1. Úvod do genetických algoritmů (GA)

Rozměr: px
Začít zobrazení ze stránky:

Download "1. Úvod do genetických algoritmů (GA)"

Transkript

1 Obsah 1. Úvod do genetických algoritmů (GA) Základní informace Výstupy z učení Základní pomy genetických algoritmů Úvod Základní pomy Operátor selekce Křížení Mutace Úlohy GA GA souhrn Souvislost GA a Seznam použité literatury... 7

2 1. Úvod do genetických algoritmů (GA) 1.1 Základní informace ásleduící text e součástí učebních textů předmětu Umělá inteligence a e určen hlavně pro studenty Matematické biologie. Tato kapitola se zabývá základními pomy z oblasti genetických algoritmů a přibližue postupy obecně používané při eich realizaci. 1.2 Výstupy z učení Zvládnutí učebního textu umožní studentům: Porozumět základním pomům ako edinec, populace, účelová funkce, fitness edince Pochopit operace používané při realizaci genetických algoritmů - selekce, křížení, mutace Seznámit se s vybranými selekčními metodami, budou schopni e navzáem porovnat Pochopit souvislost GA s algoritmy používanými v 1.3 Základní pomy genetických algoritmů Úvod Genetické algoritmy patří mezi nepříliš asně omezenou, rozsáhlou třídu algoritmů umělé inteligence, která e inspirována biologií. GA obvykle slouží k řešení optimalizačních úloh. Podobně ako se uplatňuí v takových oblastech, kde e nalezení řešení definovaného problému analyticky obtížné, či nedostupné. Velmi stručně a zednodušeně poznameneme, že vlastnosti všech vyšších živých organizmů sou zakódovány v genetické informaci uložené v sadě buněčných struktur aderných chromozomů. Chromozomy obsahuí genetickou informaci vyádřenou v řetězci DA. a tomto řetězci můžeme identifikovat ednotlivé úseky, logické funkční celky, které se nazývaí geny. Opět s istým zednodušením můžeme říci, že konkrétní podoby genů (alely) a eich kombinace, odpovídaí za to, aké vlastnosti bude mít konkrétní edinec. Dle Darwinovy evoluční teorie pak edinci, kteří sou nelépe přizpůsobení svými vlastnostmi prostředí (maí vhodný fenotyp), přežívaí a rozmnožuí se. V průběhu mnoha generací pak evoluční tlak vede k výběru v daném prostředí neúspěšněší populace. GA e rodina poměrně mladých algoritmů, která se uplatňue cca od 60. let dvacátého století a využívá výše zmíněné poznatky biologie. Konkrétně, ak už z eich názvu vyplývá, se edná o oblast genetiky a evoluční teorie Základní pomy Mezi základní pomy GA patří edinec. Ten e v GA v souladu s biologickou analogií popsán sadou svých chromosomů a konkrétním obsahem ednotlivých genů. Konkrétní reprezentace edince může být v GA představována ediným (haploidní edinec) řetězcem (polem) číselných hodnot, kde konkrétní pozice v tomto řetězci odpovídá konkrétnímu genu a hodnota v tomto poli pak zprostředkovaně určue vlastnost daného edince. Číselné hodnoty nečastěi implementueme z důvodu ednoduchosti práce s nimi ako binární, ale mohou obecně nabývat reálných hodnot. Jedince v GA můžeme tedy za použití binárních hodnot popsat ako řetězec (1),,..., 0, k 2 1 k 1

3 Populace e pak tvořena sadou edinců (2) Aktuální populaci edinců nazýváme generací. Účelová funkce f () provádí mapování z prostoru binárního genotypu do prostoru reálných čísel. Každý edinec se tedy proevue prostřednictvím hodnoty své účelové funkce, která modelue prostředí. Jeí hodnota e analogií fenotypu a provádí transformaci (3) Platí, že čím e hodnota účelové funkce nižší, tím e daný edinec optimálněší v kontextu daného konkrétního řešeného problému. Jedinec s minimální hodnotou účelové funkce tedy představue nevhodněší aktuálně známé řešení daného problému. Účelová funkce e tedy kriteriem, které odhadue blízkost daného edince k řešení (edinci) optimálnímu a které se snažíme minimalizovat. V e analogickým minimalizačním procesem hledání optimálních hodnot vah sítě v průběhu adaptační dynamiky minimalizace chybové funkce sítě. Každého edince v populaci tedy můžeme ohodnotit dle eho potenciálu, kondici k přežití vůči ostatním, dle eho výhodnosti vzhledem k prostředí. Fitness edince e zobrazení F() (4) Z praktických důvodů e vhodné zavést normalizaci tak, aby hodnota fitness byla v intervalu (0,1), zavádíme tedy renormalizovanou fitness, kde platí: (5) P, 1 2,..., 0,1 k R P n F( ) P i f F F 0 : f P F( ) 1 F( i) F( ) (6) eednodušším způsobem, ak vyčíslit fitness edince e provést lineární interpolaci ednotlivých bodů fitness z účelové funkce f -> F 1 F( ) 1 f ( ) fmin f f f min max, kde e hodnota blízká nule. max

4 (7) Řešení úlohy pomocí GA vypadá rámcově tak, že máme k dispozici počáteční populaci edinců, představuící několik prvků z prostoru řešení. Abychom byli schopni prozkoumat pokud možno co neširší oblast řešení, musíme mít k dispozici možnost vytvářet edince nové, necháme tedy stávaící populaci rozmnožit a vygenerueme tak populaci novou představuící další prvky z prostoru řešení. Celý prostor možných řešení ale ve většině případů vzhledem k eho velkým rozměrům vygenerovat a vyhodnotit nelze. Proto nenecháme rozmnožovat všechny edince, ale pouze edince nenaděněší z pohledu fitness. Ostatní edinci s nižší hodnotou fitness se zpravidla nerozmnožuí a umíraí. Je tak vytvořena populace nová, která e představována potomky z populace předcházeící. Celková velikost populace zůstává zpravidla konstantní. Řešení či skupina možných řešení úlohy pomocí GA e tedy představováno hledáním takových edinců, kteří maí z pohledu daného problému optimální vlastnosti. Je zřemé, že GA musí mít možnost generovat nové edince a vybírat z nich ty nelepší. K tomu slouží operátory (křížení, mutace, selekce), které sou blíže popsané v dalších podkapitolách Operátor selekce Operátor selekce slouží k výběru edinců, kteří sou v populaci zvoleni k dalšímu rozmnožování. Existue celá řada algoritmů, které většinou pracuí s fitness edince. Hlavní metody pro výběr edinců sou uvedeny dále Ruletová selekce Pravděpodobnost výběru i-tého edince z populace o edincích e Fi p ( i) F (8) Očekávaná hodnota výběru edince e rovna podílu kvality daného edince vůči průměrnému edinci v populaci (aritmetickému průměru) Fi * Fi EV ( i) F F (9) Očekávaná hodnota výběru edince e tedy úměrná eho kvalitám vyádřeným Fitness funkcí vůči zbytku populace. Tento algoritmus tedy při výběru edinců od začátku silně preferue elitněší edince. Algoritmus rychle konvergue k řešení, ale preferováním elitních edinců může algoritmus současně během své přímé cesty prostorem možných řešení uváznout v lokálním minimu Seřaďovací metoda Jedince v populaci seřadíme vzestupně podle hodnoty eich fitness funkce. Posledního -tého edince ohodnotíme hodnotou H > 0. H = EV() (10)

5 Očekávanou hodnotu ostatních edinců v populaci určíme dle vztahu i 1 EV ( i) D ( H D) 1, kde D = EV(1) prvního edince v řadě. (11) Očekávaná hodnota výběru tak závisí pouze na pozici edince v realizovaném seřazení. Snahou e zabránit předchozímu případu (ruletová selekce), kdy dochází s vysokou pravděpodobností k selekci pouze několika málo elitních edinců a mohlo tak doít k nedostatečnému prozkoumání prostoru řešení. evýhodné zde naopak může být, že uvedeným mapováním pouze na pozici v řadě ztrácíme informaci o skutečné kvalitě edince Selekce lineárním a exponenciálním výběrem Tyto způsoby selekce vyžaduí populaci o edincích seřazených od nehoršího edince k nelepšímu dle hodnoty fitness. Pravděpodobnost výběru i-tého edince zde pak závisí pouze na pozici (indexu i) edince v daném seřazení. Tato závislost e buď lineární 1 i 1 p( i) ( n ( n n )) 1, kde poměr n - / respektive n + / e pravděpodobnost výběru nehoršího, respektive nelepšího edince. (12) nebo exponenciální p ( i) (13) Základ exponentu c se volí z intervalu (0,1). Změnou tohoto parametru lze zvyšovat či snižovat selektivitu algoritmu a vytvářet tak rozdílný populační tlak na výběr edinců. Selekční algoritmus s exponenciálním výběrem patří mezi algoritmy v praxi často používané Boltzmanův výběr Boltzmanův výběr představue analogii se simulovaným žíháním, se kterým sme se setkali v Boltzmanově stroi. Pracue tedy s proměnnou nazývanou teplotou T. Proměnná T se mnění v čase, respektive se mění v průběhu ednotlivých generací populací edinců. V počátku e opět teplota nastavena ako vysoká a postupně klesá k nule. Tím se postupně zvyšue selekční tlak a při nízké teplotě, tedy ke konci algoritmu, iž necháváme rozmnožovat en nelepší edince. Smysl algoritmu e stený, ako v případě Boltzmanova stroe tedy omezení pravděpodobnosti uváznutí v lokálním minimu a větší pravděpodobnost dosažení minima globálního, zde ve smyslu účelové funkce. EV ( i) (14) c i c Fi e F

6 Další typy selekce Předcházeící metody selekce předpokládali, že e vždy v každé nové generaci vytvořena populace nová a rodičovská populace zaniká. emusí tomu tak ale vždy, zmiňme stručně alespoň některé z dalších metod. Metoda turnaového výběru má více variant, například náhodně vybereme dva edince a lepší z nich postoupí do reprodukce. ení tedy nutné vyhodnocovat a porovnávat charakteristiky všech edinců současně. Další možností metody selekce e elitismus, který zachovává nelepší edince. eúspěšněší edinci dané generace neumíraí, ale sou přeneseni spolu s potomky do generace následuící. Jinou metodou selekce e ořezávání, kdy e populace rozdělena na dvě či více částí a do reprodukce postupuí pouze edinci z úspěšněší skupiny. Další alternativou e náhodný výběr, kdy sou edinci vybíráni naprosto náhodně Křížení Operátor selekce dokáže ve stávaící generaci populace nalézt ty, kteří se maí rozmnožovat a vytvořit tak populaci novou. Máme tedy k dispozici edince, představuící rodiče. Operátor křížení vygenerue eich potomky. ečastěší e ednobodové křížení dvou rodičů, kdy si rodiče od určitého náhodného genu (pozice v řetězci) zbývaící část řetězce vymění, ( ) X ( ) => ( ) a ( ). Dále obvykle rozhodneme, zda postoupí do další generace oba potomci, nebo například en ten lepší. Operátor křížení opět existue v celé řadě variant, kdy může docházet i k vícebodovému křížení i mezi více než dvěma rodiči. ebo mohou někteří rodiče postoupit bez rozmnožování přímo do další generace, ak bylo zmíněno v selekci elitismem Mutace Operátor mutace zavádí podobně ako v přírodě do rozmnožování prvek náhody a umožňue tak uniknout z lokálního minima, pokud se mutace ukáže ako výhodná. Mutace e většinou realizována ako ednobodová, kdy e s určitou pravděpodobností náhodně provedena změna obsahu ednoho genu ( ) X ( ) => ( ) a ( ). Mutace vlastně představue pokus o úkrok stranou, kde se zmutovaný edinec vyskytue pravděpodobně mimo dosud prozkoumávanou oblast prostoru řešení. Jsou tak prověřeny i nové možnosti a prostor řešení e prozkoumáván do větší šířky s ohledem na snahu nalezení globálního minima. 1.4 Úlohy GA GA souhrn Typické kroky GA lze shrnout následovně: 1. Inicializace populace, kódování a nastavení parametrů edinců. První generace. 2. Ohodnocení populace, definice kritérií pro edince. Výpočet fitness. 3. Selekce edinců k reprodukci. 4. Křížení rodičovských edinců, vytvoření potomků. Výběr potomků pro příští generaci. 5. Mutace některých edinců v nové populaci.

7 6. Vyhodnocení edinců nové populace, zda některý není řešením. Ano = konec. 7. Pokud není, pak pokraču bodem 2 pro novou populaci. Genetické algoritmy sou vhodné pro úlohy, které sou inými prostředky obtížně řešitelné analyticky. Jeich implementace bývá relativně ednoduchá, nicméně často vyžaduí mnoho stroového času a operační paměti. Velkou implementační výhodou GA e možnost eich snadné paralelizace na více výpočetních ednotkách. GA vždy dosáhnou něakého řešení, otázkou e, zda bude dostatečně kvalitní, záruka eho optimálnosti neexistue. Lze zde pozorovat istý rozdíl od klasických algoritmů, které při hledání řešení postupuí gradientními metodami, v zásadě tedy v ednom pravděpodobně nesprávněším směru dle hodnoty gradientu chybové funkce. GA oproti tomu prozkoumávaí širší oblast řešení a operátor mutace umožňue prozkoumat i řešení zcela mimo aktuální lokální minimum. GA zpravidla rychle konverguí k nalezení konkrétního suboptimálního řešení, ale další zpřesňování k nalezení optimálního řešení v této prohledávané oblasti bývá pomalé. Proto se často používaí tzv. hybridní algoritmy, kdy e neprve použit GA a optimální řešení e pak prohledáváno lokálně gradientní metodou Souvislost GA a GA lze s úspěchem použít i pro optimalizaci neuronových sítí. ečastěi se GA uplatňuí v procesu organizační a adaptační dynamiky, kdy GA optimalizuí topologii, respektive váhy neuronové sítě. GA mohou být ve fázi organizační dynamiky používány při nalezení optimálního počtu neuronů, eich parametrů, uspořádání do vrstev a spoů. Obvykle algoritmy vycházeí buď z minimální struktury sítě a postupně přidávaí další neurony, nebo e postup opačný a počáteční komplexní síť e postupně při zachování výkonnostních parametrů zednodušována. Realizace GA e ve fázi organizační dynamiky s ohledem na nutnost prověření velkého množství komplexních edinců výpočetně velmi náročná a vyžadue nemalé systémové prostředky. Každý edinec e zde představován komplexní topologickou strukturou a i eho samotné prověření a ohodnocení fitness není triviální. Ve fázi adaptační dynamiky e topologie sítě neměnná, GA hledá optimální nastavení hodnot vah ednotlivých neuronů. Váhy mohou být reprezentovány ako reálné hodnoty, ale obvykle sou kódovány ako binární, což vede na ednodušší realizaci GA. evýhodou e, že sme schopni při dané délce řetězce popisuícího edince zachytit pouze omezený počet hodnot vah, což nemusí být dostatečné. Prodlužováním řetězce lze eich hodnoty zpřesňovat, nicméně eich prodlužování významně zpomalí GA. GA e možné použít i současně ak ve fázi adaptační, tak organizační dynamiky. Přínosněší se eví použití GA i přes eich náročnost ve fázi dynamiky organizační, protože GA sou schopny nalézt při zachování výkonnostních parametrů síť s co možná neednodušší a neoptimálněší strukturou. Pro adaptaci vah sítě máme mimo GA k dispozici například gradientní backpropagation algoritmus, který e mnohem méně výpočetně náročný a přes nebezpečí uváznutí v lokálních minimech přináší většinou uspokoivé výsledky. 1.5 Seznam použité literatury [1] Šíma, J., eruda, R.: Teoretické otázky neuronových sítí, MATFYZPRESS, 1996, ISB [2] Volná, E.: euronové sítě 2. Skripta Ostravská universita v Ostravě, Ostrava, 2008.

8 [3] V. Kvasnička, L. Beňušková, J. Pospíchal, I. Farkaš, P. Tiňo, and A. Kráľ. Úvod do teórie neurónových sietí, IRIS, Bratislava, 1997, ISB [4] PAVLOVIČ, Jan. Multikriteriální hybridní evoluční algoritmy pro výběr a optimalizaci dekontaminačních technologií, Rigorózní práce, Masarykova univerzita,

Genetické algoritmy a jejich praktické využití

Genetické algoritmy a jejich praktické využití Genetické algoritmy a jejich praktické využití Pavel Šturc PB016 Úvod do umělé inteligence 21.12.2012 Osnova Vznik a účel GA Princip fungování GA Praktické využití Budoucnost GA Vznik a účel GA Darwinova

Více

Genetické algoritmy. Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/

Genetické algoritmy. Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Genetické algoritmy Jiří Vomlel Laboratoř inteligentních systémů Vysoká škola ekonomická Praha Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Motivace z Darwinovy teorie evoluce Přírodní

Více

2. RBF neuronové sítě

2. RBF neuronové sítě 2. RBF neuronové sítě Kapitola pojednává o neuronových sítích typu RBF. V kapitole je popsána základní struktura tohoto typu neuronové sítě. Poté následuje definice a charakteristika jednotlivých radiálně

Více

GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS. Roman Biskup, Anna Čermáková

GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS. Roman Biskup, Anna Čermáková GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS Roman Bisup, Anna Čermáová Anotace: Příspěve se zabývá prezentací principů učení jednoho onrétního typu neuronových sítí. Cílem práce

Více

VYUŽITÍ NEURONOVÝCH SÍTÍ PROSTŘEDÍ MATLAB K PREDIKCI HODNOT NÁKLADŮ PRO ELEKTRICKÉ OBLOUKOVÉ PECE

VYUŽITÍ NEURONOVÝCH SÍTÍ PROSTŘEDÍ MATLAB K PREDIKCI HODNOT NÁKLADŮ PRO ELEKTRICKÉ OBLOUKOVÉ PECE VYUŽITÍ NEURONOVÝCH SÍTÍ PROSTŘEDÍ MATLAB K PREDIKCI HODNOT NÁKLADŮ PRO ELEKTRICKÉ OBLOUKOVÉ PECE V. Hon VŠB TU Ostrava, FEI, K455, 17. Listopadu 15, Ostrava Poruba, 70833 Abstrakt Neuronová síť (dále

Více

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÝCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER SYSTEMS GENEROVÁNÍ MATEMATICKÝCH

Více

Gramatická evoluce a softwarový projekt AGE

Gramatická evoluce a softwarový projekt AGE Gramatická evoluce a softwarový projekt AGE Adam Nohejl Matematicko-fyzikální fakulta Univerzita Karlova v Praze http://nohejl.name/ 4. 4. 2010 Poznámka: Prezentace založené na variantách těchto slajdů

Více

DETEKCE DISKREDIBILITY SENZORU U KOTLE NA BIOMASU OPTIMALIZAČNÍMI ALGORITMY

DETEKCE DISKREDIBILITY SENZORU U KOTLE NA BIOMASU OPTIMALIZAČNÍMI ALGORITMY DETEKCE DISKREDIBILITY SENZORU U KOTLE NA BIOMASU OPTIMALIZAČNÍMI ALGORITMY Ing. D. Klimánek *, Doc. Ing. B. Šulc, Csc. *, Ing. J. Hrdlička ** * Ústav řídicí a přístrojové techniky, FS ČVUT v Praze, Technická

Více

Masarykova univerzita. Fakulta informatiky. Evoluce pohybu

Masarykova univerzita. Fakulta informatiky. Evoluce pohybu Masarykova univerzita Fakulta informatiky Evoluce pohybu IV109 Tomáš Kotula, 265 287 Brno, 2009 Úvod Pohyb je jedním ze základních projevů života. Zdá se tedy logické, že stejně jako ostatní vlastnosti

Více

-dědičnost= schopnost rodičů předat vlastnosti v podobě vloh potomkům

-dědičnost= schopnost rodičů předat vlastnosti v podobě vloh potomkům Otázka: Molekulární základy dědičnosti Předmět: Biologie Přidal(a): KatkaS GENETIKA =dědičnost, proměnlivost organismu -dědičnost= schopnost rodičů předat vlastnosti v podobě vloh potomkům -umožní zachovat

Více

OBSAH 1 Pøedmluva 19 2 Evoluèní algoritmy: nástin 25 2.1 Centrální dogma evoluèních výpoèetních technik... 26 2.2 Chcete vìdìt víc?... 29 3 Historická fakta trochu jinak 31 3.1 Pár zajímavých faktù...

Více

Jednotlivé historické modely neuronových sítí

Jednotlivé historické modely neuronových sítí Jednotlivé historické modely neuronových sítí Tomáš Janík Vícevrstevná perceptronová síť opakování Teoretický model obsahue tři vrstvy perceptronů; každý neuron první vrstvy e spoen s každým neuronem z

Více

Vizualizace vybraných metod strojového

Vizualizace vybraných metod strojového Masarykova univerzita Fakulta informatiky Vizualizace vybraných metod stroového učení Diplomová práce Brno, duben 2002 Bc. Petr Marťán Čestné prohlášení Prohlašui, že tato práce e mým původním autorským

Více

Genetický polymorfismus

Genetický polymorfismus Genetický polymorfismus Za geneticky polymorfní je považován znak s nejméně dvěma geneticky podmíněnými variantami v jedné populaci, které se nachází v takových frekvencích, že i zřídkavá má frekvenci

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND

Více

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR EVOLUČNÍ NÁVRH A OPTIMALIZACE APLIKAČNĚ SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR Miloš Minařík DVI4, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení

Více

ŠKOLNÍ VZDĚLÁVACÍ PROGRAM

ŠKOLNÍ VZDĚLÁVACÍ PROGRAM Vyučovací předmět : Období ročník : Učební texty : Přírodopis 3. období 9. ročník Danuše Kvasničková, Ekologický přírodopis pro 9. ročník ZŠ a nižší ročníky víceletých gymnázií, nakl. Fortuna Praha 1998

Více

Základní škola a Mateřská škola G.A.Lindnera Rožďalovice. Za vše mohou geny

Základní škola a Mateřská škola G.A.Lindnera Rožďalovice. Za vše mohou geny Základní škola a Mateřská škola G.A.Lindnera Rožďalovice Za vše mohou geny Jméno a příjmení: Sandra Diblíčková Třída: 9.A Školní rok: 2009/2010 Garant / konzultant: Mgr. Kamila Sklenářová Datum 31.05.2010

Více

OCHRANA VOJENSKÝCH OBJEKTŮ PROTI ÚČINKŮM VÝKONOVÝCH ELEKTROMAGNETICKÝCH POLÍ, SIMULACE EMC FILTRŮ

OCHRANA VOJENSKÝCH OBJEKTŮ PROTI ÚČINKŮM VÝKONOVÝCH ELEKTROMAGNETICKÝCH POLÍ, SIMULACE EMC FILTRŮ OCHRANA VOJENSKÝCH OBJEKTŮ PROTI ÚČINKŮM VÝKONOVÝCH ELEKTROMAGNETICKÝCH POLÍ, SIMULACE EMC FILTRŮ Anotace: Ing. Zbyněk Plch VOP-026 Šternberk s.p., divize VTÚPV Vyškov Zkušebna elektrické bezpečnosti a

Více

Neuropočítače. podnět. vnímání (senzory)

Neuropočítače. podnět. vnímání (senzory) Neuropočítače Princip inteligentního systému vnímání (senzory) podnět akce (efektory) poznání plánování usuzování komunikace Typické vlastnosti inteligentního systému: schopnost vnímat podněty z okolního

Více

Přírodou inspirované metody umělé inteligence

Přírodou inspirované metody umělé inteligence Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Nové Hrady, červenec 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělá inteligence 2 přístupy

Více

GENETIKA V MYSLIVOSTI

GENETIKA V MYSLIVOSTI GENETIKA V MYSLIVOSTI Historie genetiky V r. 1865 publikoval Johann Gregor Mendel výsledky svých pokusů s hrachem v časopisu Brněnského přírodovědeckého spolku, kde formuloval principy přenosu vlastností

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÝCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER SYSTEMS SOUBĚŽNÉ UČENÍ V

Více

Analytické programování v C#

Analytické programování v C# Analytické programování v C# Analytic programming in C# Bc Eva Kaspříková Diplomová práce 2008 UTB ve Zlíně, Fakulta aplikované informatiky, 2008 4 ABSTRAKT Analytické programování je metoda, která generuje

Více

Fakulta informačních technologií. Zbyšek Gajda

Fakulta informačních technologií. Zbyšek Gajda Vysoké učení technické v Brně Fakulta informačních technologií ROČNÍKOVÝ PROJEKT Zbyšek Gajda květen 2004 Abstrakt Předkládaná práce se zabývá evolučním uměním. K tomu jsou využity techniky genetického

Více

Obsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3

Obsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3 UMÌLÁ INTELIGENCE V PROBLÉMECH GLOBÁLNÍ OPTIMALIZACE Ivan Zelinka Praha 2002 Tato publikace vznikla za podpory grantù MŠM 26500014, GAÈR 102/00/0526 a GAÈR 102/02/0204 Kniha seznamuje ètenáøe se dvìma

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

Více

S v a z c h o v a t e l ů k o n í K i n s k ý c h

S v a z c h o v a t e l ů k o n í K i n s k ý c h ZBARVENÍ A DĚDIČNOST BARVY U KINSKÉHO KONĚ Prof. Ing. Václav Jakubec, DrSc., Česká zemědělská univerzita, Praha, Česká republika Dr. Monika Reissmann, Humboldt-Universität zu Berlin, Německo Ing. Josef

Více

Výukový materiál zpracovaný v rámci projektu Výuka modern

Výukový materiál zpracovaný v rámci projektu Výuka modern St ední pr myslová škola strojnická Olomouc, t. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka modern Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 P írodov dné

Více

Tabulka. Datová struktura, která umožňuje vkládat a později vybírat informace podle identifikačního klíče. Mohou být:

Tabulka. Datová struktura, která umožňuje vkládat a později vybírat informace podle identifikačního klíče. Mohou být: ADT Tabulka Datová struktura, která umožňuje vkládat a později vybírat informace podle identifikačního klíče. Mohou být: pevně definované (LUT Look Up Table) s proměnným počtem položek Konvence: Tabulka

Více

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová

Více

Výukový materiál zpracován v rámci projektu EU peníze školám

Výukový materiál zpracován v rámci projektu EU peníze školám http://vtm.zive.cz/aktuality/vzorek-dna-prozradi-priblizny-vek-pachatele Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Mgr. Eva Strnadová. Dostupné z Metodického portálu www.rvp.cz ;

Více

EVA VOLNÁ MARTIN KOTYRBA MICHAL JANOŠEK VÁCLAV KOCIAN

EVA VOLNÁ MARTIN KOTYRBA MICHAL JANOŠEK VÁCLAV KOCIAN Doc. RNDr. PaedDr. Eva Volná, PhD. RNDr. Martin Kotyrba, Ph.D. RNDr. Michal Janošek, Ph.D. Mgr. Václav Kocian UMÌLÁ INTELIGENCE Rozpoznávání vzorù v dynamických datech Praha 2014 Anotace: Cílem knihy je

Více

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry. Kapitola Ohodnocené grafy V praktických aplikacích teorie grafů zpravidla graf slouží jako nástroj k popisu nějaké struktury. Jednotlivé prvky této struktury mají často přiřazeny nějaké hodnoty (může jít

Více

Těsně před infarktem. Jak předpovědět infarkt pomocí informatických metod. Jan Kalina, Marie Tomečková

Těsně před infarktem. Jak předpovědět infarkt pomocí informatických metod. Jan Kalina, Marie Tomečková Těsně před infarktem Jak předpovědět infarkt pomocí informatických metod Jan Kalina, Marie Tomečková Program, osnova sdělení 13,30 Úvod 13,35 Stručně o ateroskleróze 14,15 Měření genových expresí 14,00

Více

Katedra textilních materiálů ENÍ TEXTILIÍ PŘEDNÁŠKA 6

Katedra textilních materiálů ENÍ TEXTILIÍ PŘEDNÁŠKA 6 PŘEDNÁŠKA 6 P l () l f ( l) dl = 1 f ( l) dl = 1 F( l) = l max 0 l Definice: Délka vlákna e definována ako vzdálenost konců napřímeného vlákna bez obloučků a bez napětí. Délka vlákna e zatížena vysokou

Více

Fakulta přírodovědně-humanitní a pedagogická. Okruhy otázek pro státní závěrečné zkoušky. Bakalářské studium

Fakulta přírodovědně-humanitní a pedagogická. Okruhy otázek pro státní závěrečné zkoušky. Bakalářské studium Fakulta přírodovědně-humanitní a pedagogická Okruhy otázek pro státní závěrečné zkoušky Bakalářské studium Informatika se zaměřením na vzdělávání Bc. Matematika: Funkce, její průběh a vlastnosti. Popisná

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) Tematická Odborná biologie, část biologie Společná pro

Více

RURGenetika zápočtový program Programování II

RURGenetika zápočtový program Programování II RURGenetika zápočtový program Programování II Rudolf Rosa cvičící: Doc. RNDr. Pavel Töpfer, CSc. Obsah Specifikace...1 Původní specifikace...1 Upravená specifikace...2 Program...3 třída Populace...4 Datové

Více

UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást

Více

Genetický pokrok České PIC zajišťuje PN Náhlov

Genetický pokrok České PIC zajišťuje PN Náhlov Genetický pokrok České PIC zajišťuje PN Náhlov ing. Lumír Boščík Humpolec (říjen 2014) Never Stop Improving Genetický pokrok Minulost ve šlechtění prasat PIC Současnost ve šlechtění prasat PIC Využití

Více

Genetické mapování. v přírodních populacích i v laboratoři

Genetické mapování. v přírodních populacích i v laboratoři Genetické mapování v přírodních populacích i v laboratoři Funkční genetika Cílem je propojit konkrétní mutace/geny s fenotypem Vzniklý v laboratoři pomocí mutageneze či vyskytující se v přírodě. Forward

Více

PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES

PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES Zdeněk Píšek 1 Anotace: Příspěvek poednává o základních aspektech a prvcích plánování taktových ízdních řádů a metod, kterých se

Více

Jak pokračovat dále v chovu leopardího psa I. Kritéria výběru správného partnera

Jak pokračovat dále v chovu leopardího psa I. Kritéria výběru správného partnera Jak pokračovat dále v chovu leopardího psa I. Kritéria výběru správného partnera Jarní klubová výstava (viz článek.) nás přiměla k zamyšlení nad tím, jak vlastně dál v chovu leopardů pokračovat a co doporučit

Více

Populační genetika II

Populační genetika II Populační genetika II 4. Mechanismy měnící frekvence alel v populaci Genetický draft (genetické svezení se) Genetický draft = zvýšení frekvence alely díky genetické vazbě s výhodnou mutací. Selekční vymetení

Více

BAKALÁŘSKÁ PRÁCE. Numerické metody jednorozměrné minimalizace

BAKALÁŘSKÁ PRÁCE. Numerické metody jednorozměrné minimalizace UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Numerické metody jednorozměrné minimalizace Vedoucí bakalářské práce: RNDr. Horymír

Více

Přehled příčin onemocnění a poruch z pohledu rozdílných terapeutických postupů a teoretických přístupů odborná úvaha, MUDr.

Přehled příčin onemocnění a poruch z pohledu rozdílných terapeutických postupů a teoretických přístupů odborná úvaha, MUDr. 1 Přehled příčin onemocnění a poruch z pohledu rozdílných terapeutických postupů a teoretických přístupů odborná úvaha, MUDr. Petr Kolátor Abstrakt: Článek předkládá praktické rozdělení příčin onemocnění

Více

Cvičení č. 8. KBI/GENE Mgr. Zbyněk Houdek

Cvičení č. 8. KBI/GENE Mgr. Zbyněk Houdek Cvičení č. 8 KBI/GENE Mgr. Zbyněk Houdek Genové interakce Vzájemný vztah mezi geny nebo formami existence genů alelami. Jeden znak je ovládán alelami působícími na více lokusech. Nebo je to uplatnění 2

Více

MEZINÁRODNÍ AUDITORSKÝ STANDARD ISA 530 VÝBĚR VZORKŮ

MEZINÁRODNÍ AUDITORSKÝ STANDARD ISA 530 VÝBĚR VZORKŮ MEZINÁRODNÍ AUDITORSKÝ STANDARD VÝBĚR VZORKŮ (Účinný pro audity účetních závěrek sestavených za období počínající 15. prosincem 2009 nebo po tomto datu) OBSAH Odstavec Úvod Předmět standardu... 1 2 Datum

Více

Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018. 4. Komplexní čísla

Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018. 4. Komplexní čísla Moderní technologie ve studiu aplikované fyiky CZ.1.07/..00/07.0018 4. Komplexní čísla Matematickým důvodem pro avedení komplexních čísel ( latinského complexus složený), byla potřeba rošířit množinu (obor)

Více

Implementace algoritmu matching pursuit pomocí genetických algoritmů

Implementace algoritmu matching pursuit pomocí genetických algoritmů Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky Bakalářská práce Implementace algoritmu matching pursuit pomocí genetických algoritmů Plzeň, 2012 Vít Bábel

Více

Genetika pohlaví genetická determinace pohlaví

Genetika pohlaví genetická determinace pohlaví Genetika pohlaví Genetická determinace pohlaví Způsoby rozmnožování U nižších organizmů může docházet i k ovlivnění pohlaví jedince podmínkami prostředí (např. teplotní závislost pohlavní determinace u

Více

Zvyšování kvality výuky technických oborů

Zvyšování kvality výuky technických oborů Zvyšování kvality výuky technických oborů Klíčová aktivita V.2 Inovace a zkvalitnění výuky směřující k rozvoji odborných kompetencí žáků středních škol Téma V.2.18 Dřeviny Kapitola 2 Rozmnožování rostlin

Více

Heuristiky UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY. Vypracovala:

Heuristiky UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY. Vypracovala: UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Heuristiky Vedoucí bakalářské práce: Mgr. Jaroslav Marek, Ph.D. Rok odevzdání:

Více

Kapitola 10: Diskové a souborové struktury. Klasifikace fyzických médií. Fyzická média

Kapitola 10: Diskové a souborové struktury. Klasifikace fyzických médií. Fyzická média - 10.1 - Kapitola 10: Diskové a souborové struktury Přehled fyzických ukládacích médií Magnetické disky RAID (Redundant Array of Inexpensive Disks) Terciární úložiště Přístup k médiu Souborové organizace

Více

Úvod do molekulové dynamiky simulace proteinů. Eva Fadrná evaf@chemi.muni.cz

Úvod do molekulové dynamiky simulace proteinů. Eva Fadrná evaf@chemi.muni.cz Úvod do molekulové dynamiky simulace proteinů Eva Fadrná evaf@chemi.muni.cz Molekulová mechanika = metoda silového pole = force field Energie vypočtená řešením Schrodingerovy rovnice Energie vypočtená

Více

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek

Více

přetrénování = ztráta schopnosti generalizovat vlivem přílišného zaměření klasifikátorů na rozeznávání pouze konkrétních trénovacích dat

přetrénování = ztráta schopnosti generalizovat vlivem přílišného zaměření klasifikátorů na rozeznávání pouze konkrétních trénovacích dat Zkouška ISR 2013 přetrénování = ztráta schopnosti generalizovat vlivem přílišného zaměření klasifikátorů na rozeznávání pouze konkrétních trénovacích dat 1. Rozdílné principy u induktivního a deduktivního

Více

PRINCIPY ŠLECHTĚNÍ KONÍ

PRINCIPY ŠLECHTĚNÍ KONÍ PRINCIPY ŠLECHTĚNÍ KONÍ Úvod Chovatelská práce u koní měla v minulosti velmi vysokou úroveň. Koně sloužili jako vzor, obecná zootechnika a řada dalších chovatelských předmětů byla vyučována právě na koních

Více

Emergence chování robotických agentů: neuroevoluce

Emergence chování robotických agentů: neuroevoluce Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové

Více

6. Kde v DNA nalézáme rozdíly, zodpovědné za obrovskou diverzitu života?

6. Kde v DNA nalézáme rozdíly, zodpovědné za obrovskou diverzitu života? 6. Kde v DNA nalézáme rozdíly, zodpovědné za obrovskou diverzitu života? Pamatujete na to, co se objevilo v pracích Charlese Darwina a Alfreda Wallace ohledně vývoje druhů? Aby mohl mechanismus přírodního

Více

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika? Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/

Více

Semenné sady systém reprodukce a efektivita

Semenné sady systém reprodukce a efektivita Genetika a šlechtění lesních dřevin Semenné sady systém reprodukce a efektivita Doc. Ing. RNDr. Eva Palátová, PhD. Ústav zakládání a pěstění lesů LDF MENDELU Brno Tento projekt je spolufinancován Evropským

Více

GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 12

GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 12 UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 12 Lubomír Vašek Zlín 2013 Tento studijní materiál vznikl za finanční podpory Evropského sociálního fondu (ESF)

Více

Registrace obrazů buněk podle intenzit v obraze

Registrace obrazů buněk podle intenzit v obraze MASARYKOVA UNIVERZITA Fakulta informatiky Registrace obrazů buněk podle intenzit v obraze diplomová práce Ondřej Daněk 20. prosince 2006 Prohlašuji, že tato práce je mým 'původním autorským dílem, které

Více

ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE

ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE Oktavián Strádal 1 Anotace: Článek ukazuje použití metod umělé inteligence

Více

1. generace 2. generace 3. generace I J K F I L

1. generace 2. generace 3. generace I J K F I L GENETIKA A CHOV Základem chovatelské činnosti je volba chovného páru, při kterém vybíráme především podle plemenných znaků obou jedinců. Obecná chovatelská praxe či zásada je spojovat podobné s podobným,

Více

Teoretická rozdělení

Teoretická rozdělení Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické

Více

ŘEŠENÍ PROBLÉMU LOKACE HUBŮ POMOCÍ GENETICKÉHO ALGORITMU SOLVING THE SINGLE ALLOCATION HUB LOCATION PROBLEM USING GENETIC ALGORITHM

ŘEŠENÍ PROBLÉMU LOKACE HUBŮ POMOCÍ GENETICKÉHO ALGORITMU SOLVING THE SINGLE ALLOCATION HUB LOCATION PROBLEM USING GENETIC ALGORITHM ŘEŠENÍ PROBLÉMU LOKACE HUBŮ POMOCÍ GENETICKÉHO ALGORITMU SOLVING THE SINGLE ALLOCATION HUB LOCATION PROBLEM USING GENETIC ALGORITHM Miroslav Slivoně 1 Anotace: Článek je zaměřuje na problém lokace hubů

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0649

Registrační číslo projektu: CZ.1.07/1.5.00/34.0649 Výukový materiál zpracován v rámci projektu EU peníze školám Název školy: Střední zdravotnická škola a Obchodní akademie, Rumburk, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/34.0649

Více

Klasifikace a predikce. Roman LUKÁŠ

Klasifikace a predikce. Roman LUKÁŠ 1/28 Klasfkace a predkce Roman LUKÁŠ 2/28 Základní pomy Klasfkace = zařazení daného obektu do sté skupny na základě eho vlastností Dvě fáze klasfkace: I. Na základě trénovacích vzorů (u nchž víme, do aké

Více

Dědičnost a pohlaví. KBI/GENE Mgr. Zbyněk Houdek

Dědičnost a pohlaví. KBI/GENE Mgr. Zbyněk Houdek Dědičnost a pohlaví KBI/GENE Mgr. Zbyněk Houdek Dědičnost pohlavně vázaná Gonozomy se v evoluci vytvořily z autozomů, proto obsahují nejen geny řídící vznik pohlavních rozdílů i další jiné geny. V těchto

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0649

Registrační číslo projektu: CZ.1.07/1.5.00/34.0649 Výukový materiál zpracován v rámci projektu EU peníze školám Název školy: Střední zdravotnická škola a Obchodní akademie, Rumburk, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/34.0649

Více

Evoluční algoritmy I - poznámky

Evoluční algoritmy I - poznámky Evoluční algoritmy I - poznámky Martin Všetička Knihy Goldberg: Generic algorithms, 89 John Holland - Adaptation in natural and artifical algorithms, 75 a 91. Holland položil základy genetickým algoritmům,

Více

UNIVERZITA KARLOVA V PRAZE 3. LÉKAŘSKÁ FAKULTA (tématické okruhy požadavků pro přijímací zkoušku)

UNIVERZITA KARLOVA V PRAZE 3. LÉKAŘSKÁ FAKULTA (tématické okruhy požadavků pro přijímací zkoušku) UNIVERZITA KARLOVA V PRAZE 3. LÉKAŘSKÁ FAKULTA (tématické okruhy požadavků pro přijímací zkoušku) B I O L O G I E 1. Definice a obory biologie. Obecné vlastnosti organismů. Základní klasifikace organismů.

Více

Poznámky k nutrigenetice

Poznámky k nutrigenetice Poznámky k nutrigenetice Ondřej Šeda Institut klinické a experimentální medicíny, Praha Ústav biologie a lékařské genetiky 1.LF UK a VFN, Praha Research Centre CHUM, Montreal, Canada Nutrigenetika Jednotlivé

Více

1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY

1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY 1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY 1.1 VÝVOJ MECHATRONIKY Ve vývoji mechatroniky lze vysledovat tři období: 1. etapa polovina 70. let, Japonsko, založení nového oboru shrnuje poznatky z mechaniky,

Více

AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU

AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU Luděk Žaloudek Výpočetní technika a informatika, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení

Více

Dědičnost pohlaví Genetické principy základních způsobů rozmnožování

Dědičnost pohlaví Genetické principy základních způsobů rozmnožování Dědičnost pohlaví Vznik pohlaví (pohlavnost), tj. komplexu znaků, vlastností a funkcí, které vymezují exteriérové i funkční diference mezi příslušníky téhož druhu, je výsledkem velmi komplikované série

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ. Katedra inženýrské pedagogiky BAKALÁŘSKÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ. Katedra inženýrské pedagogiky BAKALÁŘSKÁ PRÁCE ČESKÉ VYSOKÉ ČENÍ TEHNKÉ V PZE MSYKŮV ÚSTV VYŠŠÍH STDÍ Katedra inženýrské pedagogiky KÁŘSKÁ PÁE Praha 9 c. Pavel Řezníček ČESKÉ VYSOKÉ ČENÍ TEHNKÉ V PZE MSYKŮV ÚSTV VYŠŠÍH STDÍ Katedra inženýrské pedagogiky

Více

Rozpoznávání captcha obrázků

Rozpoznávání captcha obrázků Rozpoznávání captcha obrázků Tomáš Pop tomas.pop@seznam.cz www.vanocnibesidka.wz.cz Lukáš Bajer bajeluk@matfyz.cz Idea - cíl Captcha bezpečnostní kód, který se opisuje má zabránit automatizovanému využití

Více

MODERNÍ RADIOTECHNIKA Josef Dobeš Václav Žalud MODERNÍ RADIOTECHNIKA Praha 2006 Doc. Ing. Josef Dobeš, CSc. obhájil dizertaèní práci v oboru mikroelektronika na ÈVUT v Praze v roce 1986. V letech 1986

Více

PARLAMENT ČESKÉ REPUBLIKY Poslanecká sněmovna 2008 V. volební období. Vládní návrh. na vydání. zákona zákona o specifických zdravotních službách

PARLAMENT ČESKÉ REPUBLIKY Poslanecká sněmovna 2008 V. volební období. Vládní návrh. na vydání. zákona zákona o specifických zdravotních službách PARLAMENT ČESKÉ REPUBLIKY Poslanecká sněmovna 2008 V. volební období 689 Vládní návrh na vydání zákona zákona o specifických zdravotních službách - 2 - ZÁKON ze dne 2009 o specifických zdravotních službách

Více

V F 2. generaci vznikají rozdílné fenotypy. Stejné zabarvení značí stejný fenotyp.

V F 2. generaci vznikají rozdílné fenotypy. Stejné zabarvení značí stejný fenotyp. Cvičení č. 6: Mendelovy zákony KI/GENE Mgr. Zyněk Houdek Mendelovy zákony Při pohlavním rozmnožování se může z každého rodiče přenést na jeho potomka vždy pouze jediná alela z páru. Vyslovil v roce 1865

Více

Paralelní gramatická evoluce pro optimalizaci elektronických obvodů

Paralelní gramatická evoluce pro optimalizaci elektronických obvodů Paralelní gramatická evoluce pro optimalizaci elektronických obvodů Pavel Ošmera Ústav automatizace a informatiky, fakulta strojního inženýrství Technická 2, 616 69 Brno E-mail: osmera@fme.vutbr.cz Abstrakt

Více

1. 21.2.2012 Klinická genetika genetické poradenství MUDr. Renata Gaillyová, Ph.D.

1. 21.2.2012 Klinická genetika genetické poradenství MUDr. Renata Gaillyová, Ph.D. Plán výuky jarní semestr 2011/2012 LF ošetřovatelství, porodní asistentka presenční forma Velká posluchárna, Komenského náměstí 2 Úterý 10:20-12:00 sudé týdny (první týden je sudý) 1. 21.2.2012 Klinická

Více

TIM - Test pro Identifikaci nadaných žáků v Matematice Kreativita při řešení matematických úloh

TIM - Test pro Identifikaci nadaných žáků v Matematice Kreativita při řešení matematických úloh TIM - Test pro Identifikaci nadaných žáků v Matematice Kreativita při řešení matematických úloh Hynek Cígler, Michal Jabůrek, Dana Juhová, Šárka Portešová, Ondřej Straka Katedra psychologie, Fakulta sociálních

Více

ANOTACE vytvořených/inovovaných materiálů

ANOTACE vytvořených/inovovaných materiálů ANOTACE vytvořených/inovovaných materiálů Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Formát Druh učebního materiálu Druh interaktivity CZ.1.07/1.5.00/34.0722 III/2 Inovace a

Více

PROPUSTNOST ŽELEZNIČNÍ DOPRAVY

PROPUSTNOST ŽELEZNIČNÍ DOPRAVY PROPUSTNOST ŽELEZNIČNÍ DOPRAVY Studijní opora Ing. Josef Bulíček, Ph.D. 2011 Propustnost železniční dopravy OBSAH SEZNAM SYMBOLŮ A ZNAČEK... 4 1 ZÁKLADNÍ DEFINICE A TERMINOLOGIE... 6 1.1 Charakteristika

Více

Degenerace genetického kódu

Degenerace genetického kódu AJ: degeneracy x degeneration CJ: degenerace x degenerace Degenerace genetického kódu Genetický kód je degenerovaný, resp. redundantní, což znamená, že dva či více kodonů může kódovat jednu a tutéž aminokyselinu.

Více

Matematika a ekonomické předměty

Matematika a ekonomické předměty Matematika a ekonomické předměty Bohuslav Sekerka, Soukromá vysoká škola ekonomických studií Praha Postavení matematiky ve výuce Zaměřím se na výuku matematiky, i když jsem si vědom, toho, že by měl být

Více

Projekt č. 3/1999 Snížení rizika vzniku samovznícení uhelné hmoty se zaměřením na indikační a prevenční metody

Projekt č. 3/1999 Snížení rizika vzniku samovznícení uhelné hmoty se zaměřením na indikační a prevenční metody Projekt č. 3/1999 Snížení rizika vzniku samovznícení uhelné hmoty se zaměřením na indikační a prevenční metody Obsah 1. NÁVRH NOVELIZACE VYHLÁŠKY ČBÚ 22/1989 SB. 2 2. SOUHRN TECHNICKÝCH PODMÍNEK PRO ROZHODOVÁNÍ

Více

Petr Chvosta. vlevo, bude pravděpodobnost toho, že se tyč na počátku intervalu τ B nachází nad vpravo

Petr Chvosta. vlevo, bude pravděpodobnost toho, že se tyč na počátku intervalu τ B nachází nad vpravo MOLEKULÁRNÍ MOTORY Petr Chvosta. Automobil v krupobití aneb brzděním k pohybu Uvažme automobil stojící na mírném svahu a bombardovaný rovnoměrně ze všech stran obrovskými kroupami. Svah stoupá směrem doprava

Více

OPONENTSKÝ POSUDEK DIZERTAČNÍ PRÁCE

OPONENTSKÝ POSUDEK DIZERTAČNÍ PRÁCE OPONENTSKÝ POSUDEK DIZERTAČNÍ PRÁCE Uchazeč: MUDr. Ing. Kamil Zeman Pracoviště: Interní kardiologická klinika Fakultní nemocnice Brno, Interní oddělení, Nemocnice ve Frýdku-Místku, p. o. Studijní program:

Více

ZÁKLADY BIOLOGIE a GENETIKY ČLOVĚKA

ZÁKLADY BIOLOGIE a GENETIKY ČLOVĚKA učební texty Univerzity Karlovy v Praze ZÁKLADY BIOLOGIE a GENETIKY ČLOVĚKA Berta Otová Romana Mihalová KAROLINUM Základy biologie a genetiky člověka doc. RNDr. Berta Otová, CSc. MUDr. Romana Mihalová

Více

Gibbsovo samplování a jeho využití

Gibbsovo samplování a jeho využití Gibbsovo samplování a jeho využití Regulace genů Hlavní pozornost výzkumů DNA je většinou věnována analýze genů Geny tvoří pouhá 3% lidské DNA Ukazuje se, že zbývající junk DNA má také velký význam Obsahuje

Více

Algoritmus Minimax. Tomáš Kühr. Projektový seminář 1

Algoritmus Minimax. Tomáš Kühr. Projektový seminář 1 Projektový seminář 1 Základní pojmy Tah = přemístění figury hráče na tahu odpovídající pravidlům dané hry. Při tahu může být manipulováno i s figurami soupeře, pokud to odpovídá pravidlům hry (např. odstranění

Více

Genetické markery. pro masnou produkci. Mgr. Jan Říha. Výzkumný ústav pro chov skotu, s.r.o.

Genetické markery. pro masnou produkci. Mgr. Jan Říha. Výzkumný ústav pro chov skotu, s.r.o. Genetické markery ve šlechtění skotu pro masnou produkci Mgr. Jan Říha Výzkumný ústav pro chov skotu, s.r.o. Genetické markery Polymorfní místa v DNA, které vykazují asociaci na sledované znaky Příčinné

Více

ENVIRONMENTÁLNÍ OPTIMALIZACE KOMŮRKOVÉ ŽELEZOBETONOVÉ DESKY

ENVIRONMENTÁLNÍ OPTIMALIZACE KOMŮRKOVÉ ŽELEZOBETONOVÉ DESKY ENVIRONMENTÁLNÍ OPTIMALIZACE KOMŮRKOVÉ ŽELEZOBETONOVÉ DESKY Ctislav Fiala, Petr Hájek 1 Úvod Optimalizace v environmentálních souvislostech se na přelomu tisíciletí stává významným nástrojem v oblasti

Více