0487302 - FLÚ 2018 CZ ger J - Journal Article
Novotný, Karel
Leben und Natur zur frühen Phänomenologie der natürlichen Welt bei Jan Patočka.
Acta Universitatis Carolinae. Interpretationes: Studia Philosophica Europeanea. Roč. 7, č. 1 (2017), s. 11-29. ISSN 1804-624X
R&D Projects: GA ČR(CZ) GA15-10832S
Institutional support: RVO:67985955
Keywords : world * body * life * nature
OECD category: Philosophy, History and Philosophy of science and technology
DOI: https://doi.org/10.14712/24646504.2018.2
Permanent Link: http://hdl.handle.net/11104/0282975

0565499 - ÚI 2023 RIV CZ eng L4 - Software
Coufal, David - Hakl, František - Vidnerová, Petra
General-purpose Library of ML/AI Methods.
Internal code: TN01000024/03-V005 ; 2022
Technical parameters: 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.
Economic parameters: 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.
R&D Projects: GA TA ČR(CZ) TN01000024
Institutional support: RVO:67985807
Keywords : 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
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Result website:
https://github.com/PetraVidnerova/nck_python
Permanent Link: https://hdl.handle.net/11104/0337029