but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Ivana Burgetová, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) prof. Ing. Radomil Matoušek, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm " B ". Otázky u obhajoby: Můžete zdůvodnit, proč byl navržený přístup vyhodnocen na sadě obrazů o rozlišení 14x14 pixelů ale neuronová síť používala obrazy o rozlišení 28x28 pixelů? Jaké přesnosti by dosahovala neuronová síť při stejných vstupních podmínkách?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Sekanina, Lukáš	cs
dc.contributor.author	Jašíčková, Karolína	cs
dc.contributor.referee	Vašíček, Zdeněk	cs
dc.date.created	2018	cs
dc.description.abstract	Tato práce se zabývá klasifikací obrazu pomocí genetického programování a koevoluce. Algoritmy genetického programování umožňují generovat spustitelné struktury a navrhovat tak automatizovaně řešení ve formě programů. Použití koevoluce s predikcí fitness snižuje časovou náročnost výpočtu fitness a tím i dobu trvání celého algoritmu. Práce popisuje teoretický základ evolučních algoritmů a zejména kartézské genetické programování. Jsou také popsány vlastnosti koevolučních algoritmů a zejména navržená metoda pro návrh klasifikátoru obrazu s využitím koevoluce fitness prediktorů, jejímž cílem je nalézt kompromis mezi přesností klasifikace, dobou návrhu a složitostí klasifikátoru. Součástí práce je implementace navžené metody, provedení experimentů a srovnání získaných výsledků s ostatními metodami.	cs
dc.description.abstract	This thesis deals with image classification based on genetic programming and coevolution. Genetic programming algorithms make generating executable structures possible, which allows us to design solutions in form of programs. Using coevolution with the fitness prediction lowers the amount of time consumed by fitness evaluation and, therefore, also the execution time. The thesis describes a theoretical background of evolutionary algorithms and, in particular, cartesian genetic programming. We also describe coevolutionary algorithms properties and especially the proposed method for the image classifier evolution using coevolution of fitness predictors, where the objective is to find a good compromise between the classification accuracy, design time and classifier complexity. A part of the thesis is implementation of the proposed method, conducting the experiments and comparison of obtained results with other methods.	en
dc.description.mark	B	cs
dc.identifier.citation	JAŠÍČKOVÁ, K. Klasifikace obrazů pomocí genetického programování [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114596	cs
dc.identifier.uri	http://hdl.handle.net/11012/84963
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	evoluční algoritmy	cs
dc.subject	genetické programování	cs
dc.subject	kartézské genetické programování	cs
dc.subject	koevoluce	cs
dc.subject	aproximace fitness	cs
dc.subject	fitness prediktory	cs
dc.subject	klasifikace obrazu	cs
dc.subject	evolutionary algorithms	en
dc.subject	genetic programming	en
dc.subject	cartesian genetic programming	en
dc.subject	coevolution	en
dc.subject	fitness approximation	en
dc.subject	fitness predictors	en
dc.subject	image classification	en
dc.title	Klasifikace obrazů pomocí genetického programování	cs
dc.title.alternative	Image Classification Using Genetic Programming	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-19	cs
dcterms.modified	2020-05-10-16:13:07	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114596	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:27:34	en
sync.item.modts	2025.01.16 00:49:19	en
thesis.discipline	Bioinformatika a biocomputing	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Klasifikace obrazů pomocí genetického programování

Files

Original bundle

Collections