prof. Ing. Martin Hartl, Ph.D.

1. Analýza a optimalizace obchodních dat s využitím umělé inteligence

   Aplikace metod umělé inteligence pro optimalizaci dat je vhodné u problémů, které jsou jen obtížně řešitelné klasickými deterministickými matematickými metodami, nebo tam, kde aplikace exaktních výpočetních metod vyžaduje nepřiměřené zjednodušení úlohy. Získání optimálních dat moderními metodami umělé inteligence je významnou úlohou při klasifikaci a predikci dat. Při řešení zmíněné úlohy použije doktorand následující přístupy: Analýza metod umělé inteligence, analýza algoritmů pro klasifikaci a predikci dat.

   Školitel: Šťastný Jiří, prof. RNDr. Ing., CSc.

2. Distribuované optimalizační systémy

   Distribuovaný přístup je současným trendem v mnoha oblastech aplikací výpočetní techniky, např. v komunikacích, databázích, výpočtech, v řídicích aplikacích a v mnoha dalších. U všech těchto oblastí je optimalizace důležitou součástí jejich realizace. Distribuovaný přístup k optimalizacím umožňuje přizpůsobení struktury řešených optimalizačních úloh reálným podmínkám, kdy lze provádět na nižších úrovních dílčí optimalizace, které budou interagovat s ostatními dílčími optimalizacemi, a které se budou podílet na celkovém výsledku.

   Školitel: Roupec Jan, doc. Ing., Ph.D.

3. Netradiční metody pro klasifikaci a predikci dat při řízení procesů

   K moderním metodám pro optimalizaci řízení procesů patří metody umělé inteligence. Tyto metody je vhodné aplikovat na problémy, které jsou jen obtížně řešitelné klasickými deterministickými matematickými metodami, nebo tam kde aplikace exaktních výpočetních metod vyžaduje nepřiměřené zjednodušení úlohy. Získání optimálních dat moderními metodami a algoritmy umělé inteligence je významnou úlohou při klasifikaci objektů. Při řešení zmíněné úlohy použije doktorand následující přístupy: Analýza evolučních metod, analýza algoritmů pro klasifikaci a predikci dat.

   Školitel: Šťastný Jiří, prof. RNDr. Ing., CSc.