Search results
- 1.0585301 - ÚI 2025 CZ cze V - Research Report
Lukšan, Ladislav
Numerické optimalizační metody.
Prague: ICS CAS, 2024. Technical Report, V-1296.
Institutional support: RVO:67985807
Keywords : Numerická optimalizace * nelineární aproximace * systémy nelineárních rovnic * algoritmy
Permanent Link: https://hdl.handle.net/11104/0353012File Download Size Commentary Version Access 0585301-avz1296.pdf 0 6 MB Též zde: https://www.cs.cas.cz/~luksan/lekce4.pdf Other require - 2.0565500 - ÚI 2023 RIV CZ eng L4 - Software
Coufal, David - Hakl, František - Vidnerová, Petra
General-purpose Library of ML/AI Methods for CUDA Cores.
Internal code: TN01000024/03-V009 ; 2022
Technical parameters: Refaktorovaný kód je poskytnut ve formě MATLAB MEX souborů. Ke spuštění vyžaduje MATLAB. Použití se řídí příslušnými licenčními podmínkami Akademické licence MATLABu.
Economic parameters: Refaktorizace Python + TensorFlow kódu do nativního CUDA kódu pomocí MATLAB GPU Coderu. Urychlení inference implementace neuronových sítí.
R&D Projects: GA TA ČR(CZ) TN01000024
Institutional support: RVO:67985807
Keywords : deep neural networks * generative adverisal networks * conditional generation * generative algorithms * MATLAB GPU Coder * CUDA cores * hluboké neuronové sítě * generativní adversiální sítě * generativní algoritmy
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/PetraVidnerova/nck_matlab
Permanent Link: https://hdl.handle.net/11104/0337034
Research data: Github.com - 3.0565499 - 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)
https://github.com/PetraVidnerova/nck_python
Permanent Link: https://hdl.handle.net/11104/0337029
Research data: Github.com - 4.0535816 - ÚI 2021 RIV CZ eng L4 - Software
Coufal, David - Hakl, František - Vidnerová, Petra
General-purpose algorithms for machine learning.
Internal code: TN01000024/03-V001 ; 2020
Technical parameters: Program spustitelný z příkazové řádky, vyžaduje Python a běžné dostupné výpočetní knihovny. Úlohu lze definovat v textovém souboru 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)
https://github.com/PetraVidnerova/NCK_interim
Permanent Link: http://hdl.handle.net/11104/0313744 - 5.0405299 - UIVT-O 330650 CZ cze D - Thesis
Šimůnek, Milan
Využití metod umělé inteligence v softwarovém inženýrství: Automatická tvorba analytického popisu systému.
[Deployment of the AI Methods in Area of Software Engineeering: Automatic Creation of Analytical Descriptional System.]
VŠE. Defended: VŠE, Praha. 1920040930. - Praha: VŠE, 2004. Disertační práce.
Keywords : analýza a návrh IS * evoluční algoritmy * reprezenatce znalostí * vyhledávání znalostí
Subject RIV: BA - General Mathematics
Permanent Link: http://hdl.handle.net/11104/0125477 - 6.0404852 - UIVT-O 20020213 CZ cze K - Conference Paper (Czech conference)
Savický, Petr - Klaschka, Jan
Lesk a bída optimálních stromů.
Robust'2002. Sborník prací Dvanácté zimní školy JČMF. Praha: JČMF, 2002 - (Antoch, J.; Dohnal, G.; Klaschka, J.), s. 256-267. ISBN 80-7015-900-6.
[ROBUST'2002. Zimní škola JČMF /12./. Hejnice (CZ), 21.01.2002-25.01.2002]
R&D Projects: GA ČR GA201/00/1482
Institutional research plan: AV0Z1030915
Keywords : klasifikační stromy * optimální algoritmy * generalizační vlastnosti * Occamova břitva
Subject RIV: BA - General Mathematics
Permanent Link: http://hdl.handle.net/11104/0125079 - 7.0404736 - UIVT-O 20020070 DE eng V - Research Report
Holeňa, Martin
Description Language for Catalyst Search with Evolutionary Methods.
Berlin: Institute für Angewandte Chemie, 2002. 11 s. Technical Report.
Institutional research plan: AV0Z1030915
Keywords : genetické algoritmy
Subject RIV: BA - General Mathematics
Permanent Link: http://hdl.handle.net/11104/0124974 - 8.0399544 - ÚI 2014 RIV CZ cze K - Conference Paper (Czech conference)
Neruda, Roman
Přírodou inspirované prohledávací algoritmy a jejich aplikace.
[Nature inspired search algorithms and their applications.]
Analýza dat 2013. Statistické metody pro technologii a výzkum. Pardubice: TriloByte Statistical Software, 2013 - (Kupka, K.), s. 69-80. ISSN 1805-6903.
[Analýza dat 2013. Statistické metody pro technologii, kvalitu a výzkum. Pardubice (CZ), 19.11.2013-21.11.2013]
R&D Projects: GA MŠMT(CZ) LD13002
Institutional support: RVO:67985807
Keywords : evoluční algoritmy * genetické prohledáváni * rojové algoritmy * neuroevoluce
Subject RIV: IN - Informatics, Computer Science
Permanent Link: http://hdl.handle.net/11104/0226819 - 9.0371603 - ÚI 2012 CZ cze V - Research Report
Lukšan, Ladislav
Numerické optimalizační metody. Nepodmíněná minimalizace.
Prague: ICS AS CR, 2011. 420 s. Technical Report, V-1152.
R&D Projects: GA ČR GA201/09/1957
Institutional research plan: CEZ:AV0Z10300504
Keywords : numerická optimalizace * nelineární aproximace * systémy nelineárních rovnic * algoritmy
Subject RIV: BA - General Mathematics
http://www.cs.cas.cz/luksan/lekce4.pdf
Permanent Link: http://hdl.handle.net/11104/0205080File Download Size Commentary Version Access v1152-11version2017.pdf 16 3.5 MB version 2017 Other open-access V1152-11-version2015.pdf 18 3 MB version 2015 Other open-access - 10.0346767 - ÚI 2011 CZ cze V - Research Report
Lukšan, Ladislav
Numerické optimalizační metody. Nepodmíněná minimalizace.
Prague: ICS AS CR, 2009. 379 s. Technical Report, V-1058.
R&D Projects: GA ČR GA201/09/1957
Institutional research plan: CEZ:AV0Z10300504
Keywords : numerická optimalizace * nelineární aproximace * systémy nelineárních rovnic * algoritmy
Subject RIV: BA - General Mathematics
Permanent Link: http://hdl.handle.net/11104/0187699File Download Size Commentary Version Access v1058-09.pdf 21 1.8 MB Other open-access