Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
|
tematy_prac_inzynierskich [2019/12/23 03:23] pszwed [Struktura pracy] |
tematy_prac_inzynierskich [2020/06/28 03:07] pszwed [4. Generacja i testy Negatywnych Baz Danych] |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== Struktura pracy ====== | + | ===== Struktura pracy ===== |
| - | [[struktura_pracy_inz|Struktura pracy]] | + | *[[struktura_pracy_inz|Struktura pracy]] |
| + | |||
| + | *[[prace_inz_uwagi|Uwagi]] | ||
| + | |||
| + | *[[proces_dyplomowania|Proces dyplomowania]] | ||
| - | :!: Uwagi... | ||
| - | * W tekście pracy nie używamy czasu przyszłego (opisujemy to, co jest/ | ||
| - | * Nie piszemy, że //chcemy przybliżyć// | ||
| - | * W miarę mozliwosci ilustrujemy tekst rysunkami. Nawet prostymi, typu przepływ danych od A do D poprzez B i C: A -> B -> C -> D. | ||
| - | * Podczas obrony przewidziana jest trwająca około 7 min prezentacja, | ||
| - | * Prezentacja powinna obejmować: | ||
| - | - Slad tytułowy | ||
| - | - Cel pracy | ||
| - | - Przedstawiennie problemu, motywacje | ||
| - | - Może zawierać elementu przegladu literatury (ale krótko) | ||
| - | - Opis prac własnych (zaprojektowano, | ||
| - | - Podsumowanie | ||
| - | * Zła prezentacja: | ||
| - | * Ma 20 slajdów | ||
| - | * W tym 12+ to przegląd literatury i przytoczenie znanych faktów i definicji, a 3 slady na prace własne | ||
| - | * Dyplomant skupia się na szczegółach | ||
| - | * Około 14 slajdu przewodniczący komisji przerywa i prosi o przejście do podsumowania | ||
| ====== Tematy prac inżynierskich ====== | ====== Tematy prac inżynierskich ====== | ||
| + | |||
| + | ===== 2020 ===== | ||
| + | |||
| + | *Map matching | ||
| + | *Algorytmy optymalizacji | ||
| + | *Grupowanie grawitacyjne | ||
| + | *Generacja i testy Negatywnych Baz Danych | ||
| + | ==== 1. Map matching ==== | ||
| + | Zarezerwowane jako implementacja w Pythonie? :?: | ||
| + | |||
| + | (a) Implementacja (znanego) algorytmu rzutowania sekwencji odczytów GPS na mapę w postaci procedur składowanych dla PostgreSQL/ | ||
| + | |||
| + | Procedury mogą być zaimplementowane w | ||
| + | - [[https:// | ||
| + | - Java lub Pythonie (trudniejsze w konfiguracji i dyskusyjne wydajnościowo) | ||
| + | |||
| + | (b) Alternatywnie, | ||
| + | |||
| + | Zakres: | ||
| + | - załaduj mapę oryginalną | ||
| + | - podziel drogę na segmenty (od skrzyżowania do skrzyżowania) | ||
| + | - dodaj tabele/ | ||
| + | - dodaj tabele/ | ||
| + | - napisz procedurę, która dla nowego punktu: | ||
| + | - rozszerza graf o nowe możliwe wierzchołki // | ||
| + | - usuwa z grafu wierchołki, | ||
| + | - podprocedury powinny mieć warianty lub być sterowane parametrami | ||
| + | - Testy: | ||
| + | - jakościowe - czy ścieżki są odwzorowane poprawnie | ||
| + | - wydajnościowe - ile zapytań można przetwarzać w jednostce czasu, ewentualnie grupowanie punktów jednej ściezki | ||
| + | |||
| + | ==== 2. Algorytmy optymalizacji ciagłej z użyciem numpy ==== | ||
| + | |||
| + | To jest temat, który można rozszerzyć na kilka algorytmów. Wspólną cechą ma być: | ||
| + | |||
| + | * wykorzystanie operacji biblioteki numpy. Mimo, że są funkcjami Pythona, sa zaimplementowane w C i działają wydajnie | ||
| + | * Zamiast wykonywac operacje na pojedynczych osobnikach (wektorach w R^n), maja być przeprowadzane operacje na całych macierzach (w których wiersz odpowiada osobnikowi) | ||
| + | * uzycie do testów funkcji z konferencji CEC [[http:// | ||
| + | * Z reguły algorytmy mają jakieś parametry. Dla danej funkcji | ||
| + | * Wybór macierzowej reprezentacji może powodować pewne niewielkie odstepstwa od bazowego algorytmu mające na celu przyspieszenie obliczeń | ||
| + | * Działanie algorytmu należy przetestować, | ||
| + | |||
| + | === 2.a PSO === | ||
| + | |||
| + | Implementacja algorytmu Particle Swarm Optimization. Należy zaimplementować rózne topologie: | ||
| + | * globalną | ||
| + | * sąsiedzi | ||
| + | * losowowanie grafu | ||
| + | |||
| + | === 2.b Algorytm mrówkowy === | ||
| + | |||
| + | Implementacja algorytmu mrówkowego, | ||
| + | |||
| + | === 2.c Algorytm pszczeli === | ||
| + | |||
| + | Istnieje kilka wersji... | ||
| + | |||
| + | === 2.d === | ||
| + | |||
| + | Inne do przedyskutowania..., | ||
| + | |||
| + | ==== 3. Grupowanie grawitacyjne ==== | ||
| + | Grupowanie (klasteryzacja) to proces łączenia danych w grupy. Przez dane rozumiane są tu wektory w R^n. Zazwyczaj oczekuje się, że grupy będą od siebie oddalone, natomiast dane należące do jednej grupy położone blisko siebie. Przy grupowaniu grawitacyjnym wykorzystuje się model sił grawitacji - blisko położone punkty przyciągają się mocniej i skupiają w grupy. | ||
| + | Celem pracy jest implementacja kilku znanych wersji algorytmu grupowania grawitacyjnego i przetestowanie ich działania. | ||
| + | |||
| + | Język implementacji Python. | ||
| + | |||
| + | ==== 4. Generacja i testy Negatywnych Baz Danych ==== | ||
| + | |||
| + | Negatywne Bazy Danych (NDB) przechowują w jawnej postaci negatywną informację. Można to przeanalizować na przykładzie łańcucha bitów 101. Negatywna reprezentacja to oczywiście wyliczenie innych wariacji: 001,010, itd. Stosując symbole wieloznaczne może to być również | ||
| + | < | ||
| + | Te dwie ostatnie specyfikacje są równoważne formule logicznej $b_0\and\not b_2 \or \not b_0$. Znalezienie ciągu zdań (bitów) to zagadnienie SAT [[https:// | ||
| + | |||
| + | |||
| ===== 2019 ===== | ===== 2019 ===== | ||
