou funkci zadanou uživatelem. Metoda rozděluje předem natrénovaný klasifikátor do několika různých implementací, tak aby celková cena klasifikace byla minimalizována. Metoda je verifikována na základním experimentu, kdy je klasifikátor rozdělen do předzpracovací jednotku v FPGA a do jednotky ve standardním PC.
|
|
|
Stochastic optimization for electricity consumption control
Sekula, Jakub ; Popela, Pavel (referee) ; Kůdela, Jakub (advisor)
The aim of this work is to optimize charging of batteries used in an electric vehicle using electric charger control in order to decrease total costs. We will also count in scenario of using electric energy from vehicle’s batteries to run home demands because of different costs of energies during the day and night, when the batteries are usually charging. Given the uncertainty of events like the route, which will the vehicle cover, power demand of home or weather, we will use stochastic optimization, because we are able to tell with which probability would these events occur.
|
|
| |
|
|
The Facility Location Problem for an Alternative Delivery Service
Vaněk, Petr ; Červinka, Michal (advisor) ; Habibi, Arash (referee)
The main intention of the bachelor thesis is to introduce all necessary theory to under- stand and apply the facility location problem for an alternative delivery service. Solving the facility location problem we are able to find optimal warehouse locations to minimize transportation costs from a firm to customers. Our attention is focused on an alternative delivery service which is slowly becoming to be taken seriously in logistic disciplines be- cause many companies are trying to apply drones or robots for shipping goods. The first part of this thesis deals with an important theoretical background needed to understand the facility location problem. Microeconomic view of the problem is presented, basic knowledge of mathematical programming with algorithms is explained and the facility location problem itself is defined. Moreover, each step of the branch & bound algorithm for the facility location problem is explained on an example from Prague. In the practical part of the thesis, we solve a real problem for the Czech company which would like to im- plement a drone delivery service in Prague. Finally, we discuss future technical progress and its impacts on autonomous delivery service, legislative and privacy problems with a drone delivery system in Prague and other possible usage of autonomous vehicles in...
|
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (referee) ; Sojka, Eduard (referee) ; Zemčík, Pavel (advisor)
Detekce objektů v počítačovém vidění je složítá úloha. Velmi populární a rozšířená metoda pro detekci je využití statistických klasifikátorů a skenovacích oken. Pro učení kalsifikátorů se často používá algoritmus AdaBoost (nebo jeho modifikace), protože dosahuje vysoké úspěšnosti detekce, nízkého počtu chybných detekcí a je vhodný pro detekci v reálném čase. Implementaci detekce objektů je možné provést různými způsoby a lze využít vlastnosti konkrétní architektury, pro urychlení detekce. Pro akceleraci je možné využít grafické procesory, vícejádrové architektury, SIMD instrukce, nebo programovatelný hardware. Tato práce představuje metodu optimalizace, která vylepšuje výkon detekce objektů s ohledem na cenovou funkci zadanou uživatelem. Metoda rozděluje předem natrénovaný klasifikátor do několika různých implementací, tak aby celková cena klasifikace byla minimalizována. Metoda je verifikována na základním experimentu, kdy je klasifikátor rozdělen do předzpracovací jednotku v FPGA a do jednotky ve standardním PC.
|
guest ::
