Metody optimalizace a A.I. pro měření v průmyslové praxi

DSpace Repository

Language: English čeština 

Metody optimalizace a A.I. pro měření v průmyslové praxi

Show simple item record

dc.contributor.advisor Pluháček, Michal
dc.contributor.author Šimečková, Jana
dc.date.accessioned 2024-07-23T13:16:46Z
dc.date.available 2024-07-23T13:16:46Z
dc.date.issued 2023-11-05
dc.identifier Elektronický archiv Knihovny UTB
dc.identifier.uri http://hdl.handle.net/10563/56310
dc.description.abstract Tato diplomová práce se zaměřuje na aplikaci analytického programování, evolučních algoritmů a dalších metod umělé inteligence a strojového učení v kontextu optimalizace a modelování v průmyslové praxi. Práce je založena na pečlivé analýze relevantních zdrojů a jejím primárním cílem je provést odbornou rešerši na dané téma v teoretické části a aplikovat popsané metody v části praktické, včetně zhodnocení provedených experimen-tů. V rámci teoretické části byly podrobně prozkoumány různé aspekty evolučních výpo-četních technik, analytického programování, neuronových sítí a dalších metod využitých při zpracování dat. Praktická část práce se skládá z popisu dat získaných z fyzikálního měření, analýzy možností syntézy modelu popisující tato data a optimalizace nastavení parametrů měření pomocí evolučních výpočetních technik. Byly provedeny rozsáhlé ex-perimenty a analýzy, které přispěly k hlubšímu porozumění dané problematiky a poskytly cenné poznatky pro další výzkum v oblasti aplikace umělé inteligence a strojového učení v průmyslové praxi.
dc.format 68
dc.language.iso cs
dc.publisher Univerzita Tomáše Bati ve Zlíně
dc.rights Bez omezení
dc.subject analytické programování cs
dc.subject umělá inteligence cs
dc.subject evoluční algoritmy cs
dc.subject strojové učení cs
dc.subject optimalizace cs
dc.subject analytical programming en
dc.subject artificial intelligence en
dc.subject evolutionary algorithms en
dc.subject machine learning en
dc.subject optimization en
dc.title Metody optimalizace a A.I. pro měření v průmyslové praxi
dc.title.alternative Optimization Methods and A.I. for Measurements in Industrial Practice
dc.type diplomová práce cs
dc.contributor.referee Konečný, Martin
dc.date.accepted 2024-06-06
dc.description.abstract-translated This master's thesis focuses on the application of analytical programming, evolutionary algorithms, and other methods of artificial intelligence and machine learning in the con-text of optimization and modeling in industrial practice. The work is based on a me-ticulous analysis of relevant sources, with its primary aim being to conduct an expert lite-rature review on the given topic in the theoretical part and to apply the described methods in the practical part, including the evaluation of conducted experiments. In the theoretical section, various aspects of evolutionary computing techniques, analytical programming, neural networks, and other data processing methods were thoroughly examined. The practical part of the work consists of a description of data obtained from physical mea-surements, an analysis of the possibilities of synthesizing a model describing this data, and the optimization of parameters settings using evolutionary computing techniques. Extensive experiments and analyses were carried out, contributing to a deeper understan-ding of the issue and providing valuable insights for further research in the field of artifi-cial intelligence and machine learning application in industrial practice.
dc.description.department Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline Softwarové inženýrství cs
dc.thesis.degree-discipline Software Engineering en
dc.thesis.degree-grantor Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky cs
dc.thesis.degree-grantor Tomas Bata University in Zlín. Faculty of Applied Informatics en
dc.thesis.degree-name Ing.
dc.thesis.degree-program Informační technologie cs
dc.thesis.degree-program Information Technologies en
dc.identifier.stag 66681
dc.date.submitted 2024-05-10


Files in this item

Files Size Format View Description
šimečková_2024_dp.pdf 1.720Mb PDF View/Open None
šimečková_2024_op.pdf 310.0Kb PDF View/Open None
šimečková_2024_vp.pdf 216.3Kb PDF View/Open None

This item appears in the following Collection(s)

Show simple item record

Find fulltext

Search DSpace


Browse

My Account