Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
Next revision Both sides next revision
tematy_prac_inzynierskich [2020/06/28 02:44]
pszwed [2. Algorytmy optymalizacji ciagłej z użyciem numpy]
tematy_prac_inzynierskich [2020/06/28 03:01]
pszwed [3. Grupowanie grawitacyjne]
Line 15: Line 15:
   *Algorytmy optymalizacji   *Algorytmy optymalizacji
   *Grupowanie grawitacyjne   *Grupowanie grawitacyjne
 +  *Generacja i testy Negatywnych Baz Danych
 ==== 1. Map matching ==== ==== 1. Map matching ====
 Zarezerwowane jako implementacja w Pythonie? :?: Zarezerwowane jako implementacja w Pythonie? :?:
Line 71: Line 72:
 ==== 3. Grupowanie grawitacyjne ==== ==== 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.  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.  Testy mają obejmować typowe przykłady 2D [[https://scikit-learn.org/stable/modules/clustering.html|jak tu]] oraz kilkanaście zbiorów danych z repozytorium UCI. +Celem pracy jest implementacja kilku znanych wersji algorytmu grupowania grawitacyjnego i przetestowanie ich działania.  Testy mają obejmować  [[https://scikit-learn.org/stable/modules/clustering.html|typowe przykłady 2D]] oraz kilkanaście zbiorów danych z repozytorium UCI. 
  
 Język implementacji Python. 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 1*0, 0**, itp. Te dwie ostatnie specyfikacje są równoważne formule logicznej b0&&!b2 || !b0. Znalezienie ciągu zdań (bitów) to zagadnienie SAT [[https://pl.wikipedia.org/wiki/Problem_spe%C5%82nialno%C5%9Bci]], które jest problemem o złożoności NP. Celem pracy jest implementacja algorytmów generacji NDB oraz przeprowadzenie testów, czy możliwe jest złamanie wygenerowanych NDB z użyciem solwerów SAT (np. [[http://minisat.se/|Mini SAT]] i  [[https://www.princeton.edu/~chaff/zchaff.html|zChaff]]).
  
 ===== 2019 ===== ===== 2019 =====
tematy_prac_inzynierskich.txt · Last modified: 2024/06/17 14:54 by pszwed
CC Attribution-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0