• Evolutionary algorithms and active learning 

      Repický, Jakub (Univerzita Karlova, Matematicko-fyzikální fakulta, 2017)
      Date of defense: 7. 6. 2017
      Názov práce: Evoluční algoritmy a aktivní učení Autor: Jakub Repický Katedra: Katedra teoretické informatiky a matematické logiky Vedúci diplomovej práce: doc. RNDr. Ing. Martin Holeňa, CSc., Ústav informa- tiky, Akademie ...
    • Kombinování klasifikátorů pomocí fuzzy metod 

      Moravec, Jaroslav (Univerzita Karlova, Matematicko-fyzikální fakulta, 2007)
      Date of defense: 18. 9. 2007
      V této práci jsme rozpracovali metodu kombinování klasifikátoru pomocí tconormového integrálu pro prípad kombinování týmu SVM klasifikátoru. Porovnávali jsme úspešnosti klasifikátoru získaných na základe kombinování SVM ...
    • Metody srovnavani pravidel ziskanych z dat 

      Hlaveš, Vojtěch (Univerzita Karlova, Matematicko-fyzikální fakulta, 2007)
      Date of defense: 21. 5. 2007
    • Model-based evolutionary optimization methods 

      Bajer, Lukáš (Univerzita Karlova, Matematicko-fyzikální fakulta, 2018)
      Date of defense: 4. 6. 2018
      Model-based black-box optimization is a topic that has been intensively studied both in academia and industry. Especially real-world optimization tasks are often characterized by expensive or time-demanding objective ...
    • Modern regression methods in data mining 

      Kopal, Vojtěch (Univerzita Karlova, Matematicko-fyzikální fakulta, 2015)
      Date of defense: 8. 9. 2015
      Tato práce porovnává nelineární regresní metody na umělých datech vytvořených po- mocí standardních testovacích funkcí pro spojité black-box optimalizace. Pro toto srovnání jsme vybrali následující regresní metody: sítě s ...
    • Moderní evoluční algoritmy pro hledání oblastí s vysokou fitness 

      Káldy, Martin (Univerzita Karlova, Matematicko-fyzikální fakulta, 2011)
      Date of defense: 31. 1. 2011
      Evoluční algoritmy jsou optimizační techniky inspirované vývojem biologických druhů v přírodě. Používají konceptuálně jednoduchý proces střídající dvě fáze, a to reprodukci a výběr na základě fitness, a iterativně tak ...
    • Online training of deep neural networks for classification 

      Tumpach, Jiří (Univerzita Karlova, Matematicko-fyzikální fakulta, 2019)
      Date of defense: 16. 9. 2019
      Deep learning is usually applied to static datasets. If used for classification based on data streams, it is not easy to take into account a non-stationarity. This thesis presents work in progress on a new method for online ...
    • Studium a srovnávání hlavních typů evolučních algoritmů 

      Štefan, Martin (Univerzita Karlova, Matematicko-fyzikální fakulta, 2012)
      Date of defense: 30. 1. 2012
      Evoluční algoritmy patří mezi nejmladší a zároveň nejprogresivnější metody řešení obtížných optimalizačních úloh. Tyto algoritmy si získali svou velkou oblibu díky dobrým experimentálním výsledkům na složitých optimalizačních ...
    • A study of applying copulas in data mining 

      Ščavnický, Martin (Univerzita Karlova, Matematicko-fyzikální fakulta, 2013)
      Date of defense: 15. 5. 2013
      Název práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky ...
    • Urychlení evolučních algoritmů pomocí rozhodovacích stromů a jejich zobecnění 

      Klíma, Jan (Univerzita Karlova, Matematicko-fyzikální fakulta, 2011)
      Date of defense: 5. 9. 2011
      Evoluční algoritmy jsou jednou z nejúspěšnějších metod pro řešení netradičních optimalizačních problémů. Protože evoluční algoritmy používají pouze funkční hodnoty cílové funkce, blíží s k jejímu optimu mnohem pomaleji než ...
    • Urychlení evolučních algoritmů pomocí směsí rozdělení pravděpodobnosti 

      Bajer, Lukáš (Univerzita Karlova, Matematicko-fyzikální fakulta, 2009)
      Date of defense: 21. 9. 2009
      Evoluční, a zvláště genetické algoritmy se staly jednou z nejúspěšnějších metod optimalizace empirické cílové funkce. V mnoha reálných aplikacích je však hlavní nevýhodou to, že ohodnocení empirickou funkcí stojí nemalé ...
    • Využití umělých neuronových sítí k řízení genetických algoritmů 

      Dörfler, Martin (Univerzita Karlova, Matematicko-fyzikální fakulta, 2012)
      Date of defense: 21. 5. 2012
      Genetické algoritmy jsou jedny z nejvíce flexibilních optimalizačních metod. Mají minimální požadavky na zadání, a tedy jsou schopny řešit široké spektrum úloh. Tato flexibilita je však místy vykoupena nižší efektivitou. ...
    • Využití umělých neuronových sítí k urychlení evolučních algoritmů 

      Wimberský, Antonín (Univerzita Karlova, Matematicko-fyzikální fakulta, 2011)
      Date of defense: 5. 9. 2011
      V předkládané práci studujeme možnosti využití umělých neuronových sítí k urychlení evolučních algoritmů. Urychlení spočívá ve snížení počtu volání fitness funkce, jejíž vyhodnocení je u některých typů optimalizačních úloh ...

      © 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 3-5, 116 36 Praha; email: admin-repozitar [at] cuni.cz

      Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

      Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

      DSpace software copyright © 2002-2015  DuraSpace
      Theme by 
      @mire NV