Výsledky vyhledávání

0565499 - ÚI 2023 RIV CZ eng L4 - Software
Coufal, David - Hakl, František - Vidnerová, Petra
General-purpose Library of ML/AI Methods.
Interní kód: TN01000024/03-V005 ; 2022
Technické parametry: Kolekce programů a skriptů spustitelných z příkazové řádky, vyžaduje Python a běžně dostupné výpočetní knihovny. Zadání se definuje v textovém souboru, typicky ve formátu YAML. Vzhledem k výpočetní náročnosti doporučeno využití GPU nebo výpočetního clusteru s více CPU.
Ekonomické parametry: Knihovna obsahuje dvě části. Skripty věnované rozšiřování datové základny pro učení navigace robota (GANs) a část zabývající se hledáním optimální architektury neuronových sítí (AnANAS). Rozšiřování datové základny je prováděno pomocí generativních neuronových sítí. Jsou implementovány architektury DCGAN a LSGAN v nepodmíněné i podmíněné verzi. Kvalita učení je monitorována pomocí FID skóre. AnANAS část je určena pro experimenty s hledáním optimální architektury hluboké neuronové sítě, jak s plně propojenými vrstvami tak sítě konvoluční. Umožňuje více-kriteriální optimalizaci, nabízí tři verze více-kriteriální optimalizace (NSGA, NSGA-II, NSGA-III) a implementaci základního standardního genetického algoritmu. Umožňuje paralelní výpočet na GPU nebo s využitím několika CPU.
Grant CEP: GA TA ČR(CZ) TN01000024
Institucionální podpora: RVO:67985807
Klíčová slova: deep neural networks * generative adverisal networks * conditional generation * generative algorithms * neural architecture search * model selection * evolutionary algorithms * multiobjective optimisation * hluboké neuronové sítě * generativní adversiální sítě * generativní algoritmy * hledání architektury neuronové sítě * evoluční algoritmy * vícekriteriální optimalizace
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/PetraVidnerova/nck_python
Trvalý link: https://hdl.handle.net/11104/0337029

0477041 - ÚI 2018 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
Pilát, M. - Neruda, Roman
Parallel Evolutionary Algorithm with Interleaving Generations.
GECCO 2017. Proceedings of the 2017 Genetic and Evolutionary Computation Conference. New York: ACM, 2017, s. 865-872. ISBN 978-1-4503-4920-8.
[GECCO 2017. Genetic and Evolutionary Computation Conference. Berlin (DE), 15.07.2017-19.07.2017]
Grant CEP: GA ČR GA15-19877S
Institucionální podpora: RVO:67985807
Klíčová slova: evolutionary algorithms * parallelization * evaluation-time bias * complex optimization * interleaving generations
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Trvalý link: http://hdl.handle.net/11104/0273439

0459747 - ÚACH 2017 RIV US eng J - Článek v odborném periodiku
Kočí, J. - Maděra, J. - Jerman, M. - Keppert, M. - Svora, Petr - Černý, R.
Identification of Water Diffusivity of Inorganic Porous Materials Using Evolutionary Algorithms.
Transport in Porous Media. Roč. 113, č. 1 (2016), s. 51-66. ISSN 0169-3913. E-ISSN 1573-1634
Institucionální podpora: RVO:61388980
Klíčová slova: Evolutionary algorithms * Water transport * Inorganic porous materials * Inverse analysis
Kód oboru RIV: CA - Anorganická chemie
Impakt faktor: 2.205, rok: 2016
Trvalý link: http://hdl.handle.net/11104/0259924

0446916 - ÚI 2016 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
Pilát, M. - Neruda, Roman
Incorporating User Preferences in MOEA/D through the Coevolution of Weights.
GECCO '15. Proceedings of the 2015 Annual Conference on Genetic and Evolutionary Computation. New York: ACM, 2015 - (Silva, S.), s. 727-734. ISBN 978-1-4503-3472-3.
[GECCO 2015. Genetic and Evolutionary Computation Conference. Madrid (ES), 11.07.2015-15.07.2015]
Grant CEP: GA ČR GA15-19877S
Institucionální podpora: RVO:67985807
Klíčová slova: evolutionary algorithms * multi-objective optimization, * coevolution * MOEA/D
Kód oboru RIV: IN - Informatika
Trvalý link: http://hdl.handle.net/11104/0248876

0425750 - ÚI 2015 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
Kazík, O. - Šmíd, J. - Neruda, Roman
Evolutionary Optimization of Meta Data Metric for Method Recommendation.
Proceedings of the 2013 IEEE Conference on Cybernetics and Intelligent Systems (CIS). Piscataway: IEEE Computer Society, 2013, s. 123-127. ISBN 978-1-4799-1072-4.
[CIS-RAM 2013. IEEE International Conference on Cybernetics and Intelligent Systems /6./ and IEEE International Conference on Robotics, Automation and Mechatronics /6./. Manila (PH), 12.11.2013-15.11.2013]
Grant CEP: GA ČR GAP202/11/1368
Institucionální podpora: RVO:67985807
Klíčová slova: evolutionary algorithms * data mining * metalearning
Kód oboru RIV: IN - Informatika
Trvalý link: http://hdl.handle.net/11104/0232847