- Úvod
- Ústav
- Lidé
- Výzkum
- Aplikace
- Semináře a akce
- Knihovna
- Doktorské studium
- Kariéra
Ústav informatiky
Akademie věd České republiky
Akademie věd České republiky
"Přemýšlet je ta nejtěžší práce, jaká existuje. A to je pravděpodobně důvod, proč to tak málo lidí dělá." - Henry Ford
Vypsaná témata prací
Ústav informatiky AV ČR, v. v. i., je veřejná výzkumná organizace se zaměřením na základní výzkum. Mimo svou hlavní činnost se ve spolupráci s řadou univerzit podílí i na doktorských studiích a zaměstnává doktorandy a postdoktorandy v oblastech, které jsou předmětem bádání ústavu.
Teoretická informatika
- Abstraktní algebraická logikaVedoucí:
- Matematická fuzzy logikaVedoucí:
- Logika a usuzováníVedoucí:
- Algoritmické problémy v substrukturálních logikách Vedoucí:
- Modální a substrukturální logiky: modely dynamiky chování výpočetních procesů a chování v sociálním kontextuVedoucí:
- Vnořování velkých struktur v grafechVedoucí:
- Packing pomocí randomizovaných algoritmůVedoucí:
- Složitostní míry neuronových sítíVedoucí:
Strojové účení
- Analýza možností data-miningu pomocí univalentních neuronových sítí a zobrazeníVedoucí:
- Odhady počtu vzorů v PAC modelu pro nekonzistentní metody separaceVedoucí:
- Robusní klasifikace vysoce dimenzionálních datVedoucí:
- Robustní odhady v neuronových sítíchVedoucí:
- Comparisons of abilities of shallow and deep networksVedoucí:
- Robustnost učení pomocí neuronových sítíVedoucí:
Several recent studies revealed that some deep networks can be easily fooled by changing an image in a way imperceptible to humans which can cause a deep network to label the image as something else entirely. Thus it is important to investigate robustness of learning of networks with respect to adversarial patterns. The goal of the dissertation is to design a multiobjective algorithm generating imperceptible perturbations of images leading to their misclassifications. Evolutionary algorithms for generation of adversarial patterns will be developed that maximize the error of the model while being as similar to original training patterns as possible. The role of depth of networks and locality properties of computational units in misclassiffication will be analyzed. Methods of making machine learning models more robust to adversarial patterns will be investigated.
- Booleovska nelineární faktorová analýza datVedoucí:
- Rozhraní mozek strojVedoucí:
- Výzkum a srovnání metod faktorové analýzy pro skupinovou analýzu fMRI datVedoucí:
Složité systémy
- Interakce ve složitých systémech a jejich detekce v časových řadáchVedoucí:
- Identifikace mezifrekvenčních interakcí v dynamice mozku: Odlišení skutečných vazeb od artefaktů metodyVedoucí:
- Modelování mozkové aktivityVedoucí:
- Metody analýzy komplexních systémůVedoucí:
- Analýza komplexních systémů pomocí metod komplexních sítíVedoucí:
- Grafově teoretické vlastnosti komplexních sítí a jejich modelůVedoucí:
- Využití satelitních dat pro environmentální modelování (diplomová práce)Vedoucí:
- Methods of data reduction in environmental systemsVedoucí:
- Modelování a předpověď počasí a čistoty ovzduší - Matematické a statistické metody pro asimilaci dat v rozsáhlých dynamických systémechVedoucí:
Statistické modelovaní
- Statistické metody pro longitudinální data a dobu odezvy v didaktických a psychologických měřeníchVedoucí:
- Výpočetní psychometrieVedoucí:
- Analýza mnohorozměrných cenzorovaných dat o přežíváníVedoucí:
- Statistické metody pro redukci dimenzionality a klasifikaci mnohorozměrných dat, s aplikacemi v biomedicíně.Vedoucí:
- Moderní semiparametrické metody a jejich uplatnění pro modelování a vyhodnocení meteorologických a environmentálních políVedoucí:
Formální verifikace
- Software SynthesisVedoucí:
- Constraint SolvingVedoucí:
- Verification of Complex SystemsVedoucí: