Národní úložiště šedé literatury Nalezeno 4 záznamů.  Hledání trvalo 0.00 vteřin. 
Škálovatelnost modelu genetického programování
Kozempel, Lukáš ; Přinosil, Jiří (oponent) ; Burget, Radim (vedoucí práce)
Tématem práce je praktická realizace jednoho ze způsobů paralelního zpracování genetického programování, tzv. ostrovního modelu. První část je teoretická. Popisuje pojmy genetického programování, Age-layered population structure a ostrovní model. Ve druhé části je popsána realizace ostrovního modelu v jazyce Java.
Paralelní evoluční algoritmus EDA využívající teorii kopulí
Hyrš, Martin ; Brandejský, Tomáš (oponent) ; Matoušek, Radomil (oponent) ; Schwarz, Josef (vedoucí práce)
Ve své disertační práci se zabývám návrhem, implementací a~testováním pokročilého paralelního algoritmu EDA ( Estimation of Distribution Algorithm ) využívajícího teorii kopulí pro tvorbu pravděpodobnostního modelu. Nová populace se vytváří v~procesu vzorkování sdružené distribuční funkce, která modeluje aktuální rozložení subpopulace slibných jedinců. Použití kopulí umožňuje zefektivnit proces učení a~vzorkování pravděpodobnostního modelu. Lze jej separovat na vzájemně nezávislá marginální rozdělení a~kopuli, která reprezentuje korelace mezi proměnnými řešeného problému. Tato koncepce iniciovala použití paralelní ostrovní struktury, v~níž bylo použito místo migrace jedinců migrace pravděpodobnostních modelů příslušejících jednotlivým ostrovním subpopulacím. Statistické testy použité při komparaci navrženého algoritmu ( mCEDA = migrating Copula - based Estimation of Distribution Algorithm ) a~algoritmů jiných autorů potvrdily efektivnost navržené koncepce.
Paralelní evoluční algoritmus EDA využívající teorii kopulí
Hyrš, Martin ; Brandejský, Tomáš (oponent) ; Matoušek, Radomil (oponent) ; Schwarz, Josef (vedoucí práce)
Ve své disertační práci se zabývám návrhem, implementací a~testováním pokročilého paralelního algoritmu EDA ( Estimation of Distribution Algorithm ) využívajícího teorii kopulí pro tvorbu pravděpodobnostního modelu. Nová populace se vytváří v~procesu vzorkování sdružené distribuční funkce, která modeluje aktuální rozložení subpopulace slibných jedinců. Použití kopulí umožňuje zefektivnit proces učení a~vzorkování pravděpodobnostního modelu. Lze jej separovat na vzájemně nezávislá marginální rozdělení a~kopuli, která reprezentuje korelace mezi proměnnými řešeného problému. Tato koncepce iniciovala použití paralelní ostrovní struktury, v~níž bylo použito místo migrace jedinců migrace pravděpodobnostních modelů příslušejících jednotlivým ostrovním subpopulacím. Statistické testy použité při komparaci navrženého algoritmu ( mCEDA = migrating Copula - based Estimation of Distribution Algorithm ) a~algoritmů jiných autorů potvrdily efektivnost navržené koncepce.
Škálovatelnost modelu genetického programování
Kozempel, Lukáš ; Přinosil, Jiří (oponent) ; Burget, Radim (vedoucí práce)
Tématem práce je praktická realizace jednoho ze způsobů paralelního zpracování genetického programování, tzv. ostrovního modelu. První část je teoretická. Popisuje pojmy genetického programování, Age-layered population structure a ostrovní model. Ve druhé části je popsána realizace ostrovního modelu v jazyce Java.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.