|
|
Automatické ladění vah pravidlových bází znalostí
Valenta, Jan ; Pokorný, Miroslav (oponent) ; Zbořil, František (oponent) ; Jirsík, Václav (vedoucí práce)
Předložená disertační práce představuje nové možnosti automatizované tvorby a ladění bází znalostí informačních a expertních systémů. Práce je rozdělena na dvě navazující části. První část se věnuje existujícímu expertnímu systému NPS32 vyvinutému na Fakultě elektrotechniky a komunikačních technologií, Vysokého učení technického v Brně. Matematický aparát tohoto systému je založen na vyjádření neurčitosti pravidel dvěma hodnotami, čímž rozšiřuje informační schopnosti báze o hodnoty nepřítomnosti informace a sporu v bázi znalostí. Program byl doplněn učícím algoritmem nastavujícím váhy pravidel v bázi znalostí pomocí diferenciálního evolučního algoritmu za pomoci vzorů získaných od experta. Vzory představují reakci systému na data vložená uživatelem. Uvedený učící algoritmus je omezen pouze na jednovrstvé báze znalostí. V práci je uveden formální důkaz nemožnosti použití matematického aparátu expertního systému NPS32 pro učení vícevrstvých bází znalostí gradientními metodami. Druhá část práce se věnuje učícímu algoritmu pro realizaci vícevrstvé pravidlové báze znalostí. Báze znalostí je založena na specifickém modelu pravidla ohodnoceného neurčitostí vyjadřující míru informačního přínosu pravidla. Jako algoritmus učení nastavující váhy jednotlivých pravidel ve struktuře báze je použit modifikovaný algoritmus back propagation přepracovaný pro použití s danou strukturou báze a modelem pravidla. Pro účely testování a ověření učícího algoritmu ladění báze znalostí byl vytvořen expertní systém RESLA v jazyce C#. V tomto expertním systému byla vytvořena báze znalostí z oblasti medicíny k ověření učících schopností algoritmu pro složité báze znalostí. Báze znalostí tvoří diagnostiku poruch srdečního rytmu na základě parametrů získaných z průběhu EKG (elektrokardiogramu). Za účelem srovnání s již existujícími bázemi znalostí tvořenými expertem a znalostním inženýrem byl program srovnáván s profesionálně odladěnou bází znalostí z oblasti zemědělství. Bázi zde tvoří systém na podporu rozhodování při výběru vhodné odrůdy pšenice ozimé pro pěstování v různých prostředích. Tato disertační práce řeší zásadní zrychlení tvorby bází znalostí při zachování všech výhod, která plynou z použití pravidel. Oproti současným řešením založeným na neuronových sítích je stávající algoritmus pro ladění bází znalostí rychlejší a jednodušší, neboť nevyžaduje extrakci pravidel z jiného typu báze znalostí.
|
|
|
Vývoj v oblasti elektronických systémů automobilů a jejich diagnostika
Šenk, Vladislav
Tématem této bakalářské práce je vývoj v oblasti elektronických systémů a jejich diagnostika. V první části je práce zaměřena na asistenční systémy ADAS, kde jsou popsány jednotlivé senzory používané asistenčními systémy. Je zde dále uvedeno jejich základní rozdělení a následuje popis jednotlivých asistenčních systémů. Následující část je zaměřena výskyt umělé inteligence v automobilech. Je zde uvedena definice, vývoj a strategie učení. Ve třetí kapitole jsou uvedeny diagnostické systémy. Kapitola je zakončena uplatněním umělé inteligence jako diagnostického systému. V další kapitole jsou popsána elektroinstalace a popsány typy elektroinstalačních systémů. Poslední kapitola je věnována autonomním systémům, ať již dnes používaných, nebo teprve systémů, které mají svůj textový souhrn, ale nejsou pro ně vyvinuté technologie. V této kapitole je dále obsaženo monitorování prostředí a řidiče a dosažení minimálního rizika.
|
|
|
Diagnostické systémy pro osobní automobily
Zukal, Jaromír
Bakalářská práce je zaměřena na diagnostické systémy u osobních automobilů. První část práce obsahuje teoretické rozdělení sériové a paralelní diagnostiky. Dále je práce soustředěna na komunikaci, systémy v diagnostice a na dané standardy. V poslední části práce je popis měřících zařízení, měření a závěr.
|
|
|
Automatické ladění vah pravidlových bází znalostí
Valenta, Jan ; Pokorný, Miroslav (oponent) ; Zbořil, František (oponent) ; Jirsík, Václav (vedoucí práce)
Předložená disertační práce představuje nové možnosti automatizované tvorby a ladění bází znalostí informačních a expertních systémů. Práce je rozdělena na dvě navazující části. První část se věnuje existujícímu expertnímu systému NPS32 vyvinutému na Fakultě elektrotechniky a komunikačních technologií, Vysokého učení technického v Brně. Matematický aparát tohoto systému je založen na vyjádření neurčitosti pravidel dvěma hodnotami, čímž rozšiřuje informační schopnosti báze o hodnoty nepřítomnosti informace a sporu v bázi znalostí. Program byl doplněn učícím algoritmem nastavujícím váhy pravidel v bázi znalostí pomocí diferenciálního evolučního algoritmu za pomoci vzorů získaných od experta. Vzory představují reakci systému na data vložená uživatelem. Uvedený učící algoritmus je omezen pouze na jednovrstvé báze znalostí. V práci je uveden formální důkaz nemožnosti použití matematického aparátu expertního systému NPS32 pro učení vícevrstvých bází znalostí gradientními metodami. Druhá část práce se věnuje učícímu algoritmu pro realizaci vícevrstvé pravidlové báze znalostí. Báze znalostí je založena na specifickém modelu pravidla ohodnoceného neurčitostí vyjadřující míru informačního přínosu pravidla. Jako algoritmus učení nastavující váhy jednotlivých pravidel ve struktuře báze je použit modifikovaný algoritmus back propagation přepracovaný pro použití s danou strukturou báze a modelem pravidla. Pro účely testování a ověření učícího algoritmu ladění báze znalostí byl vytvořen expertní systém RESLA v jazyce C#. V tomto expertním systému byla vytvořena báze znalostí z oblasti medicíny k ověření učících schopností algoritmu pro složité báze znalostí. Báze znalostí tvoří diagnostiku poruch srdečního rytmu na základě parametrů získaných z průběhu EKG (elektrokardiogramu). Za účelem srovnání s již existujícími bázemi znalostí tvořenými expertem a znalostním inženýrem byl program srovnáván s profesionálně odladěnou bází znalostí z oblasti zemědělství. Bázi zde tvoří systém na podporu rozhodování při výběru vhodné odrůdy pšenice ozimé pro pěstování v různých prostředích. Tato disertační práce řeší zásadní zrychlení tvorby bází znalostí při zachování všech výhod, která plynou z použití pravidel. Oproti současným řešením založeným na neuronových sítích je stávající algoritmus pro ladění bází znalostí rychlejší a jednodušší, neboť nevyžaduje extrakci pravidel z jiného typu báze znalostí.
|
host ::
RSS.