|
|
Indoor robot - řídicí neuronová síť
Křepelka, Pavel ; Kopečný, Lukáš (oponent) ; Žalud, Luděk (vedoucí práce)
V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil základný model Kohonenových máp a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil relatívne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viaceré učiace algoritmy RAN, RANKEF, MRAN, EMRAN a GAP. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil základný model Kohonenových máp a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil relatívne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viaceré učiace algoritmy RAN, RANKEF, MRAN, EMRAN a GAP. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie vstupných dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil Kohonenové mapy a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil pomerne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viacero učiacich algoritmov. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
Indoor robot - řídicí neuronová síť
Křepelka, Pavel ; Kopečný, Lukáš (oponent) ; Žalud, Luděk (vedoucí práce)
V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.
|
host ::
RSS.