|
|
Reakce ptačích predátorů na automimikry u ploštic z čeledi Lygaeidae
Stránská, Anna ; Exnerová, Alice (vedoucí práce) ; Baňař, Petr (oponent)
Automimikry, neboli vnitrodruhová variabilita obranných mechanismů u aposematické kořisti, jsou v přírodě velice častým jevem. Zejména pak u chemicky chráněné kořisti. Tato práce obsahuje dva experimenty. První experiment sledoval reakci naivních predátorů, kterými byly sýkory koňadry (Parus major), na automimetickou kořist. Kořistí byly ploštičky pestré (Lygaeus equestris). Sýkory byly rozděleny do třech experimentálních skupin a každé skupině byly předkládány tři ploštice, které byly krmeny na umělé potravě s rozdílným množstvím kardenolidů. Kontrolní skupině byla předkládána kořist, která neměla v potravě kardenolidy. Skupina testovaná s nízkou koncentrací dostávala ploštice, které se živily na potravě s nízkou koncentrací kardenolidů a skupina testovaná s vysokou koncentrací dostávala ploštice, které se živily na potravě s vysokou koncentrací kardenolidů. V rámci generalizačního testu pak byla všem skupinám nabízena jedna ruměnice pospolná (Pyrrhocoris apterus). Bylo zjištěno, že u skupiny testované s vysokou koncentrací docházelo k rychlejšímu averznímu učení. Tato skupina také zabila a konzumovala méně ruměnic, než druhé dvě skupiny. Skupina testovaná s vysokou koncentrací nejvíce generalizovala na novou černo-červenou kořist, protože měla nejmenší pravděpodobnost útoku na ruměnice. Druhý...
|
|
|
Reakce predátorů vůči druhům červeno-černého mimetického komplexu
Kotlíková, Lucie ; Exnerová, Alice (vedoucí práce) ; Baňař, Petr (oponent)
Červeno-černý mimetický komplex v západopalearktické oblasti zahrnuje značné množství druhů členovců. Ty se vzájemně liší mírou podobnosti, úrovní obranných mechanismů a jejich efektivity vůči různým predátorům. Součástí této práce byly dva experimenty. První experiment byl proveden na dospělých sýkorách koňadrách (Parus major) s umělou kořistí ve formě fotografií. Ptáci byli rozděleni do dvou experimentálních skupin, ve kterých se učili rozlišovat mezi jedlou a nejedlou kořistí. Jedna měla vyšší diverzitu ve zbarvení u nejedlé kořisti v průběhu učení (deset druhů podčeledi Lygaeinae), druhá měla nízkou diverzitou ve zbarvení nejedlé kořisti (deset jedinců stejného druhu, Lygaeus equestris). Po deseti blocích učení následovaly dva bloky generalizace, kdy měly obě skupiny stejnou kořist, která byla naprosto odlišná od kořisti v průběhu učení. Bylo zjištěno, že rychlost učení se mezi oběma skupinami nijak zásadně nelišila. Dále byla pozorována efektivnější generalizace u skupiny s vyšší diverzitou v učení. Tento trend byl však pozorován pouze v rámci prvního dne generalizačního bloku. Druhý den i skupina s nižší diverzitou dosáhla podobné úspěšnosti v generalizaci. Druhý experiment byl proveden s ručně odchovanými sýkorami koňadrami a živou kořistí. Byl zaměřen na porovnání efektivity antipredační...
|
|
|
Výstražná signalizace barevných forem slunéčka východního (\kur{Harmonia axyridis})
BOROVIČKA, Martin
Efektivita aposematických obran (zbarvení a chemická obrana) používaná třemi vzácnými formami slunéčka východního Harmonia axyridis byly testovány pomocí chycených volně žijících sýkor koňader (Parus major). Předpokládal jsem, že vizuálně se orientující predátor bude o tyto vzácné barevné formy projevovat větší zájem, protože je nezná a musí se naučit je generalizovat podle naučené averze k jiným slunéčkům.
|
|
|
Artificial Neural Networks and Their Usage For Knowledge Extraction
Petříčková, Zuzana ; Mrázová, Iveta (vedoucí práce) ; Procházka, Aleš (oponent) ; Andrejková, Gabriela (oponent)
Název práce: Umělé neuronové sítě a jejich využití při extrakci znalostí Autor: RNDr. Zuzana Petříčková Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí disertační práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teo- retické informatiky a matematické logiky Abstrakt: Vrstevnaté neuronové sítě jsou známé především díky své schopnosti dobře zobecňovat a odhalit v datech i složité nelineární závislosti. Na druhé straně má tento model tendenci vytvářet poměrně složitou vnitřní strukturu, a to především pro rozsáhlé datové sady. Při efektivním řešení náročných úloh jsou proto kladeny vysoké nároky především na rychlost procesu učení, schopnost sítě zobecňovat a na vytvoření jednoduché a transparentní struktury modelu. V této práci jsme navrhli obecnou metodologii pro učení vrstevnatých neuro- nových sítí. Jejím základem je rychlá a robustní metoda škálovaných konjugo- vaných gradientů. Tento standardní algoritmus učení je rozšířen o analytické či aproximativní oslabování citlivosti a o vynucovaní kondenzované interní re- prezentace. Redundantní vstupní a skryté neurony jsou prořezávány pomocí technik založených na citlivostní analýze a interní reprezentaci znalostí....
|
|
|
Komentovaný překlad: Guide de manoeuvre (Éric Tabarly, Luçon: Éditions Le Télégramme, 2008)
Kofroňová, Zuzana ; Belisová, Šárka (vedoucí práce) ; Šotolová, Jovanka (oponent)
Tato bakalářská práce se skládá ze dvou hlavních částí - překladu a komentáře. Jedná se o překlad 3 kapitol francouzské jachtařské příručky Guide de manoeuvre. (Vyvázání k nábřeží nebo k jiné lodi, Kotvení a Manévr muž přes palubu). V překladu jsem se pokusila zachovat hlavní funkci originálního textu - informovat a poučit čtenáře. Druhou částí je komentář k překladu, který se věnuje překladatelské analýze originálního textu, typologii překladatelských problémů a metod jejich řešení. V překladatelské analýze popisuji výchozí text z hlediska faktorů, které jej ovlivňují. V části, jež se věnuje překladatelským problémům, se zaměřuji na ty, se kterými jsem se při překládání potýkala a jakým způsobem jsem je řešila. V závěru zmiňuji, jaké překladatelské metody jsem použila.
|
|
| |
|
|
Vliv chromatické složky antipredačních výstražných signálů na jejich efektivitu
Truhlářová, Marie ; Exnerová, Alice (vedoucí práce) ; Pipek, Pavel (oponent)
Výstražným zbarvením prezentují živočichové potenciálním predátorům svoji nebezpečnost či nevyužitelnost jako kořist. Jednotlivé výstražné barvy se liší ve své síle a v efektu na kognitivní procesy predátorů. Konkrétními kognitivními procesy, která výstražné barvy ovlivňují jsou proces učení, vrozená averze, paměť a generalizace. Mezi typické výstražné barvy ovlivňující reakce predátora řadíme červenou, oranžovou a žlutou barvu. Nejefektivnějším signálem se obecně jeví červená barva, která má významný vliv na proces učení, paměť i generalizaci. Oranžová se také jeví být silným signálem, nicméně není tolik studovanou barvou. Žlutá výstražná barva je efektivním aposematickým signálem, ale ve srovnání s jinými výraznějšími barvami (červenou a oranžovou), jde o méně silný stimul. Bílá, modrá, fialová a ultrafialová barva jsou málo studované barvy a jejich role v aposematismu zatím není potvrzena. Iridescentní zbarvení se jeví jako efektivní aposematiský signál, který může mít vliv na proces učení, paměť a generalizaci. Ve své práci uvádím souhrn dosavadních informací týkajících se vlivu jednotlivých výstražných barev na kognitivní procesy predátora. Klíčová slova: aposematismus, výstražné zbarvení, kognitivní procesy, červená, oranžová, žlutá, iridescence, averzivní učení, vrozená averze, paměť, generalizace
|
|
|
Smoothness of Functions Learned by Neural Networks
Volhejn, Václav ; Musil, Tomáš (vedoucí práce) ; Straka, Milan (oponent)
Modern neural networks can easily fit their training set perfectly. Surprisingly, they generalize well despite being "overfit" in this way, defying the bias-variance trade-off. A prevalent explanation is that stochastic gradient descent has an implicit bias which leads it to learn functions that are simple, and these simple functions generalize well. However, the specifics of this implicit bias are not well understood. In this work, we explore the hypothesis that SGD is implicitly biased towards learning functions that are smooth. We propose several measures to formalize the intuitive notion of smoothness, and conduct experiments to determine whether these measures are implicitly being optimized for. We exclude the possibility that smoothness measures based on first derivatives (the gradient) are being implicitly optimized for. Measures based on second derivatives (the Hessian), on the other hand, show promising results. 1
|
|
|
Generalizace LOD2 modelů budov metodou agregace
Měchurová, Kristýna ; Brůha, Lukáš (vedoucí práce) ; Pokorný, Tomáš (oponent)
Generalizace LOD2 modelů budov metodou agregace Abstrakt Práce se zabývá návrhem a implementací postupu agregace 3D modelů budov LOD2. Pomocí metody matematické optimalizace je navržen takový postup, aby bylo dosaženo globálně optimálního řešení. Budovy jsou agregovány na základě podobnostních charakteristik typických pro LOD2, např. typ střechy. Při agregaci je kladen důraz na to, aby byly minimalizovány objemové změny tělesa a zároveň aby se minimalizoval počet agregátů. Je vytvořena optimalizační úloha v podobě skriptu s volitelnými parametry tak, aby mohl skript posloužit široké škále uživatelů. Vstupní data jsou vytvořena pomocí metody procedurálního modelování a následně upravena tak, aby budovy tvořily souvislé bloky. Nakonec je za účelem názornosti výsledků optimalizace navržen a implementován postup vizualizace optimalizační úlohy. Klíčová slova: 3D GIS, generalizace, agregace, matematická optimalizace, procedurální modelování
|
|
|
Generalizace zástavby s využitím typifikace
Gottstein, Otomar ; Bayer, Tomáš (vedoucí práce) ; Jindrák, Přemysl (oponent)
Generalizace zástavby s využitím typifikace Abstrakt Diplomová práce se zabývá tématem kartografické generalizace. Hlavním cílem této práce bylo navrhnout novou metodu generalizace zástavby s využitím techniky typifikace pro oblasti s menší koncentrací zástavby (vesnická či horská zástavba). Navržená metoda byla koncipována pro mapy velkých měřítek (1 : 25 000 a 1 : 50 000). Představený generalizační algoritmus je založen na přednostním výběru budov při jejich zákresu do mapy na základě jejich občanské funkce, plošné výměry a jejich poloze vůči okolním komunikacím, železnicím a vodním tokům. Respektuje kartografická pravidla uplatňovaná pro tento typ generalizačních operací. Algoritmus byl implementován v programovacím jazyce Python s využitím knihoven Shapely a Fiona, a to za účelem jeho důkladného otestování. Za vhodná testovací data byla zvolena data ZABAGED a DATA50. V předkládané práci je mimo jiné představena také metoda objektivní kartografické evaluace výsledků typifikace, která využívá Voroného diagramu. Dosažené výsledky jsou prezentovány na mapách celkem patnácti obcí s odlišným typem převládající zástavby v obou cílových měřítkách. Klíčová slova: digitální kartografie, kartografická generalizace, typifikace, budovy, zjednodušení
|
host ::
RSS.