doc. Ing. Václav Šmídl, Ph.D. (externí spolupracovník)

e-mail: zobrazit e-mail
www: http://staff.utia.cz/smidl/
instituce: ÚTIA AV ČR, v.v.i.
adresa: Pod vodárenskou věží 4
 

témata prací

Analýza scintigrafických obrazových sekvencí v lékařské diagnostice

školitel: Doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM
klíčová slova: Analýza hlavních komponent, Bayesovská statistika, matematické modelování, nukleární medicína,
odkaz: http://as.utia.cz
popis: Funkce orgánů a tkání se v lékařské zobrazovací diagnostice posuzuje pomocí dynamických sekvencí snímků. Analýza obrazových sekvencí je založena na odhadování neznámých parametrů matematického modelu. Za určitých zjednodušujících předpokladů má model jednoduché řešení. V praktických aplikacích však nelze zaručit platnost předpokladů a tedy ani správnost výsledků analýzy. Bylo publikováno několik rozšíření matematického modelu, která poskytují spočitatelné řešení. Přínos nových metod pro praktické uplatnění v lékařské diagnostice však nebyl dosud studován. Cílem práce je seznámení se stávajícími a novými metodami analýzy obrazových dat založenými na analýze hlavních komponent včetně jejich předpokladů, aplikace vybraných metod na reálná klinická data a zhodnocení přínosu nových modelů v praxi ve spolupráci s pracovištěm nukleární medicíny.
literatura: V. Šmídl, A. Quinn, “The Variational Bayes Method in Signal Processing”, Springer 2005. M. Šámal, M. Kárný, H. Benali, W. Backfrieder, A. Todd-Pokropek, and H. Bergmann, “Experimental comparison of data transformation procedures for analysis of principal components,” Physics in Medicine and Biology, vol. 44, pp. 2821–2834, 1999.
naposledy změněno: 23.11.2015 10:37:17

Duální řízení: inteligentní řízení systémů s neurčitostí

školitel: Doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM
klíčová slova: dualní řízení, inteligentní systémy, systémy s neurčitostí
odkaz: http://as.utia.cz/node/432
popis: Naše znalost o skutečném světě není nikdy dokonalá. V reálném světě existují náhodné jevy, poruchy nebo nepředpovídané situace, které nazýváme jednotně neurčitostí. Pokud chceme reálné soustavy ovlivňovat (řídit) je třeba vyřešit dva úkoly: 1) řízený objekt co nejlépe poznat a 2) dosáhnout cíle řízení tj. požadovaného chování. Tyto dva úkoly jsou však většinou v rozporu: systém se nejlépe pozná když se nechová podle našich požadavků. Cílem duálního řízení je dosáhnout optimálního kompromisu mezi těmito úkoly. Teorie jak toho dosáhnout je již dlouho známa pod názvem dynamické programování. Výsledné rovnice jsou obvykle natolik složité, že nalezení jejich řešení je prakticky nemožné. Je proto nutné hledat alespoň přibližné řešení těchto rovnic. Tento přístup se nazývá aproximativní dynamické programování a v poslední době dochází k jeho prudkému rozvoji pro aplikace umělé inteligence. Cílem práce je prozkoumat využití těchto technik na jednoduchém přikladu, např. inverzním kyvadle s neznámou zátěží.
literatura: D.P. Bertsekas. Dynamic Programming and Optimal Control. Athena Scientific, Nashua, US, 2001. 2nd edition. J. Si, A.G. Barto, W.B. Powell, and D. Wunsch, editors. Handbook of Learning and Approximate Dynamic Programming, Danvers, May 2004. Wiley-IEEE Press.
naposledy změněno: 23.11.2015 10:36:48

Aktivní učení pro navigaci bezpilotních letadel

školitel: Doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM, II_SIMI, II_TS
klíčová slova: teorie rozhodování, entropie, particle filter, disperzní modelování atmosféry
popis: Cílem aktivního učení je navrhnout akci, která nám pomůže získat více informace o pozorovaném systému. Aplikační oblastí je monitorování úniku škodlivin pomocí bezpilotních letadel. Pokud škodliviny unikají do atmosféry, vzniká rozsáhlý mrak, jehož přesný tvar není možné změřit. Cílem aktivní navigace je určit kam má letadlo letět aby se co nejvíce zpřesníl naši znalost o rozložení škodliviny. Nástrojem k dosažení tohoto cíle jsou statistické metody particle filter, teorie rozhodování a prvky teorie informace.
literatura: 1. P. Skoglar, Planning methods for aerial exploration and ground target tracking, 2009. 2. G. Hoffmann and C. Tomlin, Mobile sensor network control using mutual information methods and particle filters, Automatic Control, IEEE Transactions on, vol. 55, no. 1, pp. 32–47, 2010. 3. J. Berger, Statistical Decision Theory and Bayesian Analysis. New York: Springer, 1985. 4. V.Šmídl and R. Hofman, Navigation of UAVs for Tracking of Atmospheric Release of Radiation, IEEE Conference of Decision and Control, 2012
naposledy změněno: 23.11.2015 10:36:06

Stochastické modely v energetice

školitel: Doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM
klíčová slova: stochastické modely, časové řady, kalibrace modelu
popis: V tradičních energetických systémech jsou obvykle velmi dobře známé modely chování a je snadné tyto děje předpovídat. Na některé jevy (například v přenosové soustavě) má však stále velký vliv proměnlivost počasí. Tento vliv bude narůstat s rozvojem obnovitelných zdrojů. Cílem práce je: 1) seznámit se s vybraným problémem v energetice a jeho existujícími modely, 2) na reálných datech ověřit platnost stávajících modelů, 3) aplikovat zvolený stochastický model na daný problém, 4) diskutovat kvalitu modelu pro daný problém.
literatura: 1. Yip, Tony, et al. \"Dynamic line rating protection for wind farm connections.\" Integration of Wide-Scale Renewable Resources Into the Power Delivery System, 2009 CIGRE/IEEE PES Joint Symposium. IEEE, 2009. 2. Raftery, Adrian E., et al. \"Using Bayesian model averaging to calibrate forecast ensembles.\" Monthly Weather Review 133.5 (2005): 1155-1174.
poznámka: Student může být za svou práci honorován z grantu.
naposledy změněno: 23.11.2015 10:36:21

Bayesovské regularizace špatně podmíněných inverzních úloh

školitel: doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: dizertační práce
zaměření: MI_MM, MI_AMSM, II_SIMI
popis: Inverzní úlohou rozumíme nalezení parametrů složitého modelu reálného děje na základě dostupných měření. Pro složité děje je obvykle možné formulovat systém s mnoha parametry, z nichž některé mají na pozorovaná data minimální vliv. Jejich odhad je tedy špatně podmíněný a není možné je spolehlivě určit. Cílem této práce je výzkum využití Bayesovských metod pro odhad parametrů (nebo stavu, tj. časově proměnné veličiny popisující systém) pro tyto úlohy. Hlavní pozornost bude věnována výzkumu modelů s hierarchickým apriorním rozložením parametrů. Vhodně zvolený heirarchický model funguje jako regularizační člen, který se na základě data adaptuje. Tyto techniky jsou tedy vhodné pro úlohy kde se vyskytují veličiny různého charakteru a v různých škálách. Jako přiklad takového systému budeme uvažovat úlohu odhadu okraje plazmatu tokamaku v reálném čase.
literatura: 1. Šmídl, Václav, and Anthony Quinn. The variational Bayes method in signal processing. Springer Science & Business Media, 2006.
2. Bishop, Christopher M. \"Pattern Recognition.\" Machine Learning (2006).
3. Nocedal, Jorge, and Stephen Wright. Numerical optimization. Springer Science & Business Media, 2006.
naposledy změněno: 24.05.2016 08:22:37

Pravděpodobnostní modely pro bezpečnost internetového provozu

školitel: Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_AMSM, II_SIMI
klíčová slova: pravděpodobnostní modelování, hierarchické modely, odhad parametrů, internetový provoz
popis: Se zvyšujícím se provozem v internetu se zvyšuje též počet pokusů o jeho zneužití pomocí virů, odposlouchání, botnetů a malwaru obecně. Stále rostoucí inteligence a adaptivita malwaru prakticky znemožňuje nalezení deterministických pravidel pro jeho odhalení. Obzvláště v případech, kdy se jedná o nový ještě neznámý škodlivý kód. Cílem práce je výzkum pravděpodobnostních modelů vhodných pro detekci anomálií v síťovém provozu. Hledaný model musí být dostatečně bohatý aby popsal co největší škálu legitimního provozu, avšak dostatečně specifický při detekci anomálií. Z tohoto důvodu je pozornost zaměřena na hierarchické modely s potencionálně bohatou strukturou apriorní distribuce. V první fázi se jedná o obecné seznámení s heirarchickými modely a technikami odhadu jejich parametrů a hyperparametrů. Ve druhé fázi bude hledán model pro konkrétní problém definovaný ve spolupráci s firmou CISCO.
literatura: 1. Bishop, Christopher M. \"Pattern Recognition.\" Machine Learning (2006). 2. Šmídl, Václav, and Anthony Quinn. The variational Bayes method in signal processing. Springer Science & Business Media, 2006. 3. Tang, Yichuan, Ruslan Salakhutdinov, and Geoffrey Hinton. \"Deep mixtures of factor analysers.\" arXiv preprint arXiv:1206.4635 (2012).
naposledy změněno: 24.05.2016 11:10:12

Odhad neparametrických hierarchických Bayesovských modelů

školitel: doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: dizertační práce
zaměření: MI_AMSM
odkaz: http://www.utia.cas.cz/cs/people/smidl
popis: Neparametrické Bayesovské modely nacházejí často uplatnění na složité úlohy, kde neznáme parametrický model. Flexibilita neparametrických modelů jako jsou Gausovské procesy je velkou výhodou pro přesnější modelování regresních úloh nebo výpočtu integrálů (Bayesian quadrature). Kvalita výsledného algoritmu záleží na odhadu hyparparemetrů použitého modelu (např. parametrů kovarianční funkce Gausovského procesu). Standardní metody odhadu pomocí maximální věrohodnosti fungují na jednoduché modely, avšak selhávají pro složitější úlohy např. s heteroskedactickým šumem. Cílem práce je nalézt metody odhadu hyperparametrů stochastických procesů, které umožňují odhad složitějších hierarchických modelů. Tato modely budou vyvíjeny pro potřeby Bayesovské optimalizace a Bayesovské integrace. Aplikace očekáváme především v oblasti optimalizace a kalibrace složitých počítačových modelů, například simulace složitých strojů a inverzní modelování atmosférických disperzních modelů.
naposledy změněno: 19.05.2017 15:03:09

Distribuované algoritmy stochastické optimalizace na velkých datech

školitel: doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: dizertační práce
zaměření: MI_AMSM
odkaz: http://www.utia.cas.cz/cs/people/smidl
popis: Hledání parametrů statistických modelů na velkých datech je dnes standardně řešeno metodoou stochastické optimalizace, například stochastic gradient descent. Konvergence těchto metod ke správnému řešení je ovlivněna celou řadou faktorů a ladicích parametrů. Cílem práce je zlepšení stávajících metod ať již z hlediska výpočetní náročnosti tak z hlediska regularizace a robustnosti. Hlavní aplikační oblastí vyvíjených metod je bezpečnost síťového provozu. Algoritmy hledání parametrů budou použity například na klasifikaci průniku škodlivého kódu do počítačové sítě. Součástí práce je vývoj statistických modelů (například klasifikátorů) pro danou aplikační oblast. Vzhledem o obrovskému objemu zpracovávaných dat však předpokládáme yýzkum především jednoduchých modelů a jejich modifikace na použití na velká data.
Školitelem specialistou bude Ing. Tomáš Pevný, Ph.D., FEL ČVUT
naposledy změněno: 19.05.2017 15:04:52

Modelování pohybu mikrorobotů v magnetickém poli

školitel: doc. Ing. Václav Šmídl, Ph.D.
e-mail: zobrazit e-mail
typ práce: bakalářská práce, diplomová práce
zaměření: MI_MM, MI_AMSM
klíčová slova: magnetické pole, matematické modelování, identifikace modelu
popis: Polohování mikrorobotů pomocí magnetického pole se v současné době zkoumá především pro účely neinvazivní medicíny nebo miniaturních výrobních linek. K přesnému polohování robota je nezbytná znalost matematického modelu jeho pohybu. Zatímco elektromagnetické síly se dají vypočítat poměrně přesně pomocí metod konečných prvků, jiné vlivy jsou mnohem méně známé, například modely tření. Pro potřeby řízení v reálném čase je však potřeba nalézt relativně jednoduchý model s co největší přesností. Cílem práce je: 1) seznámit se problémem a s vlivy, které na robota působí, 2) seznámit se s daty z experimentálního zařízení pro planární polohování, a 3) vyzkoušet různé struktury modelu na tato data, případně identifikovat parametry modelů.
literatura: 1) Jansen, J. W., et al. \"Overview of analytical models for the design of linear and planar motors.\" IEEE Transactions on Magnetics 50.11 (2014): 1-7. 2) Bishop, Christopher M. Pattern recognition and machine learning. springer, 2006.
naposledy změněno: 20.09.2017 14:53:41

za obsah této stránky zodpovídá: Radek Fučík | naposledy změněno: 7.8.2011
Trojanova 13, 120 00 Praha 2, tel. 224 358 540, pevná linka 224 923 098, fax 234 358 643
České vysoké učení technické v Praze | Fakulta jaderná a fyzikálně inženýrská | Katedra matematiky