Detail of the student project

List
Topic:Symbolická regrese s více výstupy
Department: Strojové učení
Supervisor:Ing. Jiří Kubalík, Ph.D.
Announce as:Bakalářská práce, Semestrální projekt
Description:Symbolická regrese (SR) je metoda pro hledání modelů ve formě analytických funkcí popisujících trénovací data. SR je typicky realizována pomocí genetického programování. V praxi má SR mnoho úspěšných a zajímavých reálných aplikací. Ovšem v naprosté většině se jedná o úlohy, kdy se modeluje pouze jedna výstupní veličina. Úlohy, kde vystupuje více výstupních veličin se řeší pomocí několika nezávislých výpočtů SR, každý pro jednu výstupní veličinu. To nemusí být právě nejefektivnější způsob, protože jednotlivé běhy mezi sebou nesdílí žádné informace. Hypotéza je, že u problémů s více výstupními veličinami nemusí být modely těchto veličin zcela nezávislé. Naopak, mohou obsahovat společné vlastnosti nebo příznaky. A proto může být efektivnější vyvíjet modely současně v jednom výpočtu, aby bylo umožněno sdílení společných příznaků.

Cílem práce je navrhnout a naimplementovat algoritmus SR pro problémy s více výstupy. To znamená, že modely pro všechny výstupní veličiny budou vygenerovány v rámci jednoho výpočtu SR. Pro realizaci SR budeme uvažovat variantu algoritmu Single Node Genetic Programming (SNGP), který se pro tyto účely zvlášť hodí. Experimentálně by se měla ověřit výše zmíněná hypotéza.
Bibliography:Dodá vedoucí práce.
Responsible person: Petr Pošík