Obhajoby tezí disertačních prací v roce 2004

Mgr. Luděk Pokluda

Záměr disertační práce:

Tématem práce je využití prostředků virtualní reality pro pomoc slepým lidem při orientaci a procházení budovou. Jedním z omezujících faktorů při učení se nové cesty neznámou budouvou je čas a to jednak čas slepého člověka, ale také čas jeho průvodce, protože k zapamatování cesty je většinou třeba několika průchodů budovou. V rozsáhlých budovách může být toto procházení také velmi fyzicky náročné. Usnadnit a urychlit tuto činnost by mohlo procházení virtuálním modelem budovy, sloužícím pro naučení se duležitých rozhodovacích bodů na dané cestě a následně simulace průchodu budovou pro ověření nově nabité znalosti. Jednou z výhod virtualní simulace budovy je moznost zvolit si způsob, jakým bude budova reprezentována. S ohledem na schopnosti slepého uživatele byly navrženy dva rozdílné způsoby reprezentace. První metoda je analogií grafické reprezentace budovy – polygonalní model, kterým může uživatel volně procházet. Cestu do zvoleného místa lze vyznačit různými způsoby (značkami) podle potřeb a schopností uživatele (např. chodby vedoucí opačným směrem mají drsný povrch stěn). Druhá metoda prezentuje abstraktní model průchodu budovou pomocí tunelů kterými je uživatel budovou proveden do zvoleného místa. Tyto metody byly již experimentálně ověřovány malou skupinou testovacích osob (některé z nich byly od narození slepé), která ohodnotila obě techniky kladně. Jednotliví uživatelé favorizovali jednu nebo druhou techniku, což dokazuje rozdílnost prostorového vnímání slepých a vhodnost využití různých modelů budovy. Záměrem práce je rozšíření těchto technik a jejich ověření v reálné budově větší skupinou testovacích osob. Nedostatkem soudobých haptických zařízení je jejich omezený pracovní prostor. Práce bude zkoumat možnosti procházení prostoru modelu/scény v tomto omezeném haptickém prostoru s ohledem na slepého uživatele.

Teze disertační práce byly obhájeny.

Mgr. Michal Batko

Záměr disertační práce:

S neustále se zrychlující infrastrukturou počítačových sítí vzrůstá také zájem o distribuované systémy. Moderní počítačové sítě mívají natolik velkou kapacitu, že je pro aplikaci levnější přistoupit k RAM paměti jiného počítače v síti než přistupovat na lokální disk. Proto se ukazuje vhodným rozmístit data s pomocí distribuovaného systému mezi jednotlivé uzly sítě. Aby bylo možné k těmto datům efektivně přistupovat, je nutné vyvinout nové metody pro ukládání a zpracování distribuovaných dat. Scalable Distributed Data Structures (SDDS) jsou dalším krokem na cestě za efektivním distribuovaným datovým skladem, neboť jsou již z definice svých vlastností vhodné pro rozsáhlé distribuované systémy. Tyto techniky lze také s výhodou využít pro velké objemy dat, ve kterých chceme vyhledávat podle podobností mezi objekty (lze je použít například v rozpoznávání obrázků, hledání hlasových vzorků, porovnávání molekul, ...). Jednou z metod, jak toho dosáhnout, je použití abstrakce "metrických prostorů", kterými lze definovat "vzdálenostní" funkci pro danou třídu objektů. Takový přístup umožňuje podobnostní hledání v distribuovaném prostředí a tedy v podstatě téměř neomezenou kapacitu úložiště. Tato práce je zaměřena na vytvoření nové distribuované indexační struktury pro podobnostní hledání, která kombinuje existující centralizované techniky s distribuovaným prostředím.

Teze disertační práce byly obhájeny.

Mgr. Jan Blaťák

Záměr disertační práce:

Naším cílem je navrhnout metody pro efektivní vyhledávání častých vzorů v multirelačních datech a implementovat je do systému induktivního logického programování RAP. Hledání častých vzorů je přitom jednou ze základních deskriptivních úloh dolování znalostí v databázích a tvoří základ řady dalších metod. Časté vzory se využívají např. pro hledání asociačních pravidel nebo ke konstrukci rysů v klasifikačních úlohách. Pro hledání častých vzorů v multirelačních datech byly dosud implementovány pouze tři systémy, z nichž dva, Warmr a OR-FP, jsou založeny na algoritmu Apriori. Třetí systém, RAP, který jsme navrhli a implementovali ve své dřívější práci, umožňuje hledat vzory jinými metodami, např. do hloubky, heuristickým prohledáváním apod. V naší další práci navrhneme jak sekvenční tak paralelní metody, které zefektivní proces hledání. Tyto metody implementujeme do našeho systému. Systém poté ověříme na datech z různých oblastí, především na datech z oblasti biochemie, chemie a na datech textových.

Teze disertační práce byly obhájeny.

Mgr. Petr Holub

Záměr disertační práce:

Prosředí současného akademického Internetu umožnilo přednosy velkých objemů dat, což vytvořilo podmínky pro rozvoj aplikací využívajících vysoce kvalitní multimedia jako např. aplikací pro podporu virtuální spolupráce. Dalším krokem je nyní distribuce samotného zpracování multimediálních dat, jejichž množství snadno zahltí jakékoli centralizované řešení. V práci se chceme zaměřit na vytvoření architektury pro zpracování dat jak synchronním tak i asynchronním způsobem. Synchronní zpracování je založeno na bázi aktivních elementů a jeho cílem je minimalizace latence zpracování při zachování možnosti náročného zpracování. Chceme se také zaměřit na modely fault-tolerantních architektur, které umožní zmírnit problémy vnímané uzivately jak v důsledku výpadků v samotném systému tak i výpadků v síti, na níž je zpracování založeno. Asynchronní zpracování pak bude založeno na využití prostředků dostupných v Gridové infrastruktuře a na návrhu modelu interakce plánovacích systémů s distribuovanými datovými sklady. Práce se bude zahrnovat jak návrh modelů tak i jejich implementaci spolu s implementací klientských nástrojů za účelem ověření navržených architektur.

Teze disertační práce byly obhájeny.

Mgr. Filip Procházka

Záměr disertační práce:

Vývoj informačních systémů založených na technologii Business Rules Engines (BRE) a Model Based Architecture je v současné době v popředí zájmu. Umožňuje totiž tvořit extrémně flexibilní informační systémy. Model podporované domény hraje v tomto paradigmatu klíčovou roli. Chování systému totiž není zakódováno na pevno v programech, ale je dáno interpretací modelu. Abychom tento přístup mohli uplatnit, potřebujeme silný modelovací aparát pro modelování jak struktury (např. konceptuální modely, tvrzení konzistence, ...) tak i chování (procesní modely, pravidla aktivity, ...). Aparát musí mít dobře a jednoznačně definovanou sémantiku a musí být snadno srozumitelný lidem z podporované domény. Touto doménou může být jak oblast klasických informačních systémů (např. systémy správy dokumentů či finnanční systémy), ale i oblast vědeckého výzkumu (např. etologie). V práci je představen aparát splňující tyto požadavky. Byl nazván MUSE (Mention USe Engine). Jméno nástroje vychází ze základního požadavku: potřebujeme silný aparát pro tvorbu modelů (zmiňování znalostí - mention) a model chceme okamžitě začít používat (use). Při práci potřebujeme plynule přecházet mezi režimem mention a režimem use. Základní modelovací konstrukty nástroje MUSE jsou: silné typy (např. dokument, projekt, ...), typy vztahů (obecně n-árních, např. dokumenty patřící do daného projektu), kategorizace (např. stav projektu), kategorie (např. zahájený projekt) a atributy (např. zkratka projektu). Nástroj MUSE dále nabízí konceptuální dotazovací jazyk tzv. identifikačních výrazů. Ty jsou používány nejen pro formulaci dotazů, ale také jsou pomocí nich vyslovována pravidla. MUSE nabízí tři základní typy pravidel 1) pravidla konzistence - vyjadřují omezení na strukturu či chování modelu 2) pravidla aktivity - pro modelování procesů a chování 3) kategorizační pravidla - sloužící pro předepsání, jak vyhodnocova obsah vypočítávaných kategorií (např. kategorie "rizikový úvěr"). Nástroj MUSE také umožňuje pracovat s nejistou (fuzzy) znalostí (např. pracovník patří do kategorie "spolehlivý" s mírou 0.7). Narozdíl od jiných systémů umožňuje MUSE přirozeně pracovat s objekty vyšších řádů. Každý objekt v systému je možné zmiňovat. To znamená, že je možné tvořit kategorie kategorií, vyslovovat pravidla o pravidlech, definovat vztahy mezi pravidly a kategoriemi apod.

Teze disertační práce byly obhájeny.

Mgr. Vladimír Kadlec

Záměr disertační práce:

Cílem této práce je vytvořit nástroj pro robustní syntaktickou analýzu přirozených jazyků. Analýza vět v přirozeném jazyce je v tomto nástroji založena na bezkontextové gramatice pro daný jazyk. Vnitřní reprezentace odvozovacích stromů umožňuje na tyto stromy aplikovat kontextové omezovací podmínky, například shodu pádu ve jmenné skupině. Tento obecně NP-úplný problém vyžaduje návrh nových, efektivních algoritmů pro vyhodnocování a pečlivou implementaci. Dále bychom chtěli efektivně pracovat se stromy, které již byly "ořezány" těmito podmínkami, a také být schopni vybrat $n$ nejpravděpodobnějších stromů podle pravděpodobností pravidel získaných z korpusu stromů.

Náš systém je jazykově nezávislý, nicméně je optimalizován pro rozsáhlé a velmi nejednoznačné gramatiky pro češtinu (řádově tisíce odvozovacích pravidel). Očekáváme, že tento nástroj může být úspěšně použít pro porovnání různých algoritmů pro syntaktickou analýzu pomocí bezkontextových gramatik. Toto porovnání je důležité pro počítačové lingvisty, kteří hodlají implementovat rychlý a efektivní syntaktický analyzátor pro daný jazyk.

Teze disertační práce byly obhájeny.

Mgr. David Svoboda

Záměr disertační práce:

Rekonstrukce biomedicínských obrazů má svůj velký význam např. v molekulární patologii (nauka o nemocech studující příčiny a děje způsobující jejich rozvoj na genové úrovni) při hledání různých typů chromozomálních anomálií, jež jsou vhodným vodítkem při diagnóze nádorových onemocnění. K jejich sledování slouží metoda zvaná fluorescenční in situ hybridizace (FISH). Tato metoda, jež je založená na sledování tzv. FISH signálů v buněčném jádře, umožňuje zjistit, zda nedochází k mutacím na úrovni genů nebo celých chromozomů -- např. trisomii (nadbytek chromozomů) či monosomii (nedostatek chromozomů). Korektní vyhodnocení počtu těchto signálů je pro následnou bezchybnou diagnózu určitých genetických chorob velmi žádoucí. K nezkreslenému vyhodnocení počtu signálů v daném jádře je zapotřebí, aby bylo prověřeno skutečně celé jádro, tj. aby příslušný segmentační algoritmus jednotlivá buněčná jádra správně rekonstruoval. V této práci je podán ucelený přehled metod, které se zabývají rekonstrukcí buněčných stěn z obrazů nasnímaných na mikroskopu. Veškeré uvedené metody je možné rozdělit do dvou hlavních skupin: plně řízené uživatelem a poloautomatické. Pro snadnou obsluhu a rychlost je kladen důraz na druhou z obou výše uvedených skupin. V současné době je velká pozornost věnována poloautomatické metodě zvané deformabilní modely. Předností této metody, která vychází z fyzikálních zákonitostí používajících rozsáhlého matematického aparátu, je především její schopnost využití apriorní znalosti rekonstruovaného objektu a nízký stupeň interaktivity. Cílem zamýšlené disertační práce je narvhnout a implementovat takovou metodu, která by byla schopná správné segmentace tkáňových buněk bez přílišného zatížení uživatele.

Teze disertační práce byly obhájeny.