Propozycje tematów prac magisterskich 2014/15 Studia stacjonarne



Pobieranie 0.64 Mb.
Strona1/9
Data02.05.2016
Rozmiar0.64 Mb.
  1   2   3   4   5   6   7   8   9
Propozycje tematów prac magisterskich 2014/15

Studia stacjonarne

















Temat

Nowe algorytmy zarządzania przetwarzaniem w środowiskach chmurowych







Cel pracy

Opracowanie, implementacja i analiza działania nowych algorytmów zarządzania przetwarzaniem w środowiskach chmurowych. Opracowane algorytmy mają na celu zwiększenie efektywności i niezawodności przetwarzania przy utrzymaniu wymaganej wydajności.







Zadania

  1. Opracowanie nowych algorytmów zarządzania przetwarzaniem w środowiskach chmurowych

  2. Implementacja algorytmów w środowisku symulacyjnym DCworms

  3. Testy w środowisku symulacyjnym i analiza wyników







Promotor

Prof. zw. dr hab. inż. Jan Węglarz







Opiekun

Dr inż. Krzysztof Kurowski / Dr inż. Ariel Oleksiak



















Temat

Nowe metody obliczeń energooszczędnych przy wykorzystaniu układów o niskim poborze mocy







Cel pracy

Celem pracy jest zbadanie i opracowanie nowych metod wydajnych obliczeń energooszczędnych przy użyciu procesorów wykorzystywanych w systemach mobilnych i wbudowanych (ARM) lub układów rekonfigurowalnych (FPGA).







Zadania

  1. Zbadanie efektywności energetycznej różnych modeli obliczeń na architekturach sprzętowych o niskim zużyciu energii (np. procesorach ARM, układach FPGA).

  2. Dobór klas aplikacji i modeli obliczeń do architektur sprzętowych w celu minimalizacji zużycia energii.

  3. Implementacja wybranych benchmarków.

  4. Zastosowanie układów energooszczędnych do obliczeń większej skali.







Promotor

Prof. zw. dr hab. inż. Jan Węglarz







Opiekun

Dr inż. Krzysztof Kurowski / Dr inż. Ariel Oleksiak



















Temat

Szacowanie zużycia energii przez aplikacje w centrach przetwarzania danych







Cel pracy

Celem pracy jest opracowanie metodyki do szacowanie zużycia energii przez aplikacje w centrach przetwarzania danych i jej implementacja. Opracowana metodyka powinna umożliwić obliczenie udziału pojedynczej aplikacji w całkowitym zużyciu energii uwzględniając aspekty sieciowe, zarządzanie danymi i wirtualizację.







Zadania

  1. Opracowanie metodyki do szacowanie zużycia energii przez aplikacje

  2. Uwzględnienie rozproszonego charakteru aplikacji i przesyłu danych

  3. Rozszerzenie metodyki dla środowisk z wirtualizacją

  4. Implementacja metodyki.

  5. Testy w środowisku rzeczywistym i symulacyjnym







Promotor

Prof. zw. dr hab. inż. Jan Węglarz







Opiekun

Dr inż. Krzysztof Kurowski / Dr inż. Ariel Oleksiak



















Temat

Indukcja wzorców statystycznie istotnych







Cel pracy

Opracowanie i implementacja algorytmu służącego do indukcji wzorców statystycznie istotnych. Opracowanie i implementacja metody przeglądania wzorców. Integracja stworzonych rozwiązań z zaproponowanym środowiskiem analizy danych.







Zadania

  1. Opracować algorytm indukcji wzorców.

  2. Opracować metodę prezentacji.

  3. Zaimplementować i udokumentować zaproponowane rozwiązania.

  4. Wykonać testy.

  5. Przeprowadzić eksperyment obliczeniowy.

  6. Opracować integrację zaproponowanych rozwiązań ze środowiskiem analizy danych.







Promotor

Dr inż. Jerzy Błaszczyński







Opiekun






















Temat

W poszukiwaniu optymalnej heurystyki uczenia reguł decyzyjnych







Cel pracy

Badania nad różnymi heurystykami służącymi do uczenia reguł decyzyjnych z danych. Opracowanie i implementacja wybranych algorytmów. Eksperymentalna ocena wybranych rozwiązań. Integracja stworzonych rozwiązań z zaproponowanym środowiskiem analizy danych.







Zadania

  1. Zbadać różne heurystyki służące do uczenia reguł decyzyjnych.

  2. Opracować i zaimplementować wybrane heurystyki.

  3. Przeprowadzić eksperyment obliczeniowy mający na celu ocenę zaimplementowanych rozwiązań.

  4. Opracować integrację zaproponowanych rozwiązań ze środowiskiem analizy danych.







Promotor

Dr inż. Jerzy Błaszczyński







Opiekun






















Temat

Algorytmy uczenia maszynowego dla problemów klasyfikacji dużej skali







Cel pracy

Celem pracy jest opracowanie i eksperymentalna weryfikacja algorytmów uczenia maszynowego dla problemów klasyfikacji, które cechują się bardzo dużą liczbą przykładów uczących, cech oraz klas decyzyjnych.

W dobie eksplozji danych problemy uczenia się z dużych wolumenów danych pojawiają naturalnie w rzeczywistych aplikacjach i stanowią nowe oraz bardzo ciekawe wyzwanie.









Zadania

  1. Zapoznanie się z tematyką uczenia maszynowego w kontekście dużych wolumenów danych.

  2. Analiza różnych podejść do problemu uczenia się z dużych wolumenów danych.

  3. Implementacja algorytmów i ich weryfikacja empiryczna na publicznie dostępnych zbiorach danych.







Promotor

dr inż. Krzysztof Dembczyński







Opiekun






















Temat

Algorytmy uczenia maszynowego dla klasyfikacji strukturalnej







Cel pracy

Celem pracy jest opracowanie i eksperymentalna weryfikacja algorytmów uczenia maszynowego dla problemów klasyfikacji strukturalnej, w której zmienne wyjściowe mają postać złożoną, np. przyjmują formę sekwencji etykiet, drzewa lub ogólnego grafu. Przykładami takich problemów jest rozpoznawanie nazw własnych w dokumentach tekstowych, analiza składniowa zdania w języku naturalnym lub rozpoznawanie słów z pisma ręcznego. Problemy tego typu znajdują bardzo wiele zastosowań praktycznych.







Zadania

  1. Zapoznanie się z tematyką uczenia maszynowego w kontekście problemów klasyfikacji strukturalnej.

  2. Analiza różnych podejść do problemów klasyfikacji strukturalnej.

  3. Implementacja algorytmów i ich weryfikacja empiryczna na publicznie dostępnych zbiorach danych.







Promotor

dr inż. Krzysztof Dembczyński







Opiekun






















Temat

Algorytm ewolucyjny dla praktycznego problemu planowania transportu







Cel pracy

Celem pracy jest opracowanie hybrydowego algorytmu ewolucyjnego (algorytmu memetycznego) dla problemu planowania transportu w przedsiębiorstwie dystrybucyjnym







Zadania

Analiza literatury. Propozycja algorytmu ewolucyjnego. Projekt i implementacja prototypowego systemu. Testy opracowanych algorytmów i systemu na danych testowych i rzeczywistych.







Promotor

dr hab. inż. Andrzej Jaszkiewicz, prof. PP







Opiekun






















Temat

Wielokryterialne grupowanie (clusterring) obiektów za pomocą algorytmów inspirowanych biologicznie







Cel pracy

Celem pracy jest opracowanie inspirowanego biologicznie algorytmu wielokryterialnego grupowania obiektów







Zadania

Analiza literatury. Propozycja algorytmu grupowania. Projekt i implementacja prototypowego systemu. Testy opracowanych algorytmów i systemu na danych testowych i rzeczywistych.







Promotor

dr hab. inż. Andrzej Jaszkiewicz, prof. PP







Opiekun






















Temat

Wielokryterialny algorytm ewolucyjny







Cel pracy

Celem pracy jest opracowanie usprawnionego algorytmu ewolucyjnego do generowania rozwiązań w przybliżeniu Pareto-optymalnych w problemach kombinatorycznych







Zadania

Analiza literatury. Propozycja algorytmu ewolucyjnego. Projekt i implementacja prototypowego systemu. Testy opracowanych algorytmów i systemu na danych testowych i rzeczywistych.







Promotor

dr hab. inż. Andrzej Jaszkiewicz, prof. PP







Opiekun






















Temat

Uczenie ze wzmocnieniem w Monte Carlo Tree Search dla gier stochastycznych.







Cel pracy

Monte Carlo Tree Search (MCTS) jest stosunkowo młodą metodą przeszukiwania drzewa gry, która potwierdziła swoją przydatność dla takich gier jak choćby Go. Celem pracy jest ulepszenie MCTS za pomocą metod uczenia ze wzmocnieniem. Domeną testową będzie gra z elementami niedeterminizmu (np. backgammon, keepaway soccer, 2048)







Zadania

  1. Zapoznanie się literaturą dotyczącą MCTS i uczenia ze wzmocnieniem w grach

  2. Opracowanie metody uczącego się algorytmu MCTS

  3. Zastosowanie algorytmu dla wybranej gry

  4. Wykonanie eksperymentów i analiza uzyskanych wyników.







Promotor

dr inż. Wojciech Jaśkowski







Opiekun






















Temat

Zastosowanie uczenia ze wzmocnieniem dla gry Warlight







Cel pracy

Celem pracy jest uzyskanie możliwie efektywnego agenta AI dla gry Warlight (http://warlight.net/). Temat zakłada zastosowanie uczenia ze wzmocnieniem, które odniosło już duże sukcesy w tej domenie zastosowań (http://goo.gl/zYoIEG), ale być może trzeba będzie je połączyć z innymi metodami sztucznej inteligencji (np. koewolucji lub metody przeszukiwania).

(Domena zastosowana – gra – może ulec zmianie)









Zadania

  1. Zapoznanie się literaturą dotyczącą uczenia ze wzmocnieniem w grach

  2. Implementacja kilku wariantów uczenia różnicowego

  3. Opracowanie autorskich pomysłów poprawiających efektywność algorytmu.

  4. Wykonanie eksperymentów i analiza uzyskanych wyników.



  1   2   3   4   5   6   7   8   9


©absta.pl 2016
wyślij wiadomość

    Strona główna