Search results for "Algoritmi"

Highly-parallelized simulation of a pixelated LArTPC on a GPU

2023

The rapid development of general-purpose computing on graphics processing units (GPGPU) is allowing the implementation of highly-parallelized Monte Carlo simulation chains for particle physics experiments. This technique is particularly suitable for the simulation of a pixelated charge readout for time projection chambers, given the large number of channels that this technology employs. Here we present the first implementation of a full microphysical simulator of a liquid argon time projection chamber (LArTPC) equipped with light readout and pixelated charge readout, developed for the DUNE Near Detector. The software is implemented with an end-to-end set of GPU-optimized algorithms. The alg…

Eräitä RSA-salauksen haavoittuvuuksia

2016

Ģenētiskās programmēšanas algoritms reāllaika videospēlē

2018

Darba mērķis ir izpētīt iespējas praktiski izmantot ģenētisko programmēšanas algoritmu un mākslīgo neironu tīklu sniegtās iespējas videospēļu kvalitātes uzlabošanā, darbinot reāllaika videospēļu tēlus. Tiek izpētītas reāllaika videospēlēs pielietotās mākslīgā intelekta metodes, ģenētiskās programmēšanas un mākslīgo neironu tīklu darbības principi un sasniegumi, kā arī veikts eksperiments spēles tēlu apmācībai ar ģenētiskās programmēšanas algoritmu, izveidots vienkāršots, mūsdienu videospēlēm vairāk raksturīgs mākslīgais intelekts, ar kuru tiek salīdzināts apmācītais algoritms eksperimenta vidē un darba ietvaros izstrādātā videospēlē.

Apmācīti optimizācijas algoritmi neironu tīkliem

2019

Neironu tīklu apmācībā bieži pielietoti apmācības algoritmi ir gradienta nolaišanas, ADAM, AdaGrad un citi, tomēr viņi visi ir balstīti uz dažādiem pieņēmumiem par mērķa funkcijas ainavu, kuri ne vienmēr izpildās praksē. Meta-mācīšana mēģina atrisināt šo problēmu, konstruējot apmācības algoritmu, kas ir specializēts specifisku uzdevumu kopai. Darba mērķi ir izpētīt meta-mācīšanās metodes, kas spēj automātiski iemācīties optimizācijas algoritmus priekš neironu tīklu apmācībai, un salīdzināt tos ar praksē populāriem "rokām darinātiem" optimizācijas algoritmiem.

Algoritminen säveltäminen ja sen järjestelmällinen arviointi : Bachin, Chopinin ja EMI-ohjelman tuotokset sokkotestissä

2012

Tietokoneavusteinen algoritminen säveltäminen on tuore tutkimuskenttä, joka on tuottanut lupaavia tuloksia. Kyse on tietokoneohjelmista, jotka erilaisin menetelmin kykenevät säveltämään musiikkia. Tällaisten ohjelmien tuotosten arviointi on tärkeää, koska se edesauttaa tutkimuskenttään liittyvien ongelmien ratkaisua. Tutkielman tarkoituksena oli suunnitella ja toteuttaa koe, jolla erään säveltävän ohjelman tuotosten tasoa voi arvioida. Menetelmäksi suunniteltiin kuuntelukoe, joka perustuu David Copen tarjoamaan materiaaliin. Siinä koeryhmän tehtävänä on erottaa tietokoneohjelman säveltämä teos ihmisen säveltämästä teoksesta. Kokeen suoritti ryhmä musiikkitieteen opiskelijoita (N=17). Tuloks…

Sääntöpohjaiset tiedonlouhintamenetelmät ohjelmistojen ymmärtämisen tukena

2013

Teknologian nopean kehityksen myötä digitaalisessa muodossa oleva tietomäärä kasvaa kaikkialla. Tietovarastojen koon kasvaessa tarpeellista tietoa tallennettuun tietomäärään nähden on hyvin vähän ja tärkeän informaation löytäminen on haasteellista. Tähän ongelmaan ratkaisuna on tiedonlouhintatekniikat. Tiedonlouhintaa käytettäessä tavoitteena on löytää datajoukosta uusia tuloksia ja näkökohtia tiettyyn kyseessä olevaan ongelmaan. Tutkielmassa keskitytään ohjelmistoaineistojen louhintaan, jonka avulla voidaan saada hyödyllistä informaatiota ohjelmistoprojektin vaiheista ja siinä tapahtuvista virheistä ja niiden ehkäisemisestä. Rapidly expanding and evolving technology makes digitally stored …

Page replacement in operating system memory management

2007

Simple memetic computing structures for global optimization

2014

Comparative study of population-based metaheuristic methods in global optimization

2015

Vaikka globaalit optimointiongelmat ovat hyvin yleisiä laskennallisen nanotieteen alalla, ne ovat myös laskennallisesti erittäin vaativia ongelmia, joille tehokkaita ja yleisiä ratkaisualgoritmeja ei ole saatavilla. Tässä työssä teen yleiskatsauksen algoritmeihin, joiden tavoitteena on olla juuri tällaisia yleisiä menetelmiä, joita voi soveltaa tehokkaasti mihin ongelmaan tahansa. Rajoittuessani niin kutsuttuihin populaatiopohjaisiin metaheuristiikkoihin, erityisesti luonnosta ideansa saaneisiin evolutiivisiin algoritmeihin ja parviälyyn, tutkin niiden kyvykkyyttä ratkaista eräs vaikea todellisen maailman ongelma, Lennard-Jones-atomiryppään rakenneongelma. Käytän lisäksi yhtä algoritmeista,…

Large-scale nonsmooth optimization : variable metric bundle method with limited memory

2004

Marjo Haarala kehitti väitöskirjatutkimuksessaan rajoitetun muistin kimppumenetelmän, jota voidaan hyödyntää useilla tieteen ja tekniikan aloilla, kuten muun muassa ultraäänikuvien kuvankäsittelyssä. Uudella menetelmällä voidaan ratkaista suuria epäsileitä optimointitehtäviä ja se soveltuu kuvankäsittelyn lisäksi myös äänenhallintaan liittyvien tehtävien ratkaisemiseen. Näistä esimerkkejä ovat muun muassa tuotantotilojen meluntorjunta sekä konserttisalien akustisten ominaisuuksien parantaminen. Lisäksi menetelmää voidaan hyödyntää laskennallisessa kemiassa: se mahdollistaa esimerkiksi parhaan mahdollisen rakenteen etsimisen, kun suunnitellaan uusia lääkeainemolekyylejä sekä teräksen jatkuva…