Mezi genetickým programováním a kreativitou
|
|
- Drahomíra Kovářová
- před 7 lety
- Počet zobrazení:
Transkript
1 Mezi genetickým programováním a kreativitou Tomáš Brandejský LAI FD ČVUT v Praze Konviktská 20, Praha 1 brandejsky@fd.cvut.cz Abstrakt Výpočetní výkon současných počítačů spolu se zlepšujícími se možnostmi programování paralelních výpočtů dovolují uvažovat o praktickém modelování kreativity. Mnoho úloh, které by mohly být řešeny kreativně, je v současnosti řešeno pomocí produkčních expertních systémů a především pomocí algoritmů genetického programování. Ovšem současné algoritmy genetického programování přinášejí i mnohá omezení, jako nízkou efektivitu v případě návrhu komplexních struktur, vytváření překomplikovaných řešení, nebo obtížnou propojitelnost s rozsáhlými ontologiemi. Algoritmy genetického programování jsou totiž v mnoha směrech podobné metodě pokus omyl, se všemi důsledky a nepřinášejí mnoho informací pro modelování lidského myšlení. V příspěvku budou diskutovány zajímavé možnosti zlepšení GPA ve smyslu jejich přiblížení evoluci složitějších organismů nebo modelování lidského myšlení a možnosti jejich implementace. 1 Mozek a dnešní počítače * Výpočetní výkon dnešních superpočítačů překročil hranici 1PFLOP (penta float point operaations per sencond), resp. 1PIPS (penta instructions per second) a dosáhl tak hodnot řádově srovnatelných s výkonem lidského mozku. Pokud uvážíme, že nejvýkonnější superpočítač současnosti (od firmy CRAY) obsahuje procesorů, pak i z hlediska paralelismu dochází ke smazávání kdysi jednoznačného rozdílu v architektuře mozku (cca neuronů) a počítačů von Neumannovské architektury (1 procesor). Ostatně i na obyčejných PC můžeme pozorovat příklon k paralelizaci výpočtů vzhledem k frekvenčnímu limitu současných technologií. Samozřejmě zůstává zásadní rozdíl v účinnosti, kdy proti sobě stojí monstrum s příkonem v řádu megawat a mozek s příkonem několika málo stovek wattů. Naskýtá se tedy otázka, zda již nenazrála doba pro racionální uvažování o modelování takových abstraktních typů lidského myšlení, jako je vědomí a kreativita. Na základě výše uvedených údajů se totiž zdá, že v této chvíli leží problém spíše na straně algoritmů a modelů, než na straně dostupné hrubé výpočetní síly, jak tomu bylo ještě před desítkou let. Ostatně dnešní PC již dosahují výkonu v řádu 10GFLOPS a při přenesení výpočtů na procesorová pole grafických karet dokonce již byla překročena hranice 1TFLOPS stále hovoříme o standardním vzduchem chlazeném PC sestaveném z běžně dostupných komponent a s cenou do 60000Kč. Z hlediska dostupných SW nástrojů podporujících paralelizaci výpočtů lze jmenovat ještě stále přežívající jazyk OCCAM známý z doby transputerů, který je volně dostupný pro Linuxovou platformu, jazyk ADA známý především z řídících aplikací, ale existují i knihovny pro zřejmě nejpoužívanější jazyk C/C++ a to jak komerční, tak volně dostupné, jako například OpenMP [1]. Pro výpočty na grafických kartách jsou dostupné nástroje vycházející z jazyka C, jako CUDA [2] pro karty NVIDIA, nebo STREAM [3] pro karty AMD/ATI. V současné době se hovoří o sjednocení těchto nástrojů pod novou architekturou OpenCL [4], avšak i když je již definován standard, zatím chybí jeho implementace. Paralelní implementace jazyků umělé inteligence (především Lisp a Prolog) byly vytvořeny již dávno, některé z nich jsou volně šířené, avšak standardizace do této oblasti nepronikla a navzájem jsou dojemně nekompatibilní. Navíc není známa jejich implementace pro GPU. 2 Genetické programování, evoluční programování, gramatická evoluce, chemické programování a spol. Genetické programování bývá dnes velmi často využíváno při řešení problémů, které my sami řešíme kreativními technikami, ale ty neumíme formalizovat. Samo genetické programování lze považovat za metodu heuristického prohledávání stavového prostoru. Zásadní odlišností od původních metod prohledávání stavového prostoru v umělé inteligenci lze spatřovat v určité paralelnosti (také by bylo možno říci mnohobodovosti či multi-threadovosti) tohoto prohledávání, kdy každý gen postupuje vlastní, do jisté míry náhodnou cestou, která je někdy ovlivňována okolními, nebo dokonce všemi ostatními geny. Existuje mnoho variant na dané téma, které se liší množstvím a charakterem genetických operací,
2 reprezentací a dynamikou populace. Problémem je, že tyto algoritmy, které podobně jako genetické algoritmy jsou založeny na zjednodušeném modelu biologického evolučního cyklu, zřejmě nejsou schopny nám mnoho říci o podstatě lidské kreativity, ani o souvisejících otázkách (učení, inteligence, vědomí atd.). V následujícím textu budeme diskutovat možná rozšíření současných přístupů ke genetickému programování, které by mohly napomoci ve studiu podstaty lidského myšlení. 2.1 Dynamický soubor omezujících podmínek, kreativita a GPA První odlišnost mezi lidským pojetím řešení problémů a genetickým programováním spočívá v odlišné práci s omezujícími podmínkami. Chápání GA jako optimalizačního nástroje vedlo k použití jediné statické fitness funkce, což se později přeneslo i na genetické programování. Později sice vznikly i tzv. paretoga a paretogpa, ale ani tyto algoritmy neřeší otázku dynamiky souboru omezujících podmínek. Ta je přitom nesmírně důležitá. Každá komponenta vznikajícího řešení si s sebou nese svůj soubor omezujících podmínek (pracovních podmínek). Tento soubor se stává součástí souboru omezujících podmínek celého řešení po dobu, pokud je komponenta jeho součástí. Pokud je komponenta ze vznikajícího řešení odstraněna, musí být odstraněny i tyto omezující podmínky. 2.2 Plánování a kreativita aneb jak skřížit produkční systém a GPA Druhou podstatnou odlišností lidského myšlení oproti GPA je provádění analýz problému a stavu řešení, vytváření plánu postupu řešení (strategie řešení). V případě složitých problémů bývá přistupováno k jeho dekompozici, k volbě dílčích plánů (taktika řešení podproblémů). Tento přístup odpovídá top-down strategii návrhu systému. Oproti tomu genetické algoritmy se blíží bottom-up strategii, kdy se skládáním stavebních bloků snaží nalézt řešení. To zpravidla vede ke značné neefektivitě (podobně jako je obtížné sestavit model letadla třesením s pytlem Lega). Ovšem volba taktiky a strategie není v souladu s evolučním cyklem, neboť předpokládá analýzu problému (případně interpretaci vzniklé situace), zaměření pozornosti na určitý subsystém navrhovaného systému, vytvoření jeho separátního modelu, který je řešen nejprve samostatně a poté je řešení promítnuto do výsledného systému. Takovýto přístup je bližší produkčním expertním systémům, jako bylo např. OPS/5 [5]. Ovšem produkční ES nebyly určeny k práci s rozsáhlou populací jedinců, v jejich bázi faktů byl jediný model, jediný jedinec. Pokud by měl být produkční ES jedním z evolučních operátorů GPA, musel by GPA pracovat s více nezávislými strukturami. Vedle modelu jedince by pro každého jedince musel existovat i popis strategie a taktiky dalšího postupu jeho řešení, který by byl vytvářen produkčním ES a v případě použití dekompozice problému i dílčí jednodušší modely/schemata. To odpovídá GPA spojenému s produkčním systémem typu tabule, který bude mít separátní instanci pro každého jedince populace. 2.3 Nové operace v GPA V průběhu zkoumání evolučních přístupů bylo vyvinuto mnoho různých evolučních operátorů, které mají přispět ke zkvalitnění funkce GPA (viz. především [6]). Naskýtá se otázka, zda by samy evoluční operátory nemohly být předmětem evoluce [7]. Jedná se o odlišný přístup oproti přístupům generujícím soubor produkčních pravidel pro generování určité skupiny řešení, viz [8] a [9]. Cílem těchto snah je naopak vytvoření metaúrovně, která by si sama definovala pravidla evoluce podobně, jako je tomu u biologických systémů. Evoluce evolučních operátorů představuje rekurze v Hofstadterově smyslu (viz [10]). Problémem tohoto přístupu je nutnost pracovat na metaúrovni s podstatně pomalejší dynamikou než na úrovni vlastního řešení, nutnost předkládat systému množství příbuzných problémů, jejichž strategie řešení budou zobecňovány v nadřazené metaúrovni do nově formulovaných evolučních operátorů. Kozův tým se naproti tomu pokouší o zobecnění často se opakujících struktur v nalézaných řešení pomocí tzv. UDF. Protože obecné systémy nemohou být jednoduše popsány jednoduchou lineární nebo stromovou strukturou, je také třeba definovat základní evoluční operace nad obecnými grafy (např. E-R diagramy, viz [11]). 2.4 Je tedy lepší budovat GPA s rozšířeným souborem evolučních operátorů nebo produkční ES typu tabule? Metaevoluce je vzhledem k její nízké dynamice zajímavá spíše pro akademický výzkum obecných otázek evoluce. Pro praktické řešení problémů bude zřejmě výhodnější se soustředit na předdefinovaný soubor elementárních evolučních pravidel a na jeho efektivní řízení produkčním systémem. Zajímavým problémem je otázka jaké podmínky by měl soubor evolučních operátorů splňovat a zda by se i v jeho případě neměla požadovat Turingovská úplnost (ekvivalence Turingovu stroji), což je otázka v souvislosti s reprezentačními strukturami a evolučními operátory algoritmů genetického programování dosud ne zcela prozkoumaná.
3 2.5 Analogie a GPA Analogické a metaforické uvažování bývá považováno za jeden ze základních mechanismů kreativity. Bývá ovšem zpravidla spojováno s popisem modelů pomocí rámců a nad nimi budovaných asociativních sítí, což naopak nebývá příliš časté v oblasti GPA a popisu jejich genomu. Možnou implementací analogického a metaforického uvažování v GPA by bylo nacházení interpretací aktuálních řešení či jeho částí nebo přímých analogií tohoto řešení s modely uloženými v separátní databázi. Nacházení analogií mezi jednotlivými řešeními (mezi jednotlivými jedinci v populaci) je také možné, ale jeho přínos by byl patrný zřejmě jen v případě řešení velmi složitých problémů. Nicméně vytvoření analogických a metaforických evolučních operátorů předpokládá ještě vznik jednoho atypického řešení vytvoření systému managementu rámců, který by pracoval s dělenou databází, kdy podstatná část rámců by byla součástí statické báze znalostí a zbylé rámce by byly uloženy v dynamické struktuře popisující konkrétní řešení při zachování možnosti vytvářet reference a AKO (a kind of) odkazy z dynamické části do statické. 2.6 Uvažování ve více abstraktních rovinách a GPA Uvažování v několika úrovních abstrakce je důležité především pro dekompozici problémů, ale je i základním mechanismem uvažování založeného na analogiích a metaforách, kde mimo jiné může sloužit i k vytváření Hofstadterovské rekurze mezi odlišnými úrovněmi abstrakce. Zobecňování je ovšem výpočetně poměrně náročnou činností, vzhledem k množství možných interpretací. Proto je vhodné udržovat základní schemata na jednotlivých úrovních abstrakce trvale a definovat jednotlivé operace tak, aby byla zachována konzistence mezi nimi. Další možná schemata pak vytvářet na vyžádání. Práce se schematy je důležitá i z hlediska vytvoření metaúrovní uvažování, kdy produktem uvažování na metaúrovni je schema, která pak nižší úroveň naplňuje, resp. interpretuje. Jednoduchým příkladem implementace takovéhoto typu uvažování je algoritmus genetického programování pracující s oddělenou optimalizací parametrů. Viz např. [12], kde tohoto mechanismu bylo využito k zamezení maskování dobré struktury špatně identifikovanými parametry. 2.7 Fokusace pozornosti a GPA Fokusace pozornosti, a nebo také volba řešené úĺohy ze seznamu nezpracovaných a rozpracovaných úloh z agendy představuje problém který zásadně ovlivňuje efektivitu řešení problému a dokonce samu schopnost tento problém řešit. Fokusace pozornosti by mohla být řešena volbou konkrétního podproblému z agendy nevyřešených problémů. To např. znamená, že pokud by do modelu řešení byla umístěna komponenta, byl by do agendy automaticky přidán požadavek na konkretizaci jejích parametrů a vlastností. Volba konkrétního podproblému pak bývá ovlivněna emočním aparátem. 2.8 Emoce a GPA U biologických systémů emoční aparát ovlivňuje většinu duševních činností. Naštěstí psychologické výzkumy ukazují že emocí je jen omezený počet a experimenty v oblasti robotiky tyto závěry potvrzují. Pro účely modelování technického systému bychom tyto emoce mohli transformovat na následující soubor příznaků: - odhad času potřebného k řešení/odhad pracnosti - míru obvyklosti problému/pravděpodobnost, že řešení bude dosažitelné v rámci agendy - důležitost problému/počet dalších úloh, jejichž řešení závisí na výsledku řešení daného problému 2.9 Ostatní mechanismy Lidský mozek neřeší jen jeden proces nebo jednu vícevláknovou úlohu, jak by odpovídalo genetickým algoritmům a jejich výše naznačeným rozšířením. Ve skutečnosti vedle jedné, vědomě řízené úlohy probíhá v podvědomí ještě několik dalších (jednodušších) procesů, které mohou dokonce s vědomým procesem interagovat a mohou mít jak charakter sledování konzistence v systému, tak i např. dynamickou úpravu priorit, nebo dokonce mohou nezávisle řešit jednotlivé podproblémy, nebo hledat analogie k jiným problémům. To vnáší do celého procesu určitou asynchronnost, kterou dnes můžeme v mnohaprocesorových systémech do jisté míry simulovat. Protože u člověka nejsou hledány jen analogie a metafory k jiným úlohám daného typu, ale ke všem situacím, které se mu vryly do paměti, je tento proces ovlivněn náhodnými i nenáhodnými interakcemi indiviua s okolím, což je úloha z hlediska modelování podstatně komplikovanější. Pokud budeme parafrázovat známý výrok Rodneyho Brookse [13], pak pouze robot na rozdíl od stacionárního počítače může interagovat se svým náhodně proměnným
4 okolím a díky emočním vazbám projevovat skutečnou kreativitu. Tento způsob uvažování hraje v kreativitě velkou roli, jak jsme již zmiňovali výše, neboť dovoluje nacházet problémy, jakož i objevovat překvapivá řešení. Zřejmě bude i silná souvislost s uvažováním respektujícím omezující podmínky Paradoxní uvažování a GPA Jak již bylo uvedeno v práci [14], tento způsob uvažování hraje v kreativitě velkou roli, neboť dovoluje identifikovat problémy (řídit pozornost), jakož i objevovat překvapivá řešení. Paradoxní uvažování mívá svůj velký význam i při reformulaci zadání problému. Nicméně teprve budoucí pokusy o implementaci kreativního uvažování do umělých systémů ukáží, zda postačuje implementace ve formě systému paralelně pracujícího vedle vlastního řešitele problému, který je založen na hledání logických a semantických nekonzistencí v jednotlivých schematech. 3 Implementace systému a otevřené problémy Vzhledem k potřebě dynamicky popsat množství vztahů a pojmů, je jako model systému uvažován popis pomocí vlastností, chování, schemat, scénářů a objektů, viz [15]. Je ovšem třeba analyzovat a navrhnout GPA pracující s tímto systémovým modelem. Nad tímto modelem bude i nutné implementovat algoritmy analogického a metaforického uvažování. Nesmírně důležitým, leč složitým problémem je vyřešení vztahu scénářů a evolučních technik, respektive evolučních technik a produkčního systému. Další důležitou otázkou bude vyřešení práce s dělenou bází znalostí, vyřešení vztahu mezi databází znalostí a zkušeností a bází rozpracovaných variant řešení. Rovněž bude nutné implementovat emoční aparát a fokusaci pozornosti, jejich spolupráci s mechanismy dekompozice a tedy i metody pohybu mezi úrovněmi abstrakce. 4 Shrnutí V současné době probíhá vývoj systému založeného na platformě C++/OpenMP/CUDA, který by měl prověřit možnosti sdružení výše popsaného souboru technik do jediného systému kreativního řešení problémů. Ověřování takového systému předpokládáme jak na konstruktivních úlohách, tak i na simulaci řešení složitých dopravních a logistických úloh. Poděkování Práce vznikla v rámci řešení výzkumného záměru MŠMT ČR číslo Literatura [1] OpenMP [2] CUDA [3] STREAM es/default.aspx [4] OpenCL [5] T. Cooper, N. Wogrin: Rule-Based Programming With Ops 5. Morgan Kaufmann Pub., ISBN [6] Koza J.R., Bennett III F. H., Andre D. and Keane M. A Genetic Programming III Darwinian Invention and Problem Solving. San Francisco: Morgan Kaufmann Publishers, ISBN [7] Zelenka, J.: Operator Evolution - a Way to Creativity? In: Mendel Brno: Brno University of Technology, 2007, p ISBN [8] Bentley P. J.: Evolutionary Design by Computers. London, Academic Press Ltd., 1999 [9] Stanley K. O., Miikkulainen R.: A Taxonomy for Artificial Embryogeny. Artificial Life Journal, 2003 [10] Hofstadter D. R.: Godel, Escher, Bach: An Eternal Golden Braid. Basic Books, 1994, ISBN [11] Brandejský, T.: Genetic Algorithm of Numerical Concretization of Qualitative Model. In: Mendel Brno: Brno University, 2003, p ISBN [12] Brandejsky T Genetic Programming Algorithm with Parameters Pre-optimization - Problem of Structure Quality Measuring. In: Mendel 2005 conference, VUT Brno, Brno, Czech Republic, 2005, pp ISBN [13] Brooks R.: Intelligence without reason. MIT AI lab Memo No. 1293, 1991, Boston, MA [14] Brandejský T. a Faber J.: Brandejský, T. Korespondence neurologických experimentů a modelů kreativity. Kognice a umělý život 2008, Praha, In: Kelemen J., Kvasnicka V. a Pstruzina K.(eds.): Kognice a umělý život VIII, FPF SU. Opava, 2008, pp [15] Brandejský T.: Trochu jiný model systémů založený na popisu vlastností a chování a jejich využití v inteligentních systémech. Kognice a umělý život 2007, Smolenice. In: Kognice a umělý život VII. Opava: Slezská univerzita, 2007, s ISBN
5
OSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
VíceH. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976
Klasická AI připomenutí Meze klasické umělé inteligence Modelování mysli na logicko-symbolické úrovni. Modelování shora dolů. Reprezentacionalizmus Churchova teze: Použitelnost počítačů je omezena na ty
VícePokročilé operace s obrazem
Získávání a analýza obrazové informace Pokročilé operace s obrazem Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 (BFÚ LF MU) Získávání
VíceUmělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
VíceBiologicky 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
VíceSPECIFICKÝCH 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
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceGenetické programování 3. část
1 Portál pre odborné publikovanie ISSN 1338-0087 Genetické programování 3. část Macháček Martin Elektrotechnika 08.04.2011 Jako ukázku použití GP uvedu symbolickou regresi. Regrese je statistická metoda
VíceVáclav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV
Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 16. 2. (3h) 2. 3. (4h) 17. 3. (5h) 14. 4. (3h) Úvod, historie a vývoj UI, základní
VíceEmergence 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
VíceArchitektury počítačů
Architektury počítačů skupina Identifyingvýzkumná the Interesting Points in Geometrical Figures of Certain Class Vysoké učení technické v Brně, Fakulta informačních technologií, Božetěchova 2, 612 66 Brno
VíceZnalostní technologie proč a jak?
Znalostní technologie proč a jak? Peter Mikulecký Kamila Olševičová Daniela Ponce Univerzita Hradec Králové Motivace 1993 vznik Fakulty řízení a informační technologie na Vysoké škole pedagogické v Hradci
VíceVÝUKOVÝ MATERIÁL. Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632 Číslo projektu
VÝUKOVÝ MATERIÁL Identifikační údaje školy Vyšší odborná škola a Střední škola, Varnsdorf, příspěvková organizace Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632
Více1. Úvod do genetických algoritmů (GA)
Obsah 1. Úvod do genetických algoritmů (GA)... 2 1.1 Základní informace... 2 1.2 Výstupy z učení... 2 1.3 Základní pomy genetických algoritmů... 2 1.3.1 Úvod... 2 1.3.2 Základní pomy... 2 1.3.3 Operátor
VíceIng. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D.
OPTIMALIZACE BRAMOVÉHO PLYNULÉHO ODLÉVÁNÍ OCELI ZA POMOCI NUMERICKÉHO MODELU TEPLOTNÍHO POLE Ing. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D. Fakulta strojního inženýrství
VíceDatová věda (Data Science) akademický navazující magisterský program
Datová věda () akademický navazující magisterský program Reaguje na potřebu, kterou vyvolala rychle rostoucí produkce komplexních, obvykle rozsáhlých dat ve vědě, v průmyslu a obecně v hospodářských činnostech.
VíceEvropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti MI-SOC: 11 METODY VERIFIKACE SYSTÉMŮ NA ČIPU Hana Kubátov vá doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta 1 informačních
VícePřírodou 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
Více1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017
Znalostní systémy úvodní úvahy a předpoklady 26. září 2017 1-1 Znalostní systém Definice ZS (Feigenbaum): Znalostní (původně expertní) systémy jsou počítačové programy simulující rozhodovací činnost experta
VíceGenetické programování
Genetické programování Vyvinuto v USA v 90. letech J. Kozou Typické problémy: Predikce, klasifikace, aproximace, tvorba programů Vlastnosti Soupeří s neuronovými sítěmi apod. Potřebuje značně velké populace
VíceBlue Gene 24. 11. 2009. Vysoká škola báňská-technická univerzita Ostrava. Blue Gene. Karel Chrastina. Úvod. Blue Gene L. Blue Gene P.
Blue Gene Vysoká škola báňská-technická univerzita Ostrava 24. 11. 2009 Obsah prezentace 1 2 3 4 5 Trocha pojmů a historie FLOPS FLoating point Operations Per Second. Někdy se zapisuje jako flop, flop/s.
VíceSeminář z umělé inteligence. Otakar Trunda
Seminář z umělé inteligence Otakar Trunda Plánování Vstup: Satisficing task: počáteční stav, cílové stavy, přípustné akce Optimization task: počáteční stav, cílové stavy, přípustné akce, ceny akcí Výstup:
VíceObsah. Kapitola 1 Hardware, procesory a vlákna Prohlídka útrob počítače...20 Motivace pro vícejádrové procesory...21
Stručný obsah 1. Hardware, procesory a vlákna... 19 2. Programování s ohledemna výkon... 45 3. Identifikování příležitostí pro paralelizmus... 93 4. Synchronizace a sdílení dat... 123 5. Vlákna v rozhraní
VíceProjekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma
Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky
VíceEvoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi
Evoluční algoritmy Použítí evoluční principů, založených na metodách optimalizace funkcí a umělé inteligenci, pro hledání řešení nějaké úlohy. Populace množina jedinců, potenciálních řešení Fitness function
Více2015 http://excel.fit.vutbr.cz Kartézské genetické programování s LUT Karolína Hajná* Abstract Tato práce se zabývá problematikou návrhu obvodů pomocí kartézského genetického programování na úrovni třívstupových
VíceNázev diplomové práce: Srovnávač životního pojištění. Určení: Bakalářská práce. Vedoucí: Doc. Ing. Petr Sosík, Dr.
Název diplomové práce: Srovnávač životního pojištění Určení: Bakalářská práce Konzultant: Ing. Mgr. Barbora Volná, Ph.D. Cíl práce: Naprogramovat srovnávač životního pojištění, který spadá pod obor automatizace
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VícePŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods
CW057 Logistika (R) PŘEDNÁŠKA 03 Optimization methods Ing. Václav Venkrbec skupina obecných modelů slouží k nalezení nejlepšího řešení problémů a modelovaných reálií přináší řešení: prvky konečné / nekonečné
VíceModelov an ı biologick ych syst em u Radek Pel anek
Modelování biologických systémů Radek Pelánek Modelování v biologických vědách typický cíl: pomocí modelů se snažíme pochopit, jak biologické systémy fungují model zahrnuje naše chápání simulace ukazuje,
VíceDATABÁZOVÉ SYSTÉMY. Metodický list č. 1
Metodický list č. 1 Cíl: Cílem předmětu je získat přehled o možnostech a principech databázového zpracování, získat v tomto směru znalosti potřebné pro informačního manažera. Databázové systémy, databázové
VíceÚvod do modelování a simulace. Ing. Michal Dorda, Ph.D.
Úvod do modelování a simulace systémů Ing. Michal Dorda, Ph.D. 1 Základní pojmy Systém systémem rozumíme množinu prvků (příznaků) a vazeb (relací) mezi nimi, která jako celek má určité vlastnosti. Množinu
VíceJak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
VíceEvoluční výpočetní techniky (EVT)
Evoluční výpočetní techniky (EVT) - Nacházejí svoji inspiraci v přírodních vývojových procesech - Stejně jako přírodní jevy mají silnou náhodnou složku, která nezanedbatelným způsobem ovlivňuje jejich
VíceGenetické algoritmy. Informační a komunikační technologie ve zdravotnictví
Genetické algoritmy Informační a komunikační technologie ve zdravotnictví Přehled přednášky Úvod Historie Základní pojmy Principy genetických algoritmů Možnosti použití Související metody AI Příklad problém
VíceGrammar-based genetic programming
Grammar-based genetic programming Obhajoba diplomové práce Adam Nohejl Vedoucí práce: RNDr. František Mráz, CSc. Katedra software a výuky informatiky, MFF UK Praha 2011 1 Úvod do problematiky: genetické
VíceProgramování a algoritmizace: úvod
Programování a algoritmizace: úvod 2010 Dnešní přednáška o předmětu, administrativa motivace Cíle předmětu Úvod do programátorského a algoritmického stylu myšlení Obecné principy použitelné v řadě programovacích
VíceMATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ
MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ 1) PROGRAM, ZDROJOVÝ KÓD, PŘEKLAD PROGRAMU 3 2) HISTORIE TVORBY PROGRAMŮ 3 3) SYNTAXE A SÉMANTIKA 3 4) SPECIFIKACE
VíceIB109 Návrh a implementace paralelních systémů. Organizace kurzu a úvod. RNDr. Jiří Barnat, Ph.D.
IB109 Návrh a implementace paralelních systémů Organizace kurzu a úvod RNDr. Jiří Barnat, Ph.D. Sekce B109 Návrh a implementace paralelních systémů: Organizace kurzu a úvod str. 2/25 Organizace kurzu Organizace
VícePetr Křemen. Katedra kybernetiky, FEL ČVUT. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112
Sémantické sítě a rámce Petr Křemen Katedra kybernetiky, FEL ČVUT Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112 Co nás čeká 1 Úvod do reprezentace znalostí 2 Sémantické sítě
VíceTÉMATICKÝ OKRUH Softwarové inženýrství
TÉMATICKÝ OKRUH Softwarové inženýrství Číslo otázky : 24. Otázka : Implementační fáze. Postupy při specifikaci organizace softwarových komponent pomocí UML. Mapování modelů na struktury programovacího
VíceModelování a simulace Lukáš Otte
Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast
Více3.2 MATEMATIKA A JEJÍ APLIKACE (M) Charakteristika vzdělávací oblasti
3.2 MATEMATIKA A JEJÍ APLIKACE (M) 51 Charakteristika vzdělávací oblasti Vzdělávací oblast matematika a její aplikace v základním vzdělávání je založena především na aktivních činnostech, které jsou typické
VíceIUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:
IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence Jméno: Třída: Rok: Prohlašuji, že mnou předložená práce je mým původním autorským dílem, které jsem vypracoval/a samostatně.
VíceVývoj informačních systémů. Obecně o IS
Vývoj informačních systémů Obecně o IS Informační systém Informační systém je propojení informačních technologií a lidských aktivit směřující k zajištění podpory procesů v organizaci. V širším slova smyslu
Více3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem
ČVUT FEL X36PAA - Problémy a algoritmy 3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem Jméno: Marek Handl Datum: 1. 1. 2009 Cvičení: Pondělí 9:00 Zadání Naprogramujte
VíceŘízení projektů Simulační projekt
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Řízení projektů Simulační projekt Technická univerzita v Liberci Simulace výrobních
VíceIB013 Logické programování I Hana Rudová. jaro 2011
IB013 Logické programování I Hana Rudová jaro 2011 Hodnocení předmětu Zápočtový projekt: celkem až 40 bodů Průběžná písemná práce: až 30 bodů (základy programování v Prologu) pro každého jediný termín:
VíceUžití systému Matlab při optimalizaci intenzity tepelného záření na povrchu formy
Užití systému Matlab při optimalizaci intenzity tepelného záření na povrchu formy Radek Srb 1) Jaroslav Mlýnek 2) 1) Fakulta mechatroniky, informatiky a mezioborových studií 2) Fakulta přírodovědně-humanitní
VícePopis zobrazení pomocí fuzzy logiky
Popis zobrazení pomocí fuzzy logiky diplomová práce Ján Fröhlich KM, FJFI, ČVUT 23. dubna 2009 Ján Fröhlich ( KM, FJFI, ČVUT ) Popis zobrazení pomocí fuzzy logiky 23. dubna 2009 1 / 25 Obsah 1 Úvod Základy
VíceProcesy a vlákna (Processes and Threads)
ÚVOD DO OPERAČNÍCH SYSTÉMŮ Ver.1.00 Procesy a vlákna (Processes and Threads) Správa procesů a vláken České vysoké učení technické Fakulta elektrotechnická 2012 Použitá literatura [1] Stallings, W.: Operating
VíceVyužití metod strojového učení v bioinformatice David Hoksza
Využití metod strojového učení v bioinformatice David Hoksza SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita v Praze Bioinformatika Biologické inspirace
VíceÚvod do expertních systémů
Úvod do expertních systémů Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně zakódovaných,
VíceSUPERPOČÍTAČE DANIEL LANGR ČVUT FIT / VZLÚ
SUPERPOČÍTAČE DANIEL LANGR ČVUT FIT / VZLÚ TITAN / HOPPER / NOTEBOOK TITAN HOPPER NOTEBOOK Počet CPU jader 299 008 153 216 2 Operační paměť [GB] 598 016 217 000 8 Počet GPU (CUDA) jader 50 233 344 0 8
VíceMETODY 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
VíceAPLIKAČNÍ SOFTWARE PRO ODHAD SPOLEHLIVOSTI A PRO HODNOCENÍ RIZIK
1 INTEGROVANÝ NÁVRH KONSTRUKCÍ A SYSTÉMŮ PRO VÝSTAVBU 1.1 Teoretické základy integrovaného navrhování 1.1.2 Rozvoj rizikové a spolehlivostní analýzy jako nástroje kvalifikovaného rozhodování 1.1.2.1 Metody
VíceKatedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group
Vytěžování dat Miroslav Čepek, Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Evropský sociální fond Praha & EU: Investujeme
Více4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
VíceGymnázium a Střední odborná škola, Rokycany, Mládežníků 1115
Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: CZ.1.07/1.5.00/34.0410 Číslo šablony: 1 Název materiálu: Ročník: Identifikace materiálu: Jméno autora: Předmět: Tématický celek:
VíceSYSTÉMY ŘÍZENÍ PODNIKU OKRUHY OTÁZEK KE ZKOUŠCE Z PŘEDMĚTU MPH_SYRP V magisterském studiu
SYSTÉMY ŘÍZENÍ PODNIKU OKRUHY OTÁZEK KE ZKOUŠCE Z PŘEDMĚTU MPH_SYRP V magisterském studiu 20010-2011 1. Historické příčiny vzniku systémového přístupu k zobrazování a analýze reálných objektů. Podstata
VíceInteligentní systémy a neuronové sítě
Inteligentní systémy a neuronové sítě Arnošt Veselý, Česká zemědělská univerzita, Kamýcká, Praha 6 - Suchdol Summary: In the article two main architectures of inteligent systems: logical-symbolic and connectionist
Více2. Modelovací jazyk UML 2.1 Struktura UML 2.1.1 Diagram tříd 2.1.1.1 Asociace 2.1.2 OCL. 3. Smalltalk 3.1 Jazyk 3.1.1 Pojmenování
1. Teoretické základy modelování na počítačích 1.1 Lambda-kalkul 1.1.1 Formální zápis, beta-redukce, alfa-konverze 1.1.2 Lambda-výraz jako data 1.1.3 Příklad alfa-konverze 1.1.4 Eta-redukce 1.2 Základy
VíceWeb based dynamic modeling by means of PHP and JavaScript part III
Web based dynamic modeling by means of PHP and JavaScript part III Jan Válek, Petr Sládek, Petr Novák Pedagogická fakulta Masarykova Univerzita Poříčí 7, 603 00 Brno Úvodem Člověk se učí prostřednictvím
VíceAlgoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.
Algoritmus Algoritmus je schematický postup pro řešení určitého druhu problémů, který je prováděn pomocí konečného množství přesně definovaných kroků. nebo Algoritmus lze definovat jako jednoznačně určenou
VíceSimulace a návrh vyvíjejících Nadpis se 1. Nadpis 3. Božetěchova 2, Brno
Simulace a návrh vyvíjejících Nadpis se 1 Nadpis systémů 2 Nadpis 3 Vladimír Jméno Janoušek Příjmení Vysoké Brno učení University technické of v Technology, Brně, Fakulta Faculty informačních of Information
VíceOPS Paralelní systémy, seznam pojmů, klasifikace
Moorův zákon (polovina 60. let) : Výpočetní výkon a počet tranzistorů na jeden CPU chip integrovaného obvodu mikroprocesoru se každý jeden až dva roky zdvojnásobí; cena se zmenší na polovinu. Paralelismus
VíceParalelní programování
Paralelní programování přednáška 5 Michal Krupka 15. března 2011 Michal Krupka (KI UP) Paralelní programování 15. března 2011 1 / 13 Ještě ke kritickým sekcím Použití v praxi obvykle pomocí zámků (locks)
VíceAKCELERACE 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
Více4. Úvod do paralelismu, metody paralelizace
4. Úvod do paralelismu, metody paralelizace algoritmů Ing. Michal Bližňák, Ph.D. Ústav informatiky a umělé inteligence Fakulta aplikované informatiky UTB Zĺın Paralelní procesy a programování, Zĺın, 26.
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování.
3 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Business modelling, základní nástroje a metody business modelování.
VíceZáklady algoritmizace
Algoritmus Toto je sice na první pohled pravdivá, ale při bližším prozkoumání nepřesná definice. Například některé matematické postupy by této definici vyhovovaly, ale nejsou algoritmy. Přesné znění definice
VíceSpecializace Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů.
Návrhář software Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů. Odborný směr: Informační technologie Odborný podsměr: nezařazeno do odborného podsměru
VíceA0M33EOA: Evoluční optimalizační algoritmy
A0M33EOA: Evoluční optimalizační algoritmy Zkouškový test Pátek 8. února 2011 Vaše jméno: Známka, kterou byste si z předmětu sami dali, a její zdůvodnění: Otázka: 1 2 3 4 5 6 7 8 Celkem Body: 1 3 2 1 4
VíceSystémy pro podporu rozhodování. Modelování a analýza
Systémy pro podporu rozhodování Modelování a analýza 1 Připomenutí obsahu minulé přednášky Datové sklady, přístup, analýza a vizualizace Povaha a zdroje dat (data, informace, znalosti a interní, externí,
VíceProcesní modelování agend veřejné správy dosažené výsledky. Josef Beneš Ministerstvo vnitra
Procesní modelování agend veřejné správy dosažené výsledky Josef Beneš Ministerstvo vnitra Projekt PMA byl realizován v plné šíři zadání, od září 2012 do března 2014. Metodika PMA Školení PMA AIS RPP Modelovací
VíceStrojové učení se zaměřením na vliv vstupních dat
Strojové učení se zaměřením na vliv vstupních dat Irina Perfilieva, Petr Hurtík, Marek Vajgl Centre of excellence IT4Innovations Division of the University of Ostrava Institute for Research and Applications
VíceZáklady umělé inteligence
Základy umělé inteligence Automatické řešení úloh Základy umělé inteligence - prohledávání. Vlasta Radová, ZČU, katedra kybernetiky 1 Formalizace úlohy UI chápe řešení úloh jako proces hledání řešení v
VícePROGRAMOVÁNÍ ROBOTŮ LEGO MINDSTORM S VYUŽITÍM MATLABU
PROGRAMOVÁNÍ ROBOTŮ LEGO MINDSTORM S VYUŽITÍM MATLABU J. Mareš*, A. Procházka*, P. Doležel** * Ústav počítačové a řídicí techniky, Fakulta chemicko-inženýrská, Vysoká škola chemicko-technologická, Technická
VíceÚvod do informatiky. Miroslav Kolařík
Úvod do informatiky přednáška devátá Miroslav Kolařík Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008 Obsah 1 Kombinatorika: princip inkluze a exkluze 2 Počítání
VíceCASE nástroje. Jaroslav Žáček
CASE nástroje Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Co znamená CASE? A CASE tool is a computer-based product aimed at supporting one or more software engineering activities within
Více5. Umělé neuronové sítě. Neuronové sítě
Neuronové sítě Přesný algoritmus práce přírodních neuronových systémů není doposud znám. Přesto experimentální výsledky na modelech těchto systémů dávají dnes velmi slibné výsledky. Tyto systémy, včetně
VíceVývoj vědeckého myšlení
Vývoj vědeckého myšlení Systémovost logistického řešení je spjata se schopností řešit komplexy navzájem souvisejících úkolů. V rámci vývoje vědeckého myšlení uvádí americký autor Waren Weaver tři vývojová
VíceIB111 Úvod do programování skrze Python Přednáška 13
IB111 Úvod do programování skrze Python Přednáška 13 Programovací jazyky Nikola Beneš 14. prosinec 2016 IB111 přednáška 13: programovací jazyky 14. prosinec 2016 1 / 21 Osnova dnešní přednášky Programovací
Více28.z-8.pc ZS 2015/2016
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace počítačové řízení 5 28.z-8.pc ZS 2015/2016 2015 - Ing. Václav Rada, CSc. Další hlavní téma předmětu se dotýká obsáhlé oblasti logického
VícePaměťový podsystém počítače
Paměťový podsystém počítače typy pamětových systémů počítače virtuální paměť stránkování segmentace rychlá vyrovnávací paměť 30.1.2013 O. Novák: CIE6 1 Organizace paměťového systému počítače Paměťová hierarchie...
VíceSENZORY PRO ROBOTIKU
1/13 SENZORY PRO ROBOTIKU Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac ROBOTICKÉ SENZORY - PŘEHLED
VíceVypracovat přehled paralelních kinematických struktur. Vytvořit model a provést analýzu zvolené PKS
Autor BP: Vedoucí práce: Tomáš Kozák Ing. Jan Zavřel, Ph.D. Vypracovat přehled paralelních kinematických struktur Vytvořit model a provést analýzu zvolené PKS Provést simulaci zvolené PKS Provést optimalizaci
VíceČasové a organizační vymezení
Vzdělávací oblast Vzdělávací obor Vyučovací předmět Týdenní hodinové dotace Časové a organizační vymezení Matematika a její aplikace Matematika a její aplikace Matematika 1. stupeň 2. stupeň 1. ročník
VíceProhledávání do šířky = algoritmus vlny
Prohledávání do šířky = algoritmus vlny - souběžně zkoušet všechny možné varianty pokračování výpočtu, dokud nenajdeme řešení úlohy průchod stromem všech možných cest výpočtu do šířky, po vrstvách (v každé
VíceSeznam úloh v rámci Interního grantového systému EPI
Evropský polytechnický institut, s.r.o. Kunovice Seznam úloh v rámci Interního grantového systému I rok/p ořadí Číslo úlohy Název Obor 2008 B1/2008 Vývojové tendence globalizujícího se podnikatelského
Víceu odpovědí typu A, B, C, D, E: Obsah: jako 0) CLP Constraint Logic Programming
Průběžná písemná práce Průběžná písemná práce Obsah: Průběžná písemná práce Aleš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ délka pro vypracování: 25 minut nejsou povoleny žádné materiály
VícePočítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu
Počítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu Jan Fábry 23.10.2017 Počítačová simulace logistických procesů II Obsah předmětu I. Úvod, organizace, semestrální projekty,
Více11. Tabu prohledávání
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
VíceCASE. Jaroslav Žáček
CASE Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Co znamená CASE? Definice dle SEI A CASE tool is a computer-based product aimed at supporting one or more software engineering activities
VíceAmbasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013
Ambasadoři přírodovědných a technických oborů Ing. Michal Řepka Březen - duben 2013 Umělé neuronové sítě Proč právě Neuronové sítě? K čemu je to dobré? Používá se to někde v praxi? Úvod Umělé neuronové
VíceZákladní datové struktury
Základní datové struktury Martin Trnečka Katedra informatiky, Přírodovědecká fakulta Univerzita Palackého v Olomouci 4. listopadu 2013 Martin Trnečka (UPOL) Algoritmická matematika 1 4. listopadu 2013
Více10 Metody a metodologie strukturované analýzy
10 Metody a metodologie strukturované analýzy 10.1 Strukturovaná analýza DeMarco (1978) Nástroje: DFD, datový slovník, strukturovaná angličtina, rozhodovací tabulky a stromy Postup: 1. Analýza stávajícího
VíceMartin Lísal. Úvod do MPI
Martin Lísal září 2003 PARALELNÍ POČÍTÁNÍ Úvod do MPI 1 1 Co je to paralelní počítání? Paralelní počítání je počítání na paralelních počítačích či jinak řečeno využití více než jednoho procesoru při výpočtu
VíceObsah. Zpracoval:
Zpracoval: houzvjir@fel.cvut.cz 03. Modelem řízený vývoj. Doménový (business), konceptuální (analytický) a logický (návrhový) model. Vize projektu. (A7B36SIN) Obsah Modelem řízený vývoj... 2 Cíl MDD, proč
VíceUML a jeho použití v procesu vývoje. Jaroslav Žáček jaroslav.zacek@osu.cz
UML a jeho použití v procesu vývoje Jaroslav Žáček jaroslav.zacek@osu.cz Různé pohledy na modelování Různé pohledy na modelování Unified Modeling Language UML není metodikou ani programovacím jazykem,
Více