Národní úložiště šedé literatury Nalezeno 5 záznamů.  Hledání trvalo 0.02 vteřin. 
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
Optimalizace pro registraci obrazů založená na genetických algoritmech
Horáková, Pavla ; Mézl, Martin (oponent) ; Harabiš, Vratislav (vedoucí práce)
Diplomová práce se zabývá globálními optimalizačními metodami a jejich využitím při registraci medicínských obrazů. Hlavní cíl spočívá ve vytvoření genetického algoritmu a testování jeho funkčnosti na syntetických datech. Kromě testovacích funkcí a obrazců byl algoritmus podroben i skutečným medicínským snímkům. K tomuto účelu se vytvořilo grafické uživatelské prostředí s volbou parametrů podle aktuální potřeby. Přidáním iterační gradientní metody se algoritmus stal hybridním genetickým algoritmem.
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
Optimalizace pro registraci obrazů založená na genetických algoritmech
Horáková, Pavla ; Mézl, Martin (oponent) ; Harabiš, Vratislav (vedoucí práce)
Diplomová práce se zabývá globálními optimalizačními metodami a jejich využitím při registraci medicínských obrazů. Hlavní cíl spočívá ve vytvoření genetického algoritmu a testování jeho funkčnosti na syntetických datech. Kromě testovacích funkcí a obrazců byl algoritmus podroben i skutečným medicínským snímkům. K tomuto účelu se vytvořilo grafické uživatelské prostředí s volbou parametrů podle aktuální potřeby. Přidáním iterační gradientní metody se algoritmus stal hybridním genetickým algoritmem.

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