Metody umělé inteligence pro automatické rozpoznávání vzorů s fraktální strukturou

RNDr. Martin KOTYRBA

Doctoral thesis

Artificial intelligence methods for automatic pattern recognition with fractal structure

Abstract:

Disertační práce je svým zaměřením orientována na výzkum v oblasti algoritmů umělé inteligence, zejména na oblast soft-computingu. Cílem práce je návrh metodiky pro analýzu a rozpoznávání struktur, které mají fraktální charakter. Navržená metodika je založena na interdisciplinárním přístupu, který v sobě kombinuje umělé neuronové sítě, analytické programování, teorii Elliottových vln a znalostní modelování. Jádrem této metodiky jsou metody, jež umožňují rozpoznávat struktury Elliottových vln včetně jejich deformací v grafech a napomáhají tak efektivnější predikci budoucího trendu. Funkčnost navržené metodiky byla ověřena v experimentálních simulacích, pro jejichž realizaci bylo navrženo a vytvořeno aplikační prostředí a porovnána s výsledky získanými jinými metodami nejen z oblasti umělé inteligence. Experimentální simulace prokázaly, že metodika je využitelná i na širší třídu problémů než povoluje jen samotná teorie Elliottových vln.

Abstract:

The thesis is focused on the research in artificial intelligence algorithms, especially on soft-computing. The proposal of a methodology for an analysis and a pattern recognition, which are fractal in nature, is the goal of the thesis. The proposal of methodology is based on an interdisciplinary approach that combines artificial neural networks, analytic programming, Elliott wave theory and knowledge modelling. The heart of the methodology are a methods, which is able to recognize Elliott waves structures including their deformation in the charts and helps to more efficient prediction of its trend. The functionality of the proposed methodology was validated in experimental simulations, for whose implementation was designed and created an application environment, and it was compared with results obtained by other methods not only from the field of artificial intelligence. Experimental simulations have shown that the method is usable to a wider class of problems than the theory itself allows only Elliott waves.

Keywords

Rozpoznávání struktur, multiklasifikátor, Elliottova vlna, neuronová síť, analytické programování, znalostní modelování.

Language used: Czech

Date on which the thesis was submitted / produced: 20. 7. 2012

Accessible from:: 20. 7. 2012

Thesis defence

• Supervisor: Doc. RNDr. Eva Volná, Ph.D.

University of Ostrava

Faculty of Science

Doctoral programme / field:
Information Science / Information Systems