Strojové učení reprezentace pro genetické programování

but.committeedoc. Ing. Lukáš Burget, Ph.D. (předseda) doc. RNDr. Pavel Smrž, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) doc. Ing. František Zbořil, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) Ing. Vojtěch Mrázek, Ph.D. (člen)cs
but.defenceStudent 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 A.cs
but.jazykčeština (Czech)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSekanina, Lukášcs
dc.contributor.authorPomykal, Šimoncs
dc.contributor.refereePiňos, Michalcs
dc.date.created2024cs
dc.description.abstractCílem této práce je seznámit se s metodami strojového učení, které se využívají pro automatický návrh reprezentace. Speciálně se poté práce zaměřuje na hluboké učení v oblasti genetického programování (GP). Jako případová studie je zvoleno zpracování obrazu, a to zejména metody odstranění šumu. Spojením získaných poznatků je navržena nová reprezentace, jejímž účelem je nahradit syntaktický strom v algoritmu GP. Tato metoda je získána pomocí neuronové sítě typu transformer. Na závěr je vytvořena upravená varianta GP, která pracuje s novou reprezentací. Tato varianta je v několika experimentech porovnána s GP, který používá původní reprezentaci.cs
dc.description.abstractThe aim of this thesis is to become acquainted with machine learning methods that are used for the automatic design of representations. Specifically, the work focuses on deep learning in the field of genetic programming (GP). Image processing is chosen as a case study, particularly noise reduction methods. By combining the acquired knowledge, a new representation is proposed, intended to replace the syntactic tree in the GP algorithm. This method is obtained using a transformer-type neural network. In conclusion, a modified version of GP that works with the new representation is created. This variant is compared with the original GP using the traditional representation in several experiments.en
dc.description.markAcs
dc.identifier.citationPOMYKAL, Š. Strojové učení reprezentace pro genetické programování [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.cs
dc.identifier.other154385cs
dc.identifier.urihttp://hdl.handle.net/11012/248894
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectgenetické programovánícs
dc.subjectneuronové sítěcs
dc.subjecthluboké učenícs
dc.subjectučení reprezentacícs
dc.subjectzpracování obrazucs
dc.subjectgenetic programmingen
dc.subjectneural networksen
dc.subjectdeep learningen
dc.subjectrepresentation learningen
dc.subjectimage processingen
dc.titleStrojové učení reprezentace pro genetické programovánícs
dc.title.alternativeMachine Learning of Representations in Genetic Programmingen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2024-06-19cs
dcterms.modified2024-06-19-14:08:23cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid154385en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 15:38:14en
sync.item.modts2025.01.15 19:50:49en
thesis.disciplineStrojové učenícs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.93 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_154385.html
Size:
9.4 KB
Format:
Hypertext Markup Language
Description:
file review_154385.html
Collections