Iskanje po katalogu digitalne knjižnice

Opis: A low-autocorrelation binary sequences problem with a high figure of merit factor represents a formidable computational challenge. An efficient parallel computing algorithm is required to reach the new best-known solutions for this problem. Therefore, we developed the sokol solver for the skew-symmetric search space. The developed solver takes the advantage of parallel computing on graphics processing units. The solver organized the search process as a sequence of parallel and contiguous self-avoiding walks and achieved a speedup factor of 387 compared with lssOrel, its predecessor. The sokol solver belongs to stochastic solvers and cannot guarantee the optimality of solutions. To mitigate this problem, we established the predictive model of stopping conditions according to the small instances for which the optimal skew-symmetric solutions are known. With its help and 99% probability, the sokol solver found all the known and seven new best-known skew-symmetric sequences for odd instances from to . For larger instances, the solver cannot reach 99% probability within our limitations, but it still found several new best-known binary sequences. We also analyzed the trend of the best merit factor values, and it shows that as sequence size increases, the value of the merit factor also increases, and this trend is flatter for larger instances.
Ključne besede: low-autocorrelation binary sequences, self-avoiding walk, graphic processor units, high performance computing
Objavljeno v DKUM: 22.08.2024; Ogledov: 45; Prenosov: 2
Celotno besedilo (1,82 MB)

Opis: Kooperativna koevolucija je podzvrst evolucijskega računanja, ki se uporablja kot ogrodje za optimizacijo problemov z velikim številom dimenzij preko pristopa deli in vladaj. Glavni izzivi uporabe ogrodja kooperativne koevolucije ležijo v dekompoziciji problema ter v uporabi primernega optimizacijskega algoritma. Dekompozicija se v glavnem ukvarja z deljenjem problema v manjše podprobleme, kjer je glavni izziv, kako ugotoviti povezave med komponentami problema. V našem delu smo razvili kooperativni koevolucijski algoritem, ki uporablja rekurzivne strategije diferencialnega grupiranja za dekompozicijo problema, ter algoritem roja delcev, kot optimizacijski algoritem. V delu smo analizirali šest optimizacijskih algoritmov roja delcev na naboru testnih funkcij iz CEC2013, ki spadajo v probleme z velikim številom dimenzij, ter je njihova dimenzionalnost 1000. Na podlagi te analize smo v naš predlagan kooperativni koevolucijski algoritem vključili optimizacijski algoritem roja delcev, ki se je najbolje izkazal na naboru izbranih funkcij. Izvedli smo primerjalno analizo med najboljšim algoritmom roja delcev in predlaganimi kooperativnimi koevolucijskimi algoritmi, kjer smo uporabili pet različnih strategij rekurzivnega diferencialnega grupiranja. Ugotovili smo, da kooperativni koevolucijski algoritem deluje boljše od algoritmov roja delcev, ki smo jih uporabili v našem delu. Prav tako smo ugotovili, da izbira strategije dekompozicije problema igra pomembno vlogo.
Ključne besede: roj delcev, rekurzivno diferencialno grupiranje, kooperativna koevolucija, optimizacija, veliko število dimenzij
Objavljeno v DKUM: 01.07.2024; Ogledov: 128; Prenosov: 32
Celotno besedilo (2,09 MB)

Ključne besede: stochastic algorithm analysis, statistical distribution, predictive model, target approach
Objavljeno v DKUM: 13.06.2024; Ogledov: 125; Prenosov: 15
Celotno besedilo (3,92 MB)
Gradivo ima več datotek! Več...

Opis: V magistrskem delu smo primerjali različne pristope za klasifikacijo sentimenta kritik filmov. Naš cilj je bil doseči čim višjo točnost pri klasifikaciji kritik. Uporabili smo algoritme, kot so metoda podpornih vektorjev, naključni gozdovi, naivni Bayes, odločitvena drevesa, k-najbližjih sosedov, logistična regresija in glasovanje. Rezultate smo merili z metriko točnosti. Ugotovili smo, da večji n-grami in algoritmi glasovanja dosegajo najboljšo točnost. Za najhitrejšo in najbolj točno klasifikacijo priporočamo algoritem glasovanja brez metode podpornih vektorjev, saj je bila ta najpočasnejša.
Ključne besede: analiza sentimenta, n-grami, algoritmi za klasifikacijo, točnost
Objavljeno v DKUM: 01.03.2024; Ogledov: 275; Prenosov: 27
Celotno besedilo (2,00 MB)

Opis: Uporaba nevronskih mrež je vedno bolj razširjena, tako v vsakdanjem življenju kot na različnih raziskovalnih področjih. Kljub razširjeni uporabi pa obstajajo raziskovalni problemi, kjer uporabna vrednost nevronskih mrež še ni bila preverjena. Eno izmed takšnih področij je iskanje binarnih sekvenc z nizko avtokorelacijo (ang. low-autocorelation binary sequence), pri katerem se iščejo binarna zaporedja različnih dolžin, ki imajo čim manjšo vrednost avtokorelacije. Takšne sekvence se zaradi svojih specifičnih lastnosti uporabljajo pri mnogih raziskovalnih področjih, njihovo iskanje pa predstavlja izjemno zahteven kombinatoričen problem. V našem delu predstavimo dve nevronski mreži, ki služita za usmerjanje iskalnega algoritma samoizogibnega sprehoda pri iskanju binarnih sekvenc dolžine 31 in 41. Prva nevronska mreža je učena pravil popačene simetrije. Ta pravila zmanjšajo dimenzijo iskalnega prostora, nevronska mreža pa se jih je uspela naučiti. V želji izboljšanja obstoječega mehanizma smo naučili tudi drugo nevronsko mrežo, ki v iskalnem algoritmu doseže statistično signifikantno boljše rezultate kot mehanizem popačene simetrije. Za to nevronsko mrežo dodatno analiziramo število funkcijskih ovrednotenj za dosego najboljše znane rešitve. Izkazalo se je, da izboljšana nevronska mreža za dosego najboljših znanih rešitev potrebuje manj funkcijskih ovrednotenj kot uporaba pravil popačene simetrije.
Ključne besede: nevronske mreže, binarne sekvence, iskalni algoritem, samoizogibni sprehod
Objavljeno v DKUM: 21.09.2023; Ogledov: 387; Prenosov: 67
Celotno besedilo (2,58 MB)