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_magisterskich [2017/09/22 12:45] pszwed [Tematy do realizacji 2017/2018] |
tematy_prac_magisterskich [2020/09/25 23:39] pszwed [2020] |
||
---|---|---|---|
Line 1: | Line 1: | ||
====== Tematy prac magisterskich ====== | ====== Tematy prac magisterskich ====== | ||
+ | |||
+ | ===== 2020 ===== | ||
+ | |||
+ | **1. Generacja widoków ontologii** | ||
+ | Ontologie przechowują informacje o klasach relacjach pomiędzy klasami, atrybutach oraz instancjach klas. Można w dużym uproszczeniu traktować je jako połączenie diagramu klas i obiektów UML. | ||
+ | |||
+ | Widok ontologii jest jej podzbiorem zachowującym relacje (oryginalne lub // | ||
+ | |||
+ | **2. Ustalanie autorstwa tekstów** | ||
+ | Celem pracy jest zastosowanie sieci neuronowych do ustalania autorstwa tekstów. Problem należy traktować jako zagadnienie klasyfikacji. Mamy próbki tekstu różnych autorów i budujemy klasyfikator potrafiący odróżnić je od siebie. | ||
+ | |||
+ | Przewiduje się ekstrakcję klasycznych cech stosowanych przy określaniu autorstwa: | ||
+ | - częstych słów | ||
+ | - statystyk znaków | ||
+ | - tagowania części mowy | ||
+ | - ale także bezpośrednie wyodrębnianie cech przez zastosowanie sieci konwolucyjnych. | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== 2019 ===== | ||
+ | Ze względu na możliwość przekroczenia limitów godzin dydaktycznych do ustalenia zajęć około 25 września tematy nie będą proponowane (poza osobami, które już je uzgodniły). | ||
+ | ===== Tematy do realizacji 2018/2019 ===== | ||
+ | |||
+ | :!: Brak wolnych miejsc w roku 2018/2019 | ||
+ | ==== Optymalizacja (kilka tematów prac do uzgodnienia) ==== | ||
+ | - Algorytmy optymalizacji ciągłej: mrówkowe, pszczele, PSO (wraz z modyfikacjami). Funkcje celu CEC. Implementacje na różnych platformach: | ||
+ | - Zastosowanie automatów komórkowych do optymalizacji (ciągłej?/ | ||
+ | |||
+ | ==== Uczenie maszynowe ==== | ||
+ | |||
+ | - Odkrywanie reguł decyzyjnych za pomocą algorytmów optymalizacyjnych - optymalizacja przesłanek i kolejności reguł | ||
+ | - Przetwarzanie danych (klasyfikacja) wprowadzonych przez grupę (crowdsourcing) https:// | ||
+ | - Rozpoznawanie klawiszy na podstawie zarejestrowanych dźwięków (klawiatura leżąca na stole) | ||
+ | - Rozpoznawanie klawiszy na podstawie wskazań czujników w komórce (np. akcelerometr) | ||
+ | |||
+ | |||
===== Tematy do realizacji 2017/2018 ===== | ===== Tematy do realizacji 2017/2018 ===== | ||
Line 6: | Line 49: | ||
- Pobieranie danych ze stron internetowych metodą rozpoznawania obrazów //data scraping// (np. należy pobrać informacje o cenach i towarach na stronie: zapisz obraz strony, wykryj układ, zastosuj OCR do poszczgólnych regionów) | - Pobieranie danych ze stron internetowych metodą rozpoznawania obrazów //data scraping// (np. należy pobrać informacje o cenach i towarach na stronie: zapisz obraz strony, wykryj układ, zastosuj OCR do poszczgólnych regionów) | ||
- Ro(botyzacja). Zastąpienie działania użytkownika systemu botem posługującym się interfejsem użytkownika (pobierz dane z pola aplikacji, wykonaj na nich operację, zapisz wartości w innym okienku/ | - Ro(botyzacja). Zastąpienie działania użytkownika systemu botem posługującym się interfejsem użytkownika (pobierz dane z pola aplikacji, wykonaj na nich operację, zapisz wartości w innym okienku/ | ||
- | - Analiza jakości nawierzchni tras rowerowych: aplikacja mobilna, zbieranie danych z akcelerometru, | ||
- Algorytm rzutowania ścieżek GPS na mapę (//map matching// | - Algorytm rzutowania ścieżek GPS na mapę (//map matching// | ||
- Rekomendacja treści z wykorzystaniem charakterystyk czasowych (na przykładzie zbiorów danych MovieLens, Netflix, itp) | - Rekomendacja treści z wykorzystaniem charakterystyk czasowych (na przykładzie zbiorów danych MovieLens, Netflix, itp) |