Samoučící se autonomní systémy s využitím odloženého učení

Raška, Michal

Samoučící se autonomní systémy s využitím odloženého učení

DSpace Repository

Language: English čeština

Samoučící se autonomní systémy s využitím odloženého učení

dc.contributor.advisor	Šenkeřík, Roman
dc.contributor.author	Raška, Michal
dc.date.accessioned	2025-12-10T23:09:51Z
dc.date.available	2025-12-10T23:09:51Z
dc.date.issued	2024-10-27
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/57742
dc.description.abstract	Tato diplomová práce se zabývá samoučícími se autonomními systémy využívajícími odložené učení. Práce představuje koncept adaptivní evoluční architektury, která je optimalizována pro nasazení na vestavěných systémech s omezenými výpočetními prostředky. Na rozdíl od standardních přístupů, které vyžadují výkonné externí výpočetní jednotky pro trénování, navržený systém je schopen učit se a adaptovat přímo na cílovém kontroleru. Systém využívá hierarchii modelů, kde primární model je v případě selhání dočasně doplněn o specializovaný lokální model pro problematickou oblast. Po ověření úspěšnosti lokálního modelu jsou jeho znalosti integrovány zpět do primárního modelu, čímž dochází k evolučnímu zlepšování celého systému. Práce zahrnuje implementační detaily, testování na syntetických datech a simulačních scénářích a analýzu výsledků navrženého řešení.
dc.format	100
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	autonomní systémy	cs
dc.subject	odložené učení	cs
dc.subject	adaptivní učení	cs
dc.subject	vestavěné systémy	cs
dc.subject	evoluce modelů	cs
dc.subject	neuronové sítě	cs
dc.subject	autonomous systems	en
dc.subject	deferred learning	en
dc.subject	adaptive learning	en
dc.subject	embedded systems	en
dc.subject	model evolution	en
dc.subject	neural networks	en
dc.title	Samoučící se autonomní systémy s využitím odloženého učení
dc.title.alternative	Self-learning Autonomous Systems Using Deferred Learning
dc.type	diplomová práce	cs
dc.contributor.referee	Vinderová, Petra
dc.date.accepted	2025-06-19
dc.description.abstract-translated	This diploma thesis deals with self-learning autonomous systems using deferred learning. The thesis presents a concept of adaptive evolutionary architecture optimized for deployment on embedded systems with limited computational resources. Unlike standard approaches that require powerful external computing units for training, the designed system is capable of learning and adapting directly on the target controller. The system uses a hierarchy of models, where the primary model is temporarily supplemented with a specialized local model for problematic areas in case of failure. After verifying the success of the local model, its knowledge is integrated back into the primary model, resulting in evolutionary improvement of the entire system. The thesis includes implementation details, testing on synthetic data and simulation scenarios, and analysis of the results of the proposed solution.
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	70145
dc.date.submitted	2025-06-02