but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Jakým způsobem by bylo možné zahrnout do vaší implementace lineárního genetického programování podmínečné instrukce (skoky)? V čem vidíte největší technický problém, který bylo potřeba vyřešit? Podle čeho jste vybíral hodnotící funkce?	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	Machač, Michal	cs
dc.contributor.referee	Mrázek, Vojtěch	cs
dc.date.created	2020	cs
dc.description.abstract	V této práci jsou představeny různé metody strojového učení, jež lze využít v úlohách predikce založených na regresi. Detailněji je popsáno stromové a lineární genetické programování. S vybranými algoritmy strojového učení (lineární regrese, náhodný les, vícevrstvý perceptron a stromové genetické programování) jsou provedeny experimenty na volně dostupných datových sadách za využití knihoven scikit-learn a gplearn, a získané výsledky jsou porovnány z pohledu kvality predikce. Stěžejní částí této práce byla implementace systému lineárního genetického programování v programovacím jazyce C++, která byla nejprve testována na umělých úlohách symbolické regrese, a následně na reálných datových sadách. Výsledky získané pomocí vytvořené implementace jsou porovnány vůči výsledkům získaným pomocí knihovny gplearn.	cs
dc.description.abstract	This thesis introduces various machine learning algorithms which can be used in prediction tasks based on regression. Tree genetic programming and linear genetic programming are explained more thoroughly. Selected machine learning algorithms (linear regression, random forest, multilayer perceptron and tree genetic programming) are compared on publicly available datasets with the use of scikit-learn and gplearn libraries. A core part of this project is a new implementation of linear genetic programming which was developed in C++, tested on common symbolic regression problems and then evaluated on real datasets. Results obtained with the proposed system are compared with the results obtained with gplearn.	en
dc.description.mark	C	cs
dc.identifier.citation	MACHAČ, M. Genetické programování v úlohách predikce [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129180	cs
dc.identifier.uri	http://hdl.handle.net/11012/191535
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	genetické programování	cs
dc.subject	lineární genetické programování	cs
dc.subject	strojové učení	cs
dc.subject	lineární regrese	cs
dc.subject	náhodný les	cs
dc.subject	vícevrstvý perceptron	cs
dc.subject	regrese	cs
dc.subject	Python	cs
dc.subject	C++	cs
dc.subject	scikit-learn	cs
dc.subject	gplearn	cs
dc.subject	genetic programming	en
dc.subject	linear genetic programming	en
dc.subject	machine learning	en
dc.subject	linear regression	en
dc.subject	random forest	en
dc.subject	multilayer perceptron	en
dc.subject	regression	en
dc.subject	Python	en
dc.subject	C++	en
dc.subject	scikit-learn	en
dc.subject	gplearn	en
dc.title	Genetické programování v úlohách predikce	cs
dc.title.alternative	Genetic Programming in Prediction Tasks	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-07-13	cs
dcterms.modified	2020-07-13-23:43:55	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129180	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:30:32	en
sync.item.modts	2025.01.15 15:47:35	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Genetické programování v úlohách predikce

Files

Original bundle

Collections