Cílem diplomové práce je otestování chování dvouvrstvého genetického programování na vícerozměrných datech. V teoretické části student popíše problematiku evolučních metod, genetických algoritmů, genetického programování, dvouvrstvé genetické programování a benchmark problémy používané v komunitě výzkumníků v oblasti genetického programování. V praktické části student implementuje dvouvrstvé genetické programování ve vybraném programovacím jazyce (například v jazyce Python) a navrhne a provede experimenty (zejména problémy pro symbolickou regresi) na vybraných datových sadách. Výsledky experimentů přehledně zobrazí pomocí vhodně zvolených tabulek nebo grafů.
Anotace v angličtině
The aim of this thesis is to assess the behaviour of two-layer genetic programming on multidimensional data. In the theoretical part, the student will describe the problem of evolutionary methods, genetic algorithms, genetic programming, two-layer genetic programming and benchmark problems used in the genetic programming research community. In the practical part, the student will implement two-layer genetic programming in a selected programming language (e.g. Python) and design and perform experiments (especially symbolic regression problems) on selected datasets. The results of the experiments will be clearly displayed using appropriately chosen tables or graphs.
Cílem diplomové práce je otestování chování dvouvrstvého genetického programování na vícerozměrných datech. V teoretické části student popíše problematiku evolučních metod, genetických algoritmů, genetického programování, dvouvrstvé genetické programování a benchmark problémy používané v komunitě výzkumníků v oblasti genetického programování. V praktické části student implementuje dvouvrstvé genetické programování ve vybraném programovacím jazyce (například v jazyce Python) a navrhne a provede experimenty (zejména problémy pro symbolickou regresi) na vybraných datových sadách. Výsledky experimentů přehledně zobrazí pomocí vhodně zvolených tabulek nebo grafů.
Anotace v angličtině
The aim of this thesis is to assess the behaviour of two-layer genetic programming on multidimensional data. In the theoretical part, the student will describe the problem of evolutionary methods, genetic algorithms, genetic programming, two-layer genetic programming and benchmark problems used in the genetic programming research community. In the practical part, the student will implement two-layer genetic programming in a selected programming language (e.g. Python) and design and perform experiments (especially symbolic regression problems) on selected datasets. The results of the experiments will be clearly displayed using appropriately chosen tables or graphs.
Cílem diplomové práce je otestování chování dvouvrstvého genetického programování na vícerozměrných datech. V teoretické části bude popsána problematika evolučních metod, genetických algoritmů, genetického programování, dvouvrstvého genetického programování a benchmark problémy používané v komunitě výzkumníků v oblasti genetického programování. V praktické části bude implementováno dvouvrstvé genetické programování ve vybraném programovacím jazyce (například v jazyce Python) a navrhne a provede experimenty (zejména problémy pro symbolickou regresi) na vybraných datových sadách. Výsledky experimentů přehledně zobrazí pomocí vhodně zvolených tabulek nebo grafů.
Zásady pro vypracování
Cílem diplomové práce je otestování chování dvouvrstvého genetického programování na vícerozměrných datech. V teoretické části bude popsána problematika evolučních metod, genetických algoritmů, genetického programování, dvouvrstvého genetického programování a benchmark problémy používané v komunitě výzkumníků v oblasti genetického programování. V praktické části bude implementováno dvouvrstvé genetické programování ve vybraném programovacím jazyce (například v jazyce Python) a navrhne a provede experimenty (zejména problémy pro symbolickou regresi) na vybraných datových sadách. Výsledky experimentů přehledně zobrazí pomocí vhodně zvolených tabulek nebo grafů.
Seznam doporučené literatury
HYNEK, Josef. Genetické algoritmy a genetické programování. Průvodce (Grada). Praha: Grada, 2008. ISBN 978-80-247-2695-3. GOLDBERG, David E. Genetic algorithms in search, optimization, and machine learning. Reading, Mass.: Addison-Wesley Pub. Co., c1989. ISBN 0201157675. POLI, Riccardo; LANGDON, W. B.; MCPHEE, Nicholas F. a KOZA, John R. A field guide to genetic programming. [S.l.: Lulu Press], 2008. ISBN 1409200736. LANGDON, W. B. a POLI, Riccardo. Foundations of genetic programming. New York: Springer, c 2002. ISBN 3540424512. MERTA, Jan a BRANDEJSKÝ, Tomáš. Two-layer genetic programming. Online. Neural Network World. 2022, roč. 32, č. 4, s. 215-231. ISSN 23364335. Dostupné z: https://doi.org/10.14311/NNW.2022.32.013. [cit. 2023-10-11].
Seznam doporučené literatury
HYNEK, Josef. Genetické algoritmy a genetické programování. Průvodce (Grada). Praha: Grada, 2008. ISBN 978-80-247-2695-3. GOLDBERG, David E. Genetic algorithms in search, optimization, and machine learning. Reading, Mass.: Addison-Wesley Pub. Co., c1989. ISBN 0201157675. POLI, Riccardo; LANGDON, W. B.; MCPHEE, Nicholas F. a KOZA, John R. A field guide to genetic programming. [S.l.: Lulu Press], 2008. ISBN 1409200736. LANGDON, W. B. a POLI, Riccardo. Foundations of genetic programming. New York: Springer, c 2002. ISBN 3540424512. MERTA, Jan a BRANDEJSKÝ, Tomáš. Two-layer genetic programming. Online. Neural Network World. 2022, roč. 32, č. 4, s. 215-231. ISSN 23364335. Dostupné z: https://doi.org/10.14311/NNW.2022.32.013. [cit. 2023-10-11].
Přílohy volně vložené
-
Přílohy vázané v práci
ilustrace, grafy, schémata, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Cílem diplomové práce bylo otestování chování dvouvrstvého genetického programování na vícerozměrných datech. Výsledky experimentů jsou přehledně zobrazeny pomocí vhodně zvolených tabulek nebo grafů.
Student výborně prezentoval výsledky své práce s názornými ukázkami.
Dle vedoucího splnil student veškeré zadané cíle práce.
Student výborně vysvětlil připomínky a dotazy oponenta práce.
V souladu s čl. 4 odst. 1b) Stipendijního řádu Univerzity Pardubice komise navrhuje diplomovou práci na Studentskou cenu rektora I. stupně za vynikající úroveň diplomové práce.