prof. Ing. Václav Píštěk, DrSc.

1. Automatické generování modelů

   Disertační práce se bude zabývat návrhem a rozborem pokročilých variant GE a GP algoritmů a jejich efektivními HPC (High Performance Computing) implementacemi. Aplikace budou zaměřeny na tvorbu prediktivních modelů nelineárních a chaotických systémů a jejich řízením.

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

2. Distribuované optimalizační programy

   Aktuální řešené aplikační inženýrské problémy kladou zvýšené nároky na paralelizaci řešení a nejnověji i na modelování optimalizačních úloh. Cílem práce je navázat na stávající nástroje matematického programování v oblasti dekompozičních a heuristických algoritmů a uvedené přístupy modifikovat a zobecnit pro oblast distribuovaných algoritmů a modelů. Důraz bude kladen na vývoj obecného standardu pro komunikaci optimalizačních programů včetně jeho testovací implementace.

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

3. Inteligentní řízení založené na neuronových sítích

   Efektivní implementace regulátorů pro řízení nelineárních systémů patří obecně k náročným úlohám, které využívají poznatků matematiky, kybernetiky i umělé inteligence. Neuronové sítě v tomto ohledu prokazují schopnosti, kterými se významně odlišují od jiných konvenčních i soft-computing metod, jde o schopnost adaptace a učení. Disertační práce se v tomto ohledu bude zabývat efektivními implementacemi pokročilých struktur neuronových sítí za účelem adaptivního a inteligentního řízení nelineárních a chaotických systémů. Výsledkem práce budou nové teoretické poznatky i praktická implementace.

   Školitel: Švarc Ivan, doc. Ing., CSc.

4. Metody a algoritmy zpracování obrazu v oblasti určování topografických parametrů povrchů

   K moderním metodám studia topografie povrchů patří metody optické. Jejich výstupem je obecně plošné rozložení intenzity světla nesoucí informaci o topografii studovaného povrchu. Získání této informace moderními metodami a algoritmy zpracování obrazu je významnou úlohou v charakterizaci topografie povrchů. Při řešení zmíněné úlohy použije doktorand následující přístupy: Analýza metod předzpracování obrazu, analýza metod a algoritmů pro rozpoznání obrazu.

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

5. Použití neuronových sítí v automatizaci

   Efektivní implementace regulátorů pro řízení nelineárních systémů patří obecně k náročným úlohám, které využívají poznatků matematiky, kybernetiky i umělé inteligence. Neuronové sítě v tomto ohledu prokazují schopnosti, kterými se významně odlišují od jiných konvenčních i soft-computing metod, jde o schopnost adaptace a učení. Disertační práce se v tomto ohledu bude zabývat efektivními implementacemi pokročilých struktur neuronových sítí za účelem adaptivního a inteligentního řízení nelineárních a chaotických systémů. Výsledkem práce budou nové teoretické poznatky i praktická implementace.

   Školitel: Švarc Ivan, doc. Ing., CSc.

6. Zvýšení efektivity součinnosti nekonvenčních technologií

   Cílem práce je teoretický návrh a praktický přínos pro řešení problematiky přípravy materiálů pro konvenční obrábění. Konkrétně se bude jednat o modelování a návrh efektivní součinnosti nekonvenčních technologií obrábění.

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