prof. Ing. Martin Hartl, Ph.D.

1. Analýza a indentifikace lokálních struktur DNA pomocí metod soft computingu.

   Projekt zahrnuje vývoj specializované platformy pro analýzu DNA sekvencí se zaměřením na velké objemy dat, které budou zahrnovat požadované algoritmy pro identifikaci struktur jako jsou triplexy, kvadruplexy a pro analýzu proteinových motivů s reportovacími a vizualizačními nástroji a jejich ukládání ve vhodném databázovém systému. Navrhovaný software bude implementován jako webová služba a bude k dispozici online pro veřejné použití. Software bude použit pro charakterizaci a vyhodnocování lokálních DNA struktur v sekvencích DNA se zaměřením na možnost analýzy celých genomů a různých lokálních DNA struktur včetně triplexů a kvadruplexů.

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

2. 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.

3. 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.

4. Holografické zobrazovací metody pro průmyslové aplikace

   Vizualizace v průmyslu je téměř výhradně omezena na 2D zobrazování a techniky vizualizace. Rozvinuté sensorické systémy a IoT však poskytují rozsáhlé datové soubory, které nelze vyhodnocovat jinak než pomocí AI-ML a intuitivního zobrazování. Holografické systémy poskytují daleko větší možnosti pro intuitivní zobrazování v problematice big data. Holografické systémy se však liší v technických parametrech a vhodnosti pro průmyslové aplikace. Je třeba vybrat technologie a metody zobrazování, které odpovídají požadavkům různých typů průmyslových aplikací.

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

5. Inteligentní prediktivní regulátory

   Prediktivní řízení (MPC) je účinná metoda v návrhu regulátorů pro řízení mnoha druhů procesů. Přičemž lineární MPC jsou často nevhodné pro řízení nelineárních systémů a nelineární MPC jsou obecně výpočetně nákladné. Práce se bude snažit nalézt inteligentní a optimální návrh MPC regulátoru pro řízení vybraných nelineárních a komplexních systémů. Výzkum a aplikace v oblastech pokročilé teorie řízení, výpočetní inteligence, simulace a praktické (real-time) realizace budou úkolem této práce.

   Školitel: Matoušek Radomil, prof. Ing., Ph.D.

6. Návrh adaptivního řízení s využitím frameworku ROS

   V oblasti mobilní robotiky byl zaznamenán v poslední době značný rozvoj v souvislosti s příchodem moderních, výkonných a hlavně miniaturních počítačů a kontrolérů. K rozvoji mobilních robotických zařízení též přispěl vývoj senzorických systémů, které jsou stále přesnější, rychlejší a menší. Úlohy mobilních robotů mohou být různé. V některých skladech společnosti Amazon je například využíván systém autonomních mobilních robotů. Ty dle potřeby přivezou a zase odvezou vozík s požadovaným zbožím. Dále jsou mobilní roboty používány například na mapování vnitřních nebo venkovních prostor, jako servisní roboti, nebo jako součásti jiných zařízení, například parkovací asistent v automobilech. Navrhovaný projekt je zaměřen na mapování vnitřních prostor a klade si za cíl navrhnout a implementovat algoritmy adaptivního řízení mobilních robotů. Součástí projektu bude návrh systému pro získávání dat na vytvoření 3D modelu mapovaných prostor. Při návrhu algoritmu a pro řízení robota bude využit framework ROS.

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

7. 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.

8. Optimalizace obslužnosti v síťových aplikacích

   V aplikacích, které z obslužných míst rozmístěných v rozlehlé oblasti zajišťující určité služby zákazníků, je typickou úlohou minimalizace těchto míst tak, aby každý zákazník měl alespoň jedno ze středisek v dostupné vzdálenost. Problém pokrytí, na nějž tato úloha vede, má pro množinu složitost O(2^n), kde n je počet daných míst a je nutné jej řešit heuristickými metodami pro "velké" instance problému. Úloha má však ještě složitější formulace, kdy je třeba uvážit i kapacity obslužných míst a požadavky zákazníků. V disertační práce bude cílem aplikovat obecné řešení problému v úlohách komunikace 5G mobilních sítí a ukládání dat v NoSQL databázích.

   Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

9. Plánování dráhy robotu ve scéně s překážkami

   Metody pro plánování dráhy robotu mají řadu aplikací, mohou se využít ve výrobních halách, kdy robotické zařízení se pohybuje po vyhrazené trase, ale i v situacích, kdy je nutné dráhu průběžně konstruovat, např. při prohledávání prostorů s nebezpečím výbuchu, hledání osob v havarijních situacích (např. závaly po zemětřesení). Tradiční přístupy zahrnují metody dekompozice scény, metodu potenciálového pole a metody silniční mapy. V rámci skupin lze vymezit řadu specifických metod, které se mohou lišit např. podle použitých geometrických struktur (grafy viditelnosti, rychle rostoucí stromy, Voroného diagramy). Úkolem je provést základní klasifikaci a srovnání metod a implementovat algoritmus, který zajistí, že trasa robotu bude hladká a bezpečná z pohledu hrozby kolize s překážkami.

   Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

10. Robotika a Bin Picking - Hledání svatého grálu

    Existují tři hlavní typy bin pickingu: strukturovaný, polostrukturovaný a náhodný výběr. Každý z nich představuje rostoucí úroveň složitosti aplikací, nákladů a doby cyklu. Můžeme říci, že náhodný výběr se již blíží hlavnímu proudu současné robotiky (v trendu Industry 4.0). Náhodný výběr vyžaduje konvergenci technologií, zvláště pak tři hlavní komponenty, které zvyšují inteligenci robota: senzory, software a nástroje na konci - efektory. Rozvoj ve všech třech uvedených oblastech nás posunuje blíže k diskutovanému cíli.

    Školitel: Matoušek Radomil, prof. Ing., Ph.D.

11. Stabilizace a řízení dynamických systémů vykazujících chaotické chování

    Některé dynamické systémy vykazují komplikované chování, pro které se vžil termín deterministický chaos. Téma je zaměřeno na analýzu vybraných chaotických modelů (vzhledem k co nejširší množině parametrů systému) a jejich stabilizaci s využitím metod výpočetní inteligence.

    Školitel: Matoušek Radomil, prof. Ing., Ph.D.