Testování učení restartovacích automatů genetickými algoritmy

Abstract

Název práce: Testování učení restartovacích automatů genetickými algoritmy Autor: Bc. Lenka Kovářová Katedra: Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. František Mráz, CSc. Abstrakt: Restartovací automat je teoretickým modelem zařízení rozpoznávajícího jazyk. Konstrukce různých verzí restartovacích automatů může být značně náročná. Bylo vyvinuto mnoho různých metod učení takovýchto automatů. Mezi nimi jsou i metody učení založené na genetických algoritmech, které hledají automat k zadané množině pozitivních a negativních příkladů slov jazyka. V práci je navržena metoda pro vylepšení učení restartovacích automatů učených evolučními algoritmy pomocí přidávání nových pravidel speciálního typu umožňující přizpůsobení učícího algoritmu konkrétním jazykům. Dále je navržen systém pro testování metod učení restartovacích automatů podporující především učení evolučními algoritmy. Součástí práce je i program pro učení restartovacích automatů za použití nově navržené metody, umožňující následné otestování nalezených automatů a vyhodnocení výsledků převážně grafickou formou. Klíčová slova: strojové učení, gramatická inference, restartovací automaty, genetické algoritmy

Title: Testing the Learning of Restarting Automata using Genetic Algorithm Author: Bc. Lenka Kovářová Department: Department of Software and Computer Science Education Supervisor: RNDr. František Mráz, CSc. Abstract: Restarting automaton is a theoretical model of device recognizing a formal language. The construction of various versions of restarting automata can be a hard work. Many different methods of learning such automata have been developed till now. Among them are also methods for learning target restarting automaton from a finite set of positive and negative samples using genetic algorithms. In this work, we propose a method for improving learning of restarting automata by means of evolutionary algorithms. The improvement consists in inserting new rules of a special form enabling adaption of the learning algorithm to the particular language. Furthermore, there is proposed a system for testing of learning algorithms for restarting automata supporting especially learning by evolutionary algorithms. A part of the work is a program for learning restarting automata using the proposed new method with a subsequent testing of discovered automata and its evaluation in a graphic form mainly. Keywords: machine learning, grammatical inference, restarting automata, genetic algorithms