Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

prof. RNDr. Tomáš Skopal, Ph.D.

Katedra softwarového inženýrství

Tato práce přispívá k výzkumu automatizovaného interiérového designu návrhem a implementací nového systému. Proces designu je rozdělen na plánování funkčních zón pomocí simulovaného žíháni a na aranžování nábytku genetickým algoritmem. Výsledky obou algoritmů jsou dotaženy gradientním sestupem. Systém dokáže splnit požadavky od uživatele na tvar místnosti, její funkce a použitý nábytek. Experimenty ukazují schopnost systému navrhnout interiér různě tvarovaných místností s různým výběrem kusů nábytku.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Mgr. Petr Šimánek

Katedra aplikované matematiky

Tato práce je zaměřena na zhodnocení optimalizačního frameworku SEAGE z pohledu aktuálního stavu výzkumu v oblasti hyper-heuristik, a to s využitím nové metriky, která algoritmy ohodnocuje objektivně dle kvality jejich řešení instancí optimalizačních problémů. Porovnání je provedeno na jednom systému mezi již implementovanými heuristikami ve frameworku SEAGE a hyper-heuristikami vytvořenými pro mezinárodní výzvu CHeSC2011. Na začátku práce popisujeme naši motivaci, cíle a dále také rešerši aktuálního stavu výzkumu v této oblasti, díky které jsme objevili framework HyFlex společně s hyper-heuristikami účastníků výzvy CHeSC2011. Během implementace jsme narazili na řadu problémů, které nás odradili od využití již vytvořeného evaluátoru a metriky ve frameworku HyFlex. Jejich nevýhody v práci blíže rozebíráme a představujeme metriku i evaluátor nový, který zmíněné problémy řeší a zároveň přináší určitou formu vylepšení. Pro představení snadnosti tvorby hyper-heuristik v prostředí SEAGE jsme vytvořili takovou, která jednoduše využívá vylepšení objektivního ohodnocení řešení heuristik. K otestování nově představené metriky nejdříve v experimentech přepočítáváme výsledky mezinárodní výzvy CHeSC2011 a zkoumáme chování algoritmů z obou frameworků. Zajímavým výstupem z provedených pozorování je kvalita řešení samotných stavebních bloků hyper-heuristik ve frameworku SEAGE, tedy metaheuristik, nad jednotlivými instancemi domény problému SAT. V závěru práce shrnujeme veškeré získané znalosti a na základě výsledků experimentů zhodnocujeme framework SEAGE z pohledu aktuálního stavu výzkumu

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Mgr. Eva Pernecká, Ph.D.

Katedra aplikované matematiky

Táto bakalárska práca stavia na súčasných prácach, ktoré sa zaoberajú tvorbou hotelových simulátorov pomocou simulačnej optimalizácie a metód Monte Carlo. Literárna rešerš je zameraná na doterajšie využitie matematických metód a umelej inteligencie na riešenie problémov výnosového manažmentu. Na základe analýzy silných a slabých stránok existujúcich riešení prezentujeme odporúčania, ako súčasné riešenie vylepšiť. V práci prezentujeme nový spôsob modelovania pravdepodobnosti prijatia, na základe ktorého si každý zákazník dynamicky vyberá "cenové bariéry" (ceny s 0 % a 100 % pravdepodobnosťou prijatia), na rozdiel od súčasného riešenia, v ktorom majú zákazníci fixný pohľad na cenu. Ďalej diskutujeme možnosti širšieho využitia cenových multiplikátorov a ich aplikáciu v úprave akceptačnej krivky. Naše experimenty ukázali, že sa navrhnutý model chová realisticky a je schopný dosiahnutia lepších výsledkov prostredníctvom optimalizácie. V testoch sme namerali zvýšenie výnosov troch simulovaných hotelov s kapacitou 10, 25 a 75 izieb o 3.43, 8.04 a 20.29 %. Toto porozovanie naznačnuje vhodnosť modelu ako alternatívu k existujúcemu riešeniu pre účely ďalšieho výskumu.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

prof. RNDr. Pavel Surynek, Ph.D.

Katedra aplikované matematiky

Tato práce je zaměřena na vývoj rozhodovacích stromů pro predikci cen bitcoinu a zlata na burze, které využívají fundamentální a technickou analýzu trhu.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. RNDr. Ing. Marcel Jiřina, Ph.D.

Katedra aplikované matematiky

Tato bakalářská práce se zabývá detekcí extremismu v online prostředí, konkrétně detekcí neonacistických a saláfistických webových stránek. Cílem je vytvořit hybridní znalostní systém, který bude pomocí metody Support Vector Machines a klasifikačních pravidel znalostního systému klasifikovat dané stránky. Řešení tohoto problému staví na základě důkladné rešerše již existujících řešení detekce extremistických textů, obrázků a videí a následně jejich analýzy s pomocí odborné literatury. V rámci této práce byl vytvořen dataset extremistických a neextremistických webových stránek pomocí existujících textových dokumentů a obrázků. Metoda SVM byla použita pro klasifikaci textu a její výstup byl použit jako vstup do znalostního systému. Ten byl vytvořen pomocí shellu PyKe a celý program byl naprogramován v jazyce Python. Jednotlivé SVM modely dávaly velmi dobré výsledky s klasifikační přesností okolo 99 \%. Celková klasifikační přesnost systému byla 80 \%.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. Ing. Kamil Dedecius, Ph.D.

Katedra aplikované matematiky

Akciové trhy jsou náchylné na různé vlivy a proto je jejich predikce velmi náročná. Existuje mnoho přístupů, jak předpovídat vývoj cen akcií, nicméně žádný není univerzální. Tato práce se zabývá přístupem zvaným machine learning. Do tohoto přístupu se dají zařadit modely CNN, LSTM, GRU, jejich obousměrné varianty a následné kombinace modelů. Dále jsou jednotlivé modely použity pro jednodenní a vícedenní predikci. V práci je upozorněno na nepoužitelnost jednodenní predikce, která je opakovaně použita za účelem predikce několika dní dopředu. Pro predikci byla vybrána data SXR8.DE, které kopírují index S&P 500. Následně jsou modely na těchto datech vyhodnoceny a na základě jejich přesnosti je vybrán model, který má největší úspěšnost za cílem maximalizovat profit z obchodování s akciemi.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. RNDr. Ing. Marcel Jiřina, Ph.D.

Katedra aplikované matematiky

Tato práce je zaměřena na rozpoznávání extremistických textů s využitím modelů supervizovaného strojového učení. Cílem je vytvoření klasifikačního systému schopného detekovat vybrané druhy extremistických textů. V rámci této práce byly vytvořeny tři různé datasety českých textů, přičemž extremistický dataset obsahuje zejména neonacistické a nacistické texty. Navržený klasifikační systém vytváří predikce na základě váženého hlasování několika dílčích klasifikátorů. Tyto klasifikátory byly vytvořeny pomocí implementovaného trénovacího programu. Vhodné kombinace metod pro tvorbu klasifikátorů byly vybrány na základě provedených experimentů. Při těchto experimentech byla odhadována úspěšnost klasifikace textu v závislosti na použitých metodách pro předzpracování textu a extrakci příznaků. Pro klasifikaci textu byly využity dva různé klasifikační modely, SVM a Random forest. Přesnost výsledného klasifikačního systému je odhadována na 85 \%.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. RNDr. Ing. Marcel Jiřina, Ph.D.

Katedra aplikované matematiky

Táto práca sa zameriava na vytvorenie inteligentného adaptívneho systému typu "tutor", ktorý bude precvičovať vybranú oblasť umelej inteligencie - rozhodovacie stromy. Desktopová aplikácia je postavená na prvotnom preskúmaní existujúcich adaptívnych výukových systémoch, technológií na budovanie expertných systémov a následnom využití jednej z existujúcej technológie. Využitá technológia je CLIPS JNI - jazyk Clips a jeho integrácia s jazykom Java a Swing pre implementáciu GUI. Báza znalostí je vytvorená za pomoci experta (vedúci práce), na ktorej základe sú vytvorené pravidlá pre fungovanie expertného systému. Výsledný systém je diagnostický, ktorý generuje sled otázok na základe užívateľových odpovedí, kde na záver vyhodnotí užívateľove znalosti a zobrazí, v čom užívateľ pochybil. Užívateľ si vie zvoliť úroveň a oblasť, pričom úroveň sa mu mení v závoslasti od správne/nesprávne zodpovedaných otázok. Práca môže slúžiť ako podklad pre ďalšie skúmanie tejto oblasti, ale taktiež môže byť rozšírená o vyučovanie ďalších oblastí umelej inteligencie či iných predmetov, a tým pomôcť k zefektívneniu výuky.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Mgr. Vojtěch Rybář

Katedra aplikované matematiky

Tématem této práce je použití metod strojového učení pro automatické ohodnocení výše nájmu realitního objektu. Ohodnocení je založené na datech z českých serverů pro inzerci realit. Datová sada obsahující technické parametry jednotlivých realitních objektů je sestavena, vizualizována a použita pro trénování několika modelů strojového učení, které byly poté porovnány. Dále se práce zabývá použitím obrazových dat pro vylepšení predikce výše nájmu realitních objektů. Byla prozkoumána možnost extrakce popisných příznaků z obrazových dat. Byly zavedeny metodiky pro manuální extrakci a několik příznaků, například úroveň přirozeného osvětlení v realitním objektu, bylo experimentálně extrahováno. Datová sada obsahující popisné příznaky extrahované z obrazových dat byla sestavena, vizualizována a použita pro trénování modelů strojového učení. Bylo naměřeno, že prezence příznaků extrahovaných z obrazových dat snížila chybu predikce výše nájmu použitých modelů strojového učení o zhruba 10 až 20 %.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Monika Borkovcová, Ph.D.

Katedra aplikované matematiky

Velkou výzvou pro moderní systémy strojového slyšení je problém oddělení zdrojů. Jeden z přístupů k jeho řešení spočívá ve studiích počítačové analýzy sluchové scény (CASA), ve kterých jsou výpočetní modely inspirovány mechanismy sluchového ústrojí člověka a široce známým "cocktail party" efektem. Tato práce by měla být úvodem do oblasti CASA. V první části zkoumá teorii za sluchovým modelováním a zpracováním zvuku a odkazuje se na fyziku zvuku, biologii lidského ucha, psychologii sluchového vnímání a digitální zpracování signálu. Ve druhé části jsou tyto znalosti prakticky použity k implementaci jednoduchého CASA systému pro oddělení monofonní hudby od šumu. Tento systém je pak rozsáhle popsán a experimentálně vyhodnocen na sadě klavírních nahrávek.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Petr Kasalický

Katedra aplikované matematiky

Tato bakalářská práce se zaměřuje na využití neuronových sítí při navrhování vybraných prvků interiéru domu. Hlavním cílem práce je extrahovat vlastnosti jako barva, styl a materiál a na základě těchto vlastností vytvářet kombinace vzorů a doplňků pomocí grafových neuronových sítí. Metodika této práce zahrnuje použití VGG pro extrakci rysů, YOLOv7 pro detekci objektů a GCN pro predikci kompatibility mezi prvky interiéru.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

prof. RNDr. Pavel Surynek, Ph.D.

Katedra aplikované matematiky

Tato práce se zabývá problémem kooperace agentů při hledání a sběru předmětů v neznámém prostředí na mřížkovém grafu. Nejdříve se v práci popíšou současně používané způsoby řešení problému prohledávání a způsoby rozhodování agentů. Následně se navrhne série typových příkladů a model, který umožní jejich implementaci v simulovaném prostředí. V práci se provedou experimenty pro kombinace zvolených chování a modulů pro agenta ve vytvořených scénářích. Na základě výsledků se určí vlivy zvolených typů agentů.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

prof. RNDr. Pavel Surynek, Ph.D.

Katedra aplikované matematiky

Rychlý vývoj v oblasti online technologií umožňuje lidem sdílet informace rychleji než kdykoli před tím. To s sebou nese riziko šíření manipulativních zpráv, které mohou negativně ovlivnit společnost. Tato bakalářská práce se zabývá klasifikací fake news v online prostoru z pohledu zpracování přirozeného jazyka (NLP). V rámci této práce byly vytvořeny dva nové datasety za použítí online databází fake news, přičemž jeden obsahuje shrnutí fake news článků v angličtině a druhý je tvořen především řetězovými emaily v češtině. Tyto datasety byly doplněny o dva již existující datasety a všechny byly použity k provedení expermerimentů s mnoha různými metodami předzpracování textu. Ke klasifikaci byly využity dva modely strojového učení, Naivní Bayes a náhodný les a dvě architektury neuronové sítě, konvoluční neurovová síť (CNN) a LSTM. Nejvyšších výsledků na již existujícím datasetu dosáhla CNN architektura s klasifikační přesnosti 97 %, zatímco nejvyšších výsledků na nově vytvořeném dosáhla LSTM architektura s přesností 95 %.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. Ing. Kamil Dedecius, Ph.D.

Katedra aplikované matematiky

Tato bakalářská práce se zabývá simulací umělého života. Model simulace je založen na principu multi-agentího systému, tedy každý agent (organismus) v simulaci je simulován nezávisle na ostatních, nicméně agenti stále mohou interagovat mezi sebou. Vývoj agentů se řídí evolučními, přesněji řečeno genetickými, algoritmy s využitím principu umělého genomu určující vlastnosti a chování agenta. Prostředí, ve kterém agenti, popř. populace agentů, žijí, je interagovatelné a časově proměnné, kladoucí větší nároky na schopnost adaptace. Celý program lze jednoduše upravovat velkou škálou parametrů, rozšiřovat o akce, které agenti smí provést, a přidávat nebo upravovat biomy, které ztvárňují prostředí. Účelem této práce je vytvořit program schopný takovéto simulace a vytvořit tak platformu pro budoucí rozvoj tohoto programu, tedy program musí být lehce rozšiřitelný a nezávislý na implementačních modulech.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Jiří Novák, Ph.D.

Katedra softwarového inženýrství

Tato práce se zabývá tvorbou interaktivního nástroje pro vizualizaci řešení optimalizačních úloh pomocí genetických algoritmů. Teoretická část obsahuje popis problematiky evolučních algoritmů a zaměřuje se především na popis genetických algoritmů. Součástí teoretické části je i výčet typických optimalizačních úloh řešených pomocí genetických algoritmů. Praktická část se zabývá popisem všech důležitých částí vývoje softwarového díla. Práce obsahuje výčet existujících řešení i analýzu vhodných technologií a knihoven pro tvorbu daného interaktivního nástroje. Součástí textu je také analytická dokumentace vyvíjené aplikace. V dalších kapitolách je popsána implementace aplikace, ke které byl využit framework Blazor fungující na technologii WebAssembly. Nástroj umožňuje vizualizaci tří typických optimalizačních úloh a kromě toho také generování 2D bitmapové grafiky. V závěru práce jsou popsány metody testování a dokumentace, které byly v projektu využity. Výsledkem práce je funkční webová interaktivní aplikace.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Dr. techn. Ing. Jan Legerský

Katedra aplikované matematiky

Cutting Stock Problem je běžný optimalizační problém ve výrobě a logistice, kde cílem je efektivně uspořádat předměty nebo tvary ve větším kontejneru tak, aby se minimalizoval odpad, nebo maximalizovalo využití. Tato práce si klade za cíl prozkoumat současná existující řešení Cutting Stock Problému a poskytnout potenciální řešení Cutting Stock Problému pro nepravidelné(konkávní) tvary pomocí genetického algoritmu. Výsledky tohoto výzkumu mají potenciál přispět k efektivnějším a udržitelnějším výrobním procesům v různých průmyslových odvětvích, jako je výroba oděvů nebo výroba automobilů. Při tom se snažím poskytnout posouzení praktičnosti genetických algoritmů pro řešení těchto problémů pro společnost, pro kterou v současné době pracuji.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

doc. Dr. rer. nat. Ing. Jan Valdman

Katedra aplikované matematiky

Tato práce se zaměřuje na výzkum generování šachových pozic, které splňují zadané omezení, a to s využitím neuronových sítí ve spojení s procházením stromu hry. Je provedena analýza zvoleného omezení, která mimo jiné testuje, zda existují nějaké třídy omezení s podobnými vlastnostmi. Pro generování šachových pozic splňující omezení byl navržen algoritmus, který využívá Negamax algoritmus, modifikovaný pro účely této práce. Dohromady jsou provedeny dva experimenty, kde první experiment testuje tento algoritmus pro méně kombinací zvoleného omezení. Druhý experiment rozšiřuje algoritmus na více kombinací a testuje, zda hloubka rekurze při procházení stromu hry má vliv na splnění omezení.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Jan Glaser

Katedra aplikované matematiky

Tato práce se zaměřuje na využití neuronových sítí v šachovém enginu. Neuronové sítě jsou trénovány jak pomocí supervizovaného, tak pomocí posilovaného učení. Pro supervizovanou část práce byl navržen algoritmus automatického generování dat ze šachového enginu Stockfish. Tato část také obsahuje analýzu vztahu mezi MiniMax algoritmem a výstupem dopředného průchodu neuronovou sítí, dále vztah mezi hloubkou generovaných dat a použitím vhodného typu architektury ResNet. Navrhuje metriku komplexity šachovnice a odhaluje limity konvolučních neuronových sítí najít a využít informaci skrytou v herním stromě. V druhé části práce obsahuje srovnání více přístupů k posilovanému učení šachového enginu, navrhuje novou metodu k tréninku, která dosahuje lepších výsledků než standartní metoda ve dvou praktických experimentech.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Mgr. Dalibor Šidlo

Katedra aplikované matematiky

Tato práce se zabývá daty o prodeji lístků na akce s cílem zlepšit metodology shchromaždovaných dat a návrhem modelů pro dynamickou cenu. Přehled literatury zkoumá různé přístupy, zatímco analýza dat identifikuje klíčové poznatky a překážky v existující datesetu poskytnutým komerčním partnerem. V práci se navrhuje strategie shromažďování dat, která zahrnuje různé zdroje dat, spolu se syntetickým modelem generování dat k testování navržené metodiky. Ačkoli nebylo dosaženo zlepšení, identifikovali se oblasti které mohou vést k zdokonalaní. Navržené dynamické cenové modely prokázaly dobrou výkonnost v období nízké poptávky, což naznačuje jejich potenciální využití pro slevy a optimalizaci cenové strategie. Tento výzkum přispívá k oblasti prodeje lístků na akce tím, že zkoumá různé přístupy, identifikuje výzvy a pokláda základ pro budoucí pokroky v účinných a efektivních cenových strategiích v této oblasti.

Práce na DSpace

Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Ing. Jan Matyáš Křišťan

Katedra aplikované matematiky

Hlavním cílem této diplomové práce je navázat na výsledky mé bakalářské práce, ve které jsem vytvořil metodu pro srozumitelnější ohodnocení a srovnání řešení optimalizačních algoritmů, včetně hyper-heuristik a metaheuristik. Vyhodnocené řešení je reprezentováno sjednocenou numerickou hodnotou, která ukazuje, jak blízko nebo daleko je od optimálního řešení. Toto jsem realizoval ve frameworku SEAGE i HyFlex s využitím nově navržené metriky nazvané Unit metrika. V rámci této práce jsem rozšířil použitelnost frameworku SEAGE na celkem čtyři domény problémů, naimplementoval nové způsoby přístupu k databázi SEAGE pro manipulaci s daty z předchozích experimentů, vylepšil metaheuristiky a představil novou vizualizaci kvality řešení experimentů pro jejich srozumitelnější porovnání. S tímto rozšířeným prostředím jsem v rámci frameworku SEAGE naimplementoval novou hyper-heuristiku a přeimplementoval trojici nejlepších hyper-heuristik z výzvy CHeSC2011, které byly původně implementovány ve frameworku HyFlex. Pro sledování výkonu mé nově implementované hyper-heuristiky a rozhodnutí o hypotéze této práce, týkající se rozlišnosti výkonu hyper-heuristik využívajících metaheuristiky (v SEAGE) místo heuristik (v HyFlex), jsem navrhl několik experimentů. Tyto experimenty ukázaly, že ve většině domén optimalizačních problémů dosahuje využití jednoduchých heuristik mírně lepších řešení než použití metaheuristik. Dále experimenty ukázaly, že má hyper-heuristika je srovnatelná s hyper-heuristikami z výzvy CHeSC2011.

Práce na DSpace