Využití tekutých neuronových sítí v řízení systémů pracujících s asynchronními diskrétními událostmi a nepravidelně vzorkovanými senzorickými daty

This dissertation topic is available for Czech studies only.

Anotace:
Moderní řídicí systémy často čelí výzvám spojeným s asynchronními událostmi a nepravidelně vzorkovanými senzorickými daty. Příklady zahrnují chytré domácnosti, kde senzory generují data na základě událostí, nebo robotické systémy operující v dynamických prostředích. Tradiční metody zpracování signálů a řízení mají omezenou schopnost adaptace na takovéto nelineární, časově variabilní a nepravidelné vzory.

Toto PhD téma se zaměřuje na výzkum a aplikaci tekutých neuronových sítí (Liquid Neural Networks) v těchto oblastech. Tekuté neuronové sítě představují dynamický přístup k modelování časově závislých systémů, kde dynamika sítí umožňuje adaptivní zpracování a predikci s vysokou přesností, a to i při nepravidelném nebo neúplném vzorkování dat.

Cíle disertační práce:

1. Prozkoumat stávající přístupy v oblasti tekutých neuronových sítí a jejich aplikace.
2. Navrhnout architektury neuronových sítí vhodné pro řízení systémů s asynchronními diskretními událostmi a nepravidelnými datovými vstupy.
3. Vyvinout metody trénování a validace těchto sítí v kontextu reálných řídicích aplikací.
4. Otestovat navržené metody na konkrétních případech, jako jsou:
   • Řízení a predikce v prostředí chytrých domácností (např. energetická optimalizace, predikce pohybu).
   • Robotické systémy, kde senzory poskytují data s různou frekvencí (např. kamery, lidary, IMU).
5. Vyhodnotit výkonnost systému v porovnání s tradičními přístupy (např. běžné rekurentní neuronové sítě nebo běžné časově závislé modely).

Očekávané přínosy:

• Zlepšení adaptability řídicích systémů na nepravidelné vzorkování dat a dynamické změny prostředí.
• Vývoj nových metod a algoritmů umožňujících implementaci tekutých neuronových sítí v průmyslových aplikacích.
• Obohacení teoretických znalostí v oblasti neuronových sítí a jejich praktického využití.

Spolupráce a experimentální testování:
Téma umožňuje spolupráci s průmyslovými partnery v oblasti automatizace, chytrých systémů a robotiky. Pro experimenty mohou být využity výzkumné platformy jako Raspberry Pi, Nvidia Jetson nebo robotické systémy dostupné na FIT VUT.

Vedoucí práce:
Doc. Ing. Vladimír Janoušek, Ph.D.
Fakulta informačních technologií, Vysoké učení technické v Brně.

Toto téma je vhodné pro uchazeče se zájmem o pokročilé algoritmy strojového učení, řídicí systémy a aplikovanou informatiku.