Hluboké genetické programování

Kopic, Petr

Digitální knihovna UPCE
→
Fakulta elektrotechniky a informatiky / Faculty of Electrical Engineering and Informatics
→
Katedra softwarových technologií
→
Diplomové práce / Theses KST FEI (Ing.)
→
Zobrazit záznam

dc.contributor.advisor	Merta, Jan
dc.contributor.author	Kopic, Petr
dc.date.accessioned	2020-09-16T14:18:25Z
dc.date.available	2020-09-16T14:18:25Z
dc.date.issued	2020
dc.date.submitted	2020-08-27
dc.identifier.uri	https://hdl.handle.net/10195/76151
dc.description.abstract	Diplomová práce se zaměřuje na hledání nových možností při řešení úloh pomocí hlubokého genetického programování. Práce popisuje stručný vývoj umělé inteligence a hlavní metody, které se využívají - neuronové sítě, evoluční algoritmy a genetické programování. Dále se práce zabývá tématem hlubokého genetického programování, které se snaží kombinovat principy již zmíněných metod. Jsou popsány dosavadní přístupy a dále navrhnuty nové metody hlubokého genetického programování. Závěrem práce je popsána implementace metod pomocí různých nástrojů a jejich otestování.	cze
dc.format	118 s.
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení
dc.subject	umělá inteligence	cze
dc.subject	strojové učení	cze
dc.subject	hluboké učení	cze
dc.subject	neuronové sítě	cze
dc.subject	evoluční algoritmy	cze
dc.subject	genetické programování	cze
dc.subject	hluboké genetické programování	cze
dc.subject	jenetics	cze
dc.subject	watchmaker	cze
dc.subject	artifical inteligence	eng
dc.subject	machine learning	eng
dc.subject	deep learning	eng
dc.subject	neural network	eng
dc.subject	evolutionary algorithm	eng
dc.subject	genetic programming	eng
dc.subject	jenetics	eng
dc.subject	watchmaker	eng
dc.subject	deep genetics programming	eng
dc.title	Hluboké genetické programování	cze
dc.title.alternative	Deep Genetic Programming	eng
dc.type	diplomová práce	cze
dc.contributor.referee	Brandejský, Tomáš
dc.date.accepted	2020-09-15
dc.description.abstract-translated	The Diploma Thesis is focused on the search on new possibilities in solving problems using deep genetic programming. The work describes a brief development of artificial intelligence and the main used methods like neural networks, evolutionary algorithms and genetic programming. Furthermore, the work describe the topic of deep genetic programming, which tries to merge the principles of the methods mentioned so far. Current approaches are described and new methods of deep genetic programming are proposed. The conclusion of the work describes the implementation of new methods using various tools and their testing.	eng
dc.description.department	Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-discipline	Informační technologie	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-program	Informační technologie	cze
dc.description.defence	Cílem diplomové práce bylo zmapování a otestování možností hlubokého učení v genetickém programování. Práce má dobrou logickou stavbu. Je psána srozumitelně a přehledně, jednotlivé kapitoly na sebe systematicky navazují. Student splnil všechny původní cíle závěrečné práce. Práce splňuje požadavky kladené na tento typ závěrečných prací. Nejvyšší shoda při kontrole plagiátorství je 100 %. Jde však o soubory s veřejnou knihovnou pro tvorbu grafů či projektové soubory se standardní strukturou. Zbytek podobných souborů má podobnost menší než 5 %. Nejedná se tedy o plagiát. Dle hodnocení oponenta diplomant na základě své znalosti programování, algoritmizace, umělé inteligence implementoval pomocí několika knihoven algoritmy hlubokého genetického programování a ověřil je na vhodném souboru příkladů. Práci považuji za zdařilou, velmi obsáhlou a zabývající se na diplomovou práci velmi rozsáhlou problémovou oblastí, kterou se z pohledu nároků na diplomovou práci podařilo diplomantovi zvládnout. Kontrola plagiátů jako obvykle "nezklamala" a kontrolovala vedle textu a zdrojových kódů i další doprovodné soubory, takže našla až 100% shodu v mnoha souboru jfreechart-LICENCE.txt a 75% v souboru project. propertiesech. Shoda v ostatních souborech byla pod 5%, proto můžeme práci považovat za zcela původní. Vydařená diplomová práce, hodnocena klasifikací výborně. Rovněž odpovědi na otázky odpovídají celkovému hodnocení výborně. Z odborných předmětů byl též hodnocen výborně, takže diplomant prospěl s vyznamenáním. Práce byla zkontrolována v systému IS/STAG, dle hodnocení komise nejeví známky plagiátorství.	cze
dc.identifier.stag	39214
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze