Témata doktorských 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. Doktorandi a postdoktorandi s vážným zájmem mohou zaslat CV na ics@cs.cas.cz.


Teoretická informatika

  • Abstraktní algebraická logika
    (Cintula)
  • Složitostní míry neuronových sítí
    (Šíma)
  • Substrukturální, fuzzy logiky a residuované svazy
    (Petr Cintula, Rostislav Horčík, Marta Bílková, Zuzana Haniková)

Nelineární modelování

  • Využití satelitních dat pro environmentální modelování (diplomová práce)
    (Viktor Fuglík)
  • Metody redukce dat v environmentálnách systémech
    (Juruš, Pelikán)
  • Modelování a předpověď počasí a čistoty ovzduší - Matematické a statistické metody pro asimilaci dat v rozsáhlých dynamických systémech
    (Eben)
  • Moderní semiparametrické metody a jejich uplatnění pro modelování a vyhodnocení meteorologických a environmentálních polí
    (Marek Brabec)

Medicínská informatiky a biostatistika

  • Analýza mnohorozměrných cenzorovaných dat o přežívání
    (Valenta, 1. LF UK, BioMedicínská informatiky a biostatistika)
  • Robustní analýza obrazu při hodnocení molekulárně genetických studií
    (Kalina, ČVUT nebo MFF – podle dohody)
  • Statistické metody pro redukci dimenzionality a klasifikaci mnohorozměrných dat, s aplikacemi v biomedicíně.
    (Valenta, 1. LF UK, BioMedicínská informatiky a biostatistika)

Optimalizace a systémy

Fundamentální témata

  • Comparisons of abilities of shallow and deep networks (zobrazit popis)
    Recently, feedforward networks with several hidden layers were successfully applied to various pattern recognition tasks. These experimental results pose theoretical questions concerning comparisons of abilities of deep and shallow feedforward networks with various types of computational units. The goal of the thesis is investigation of the role of the number of hidden layers from point of view of the overall number of computational units, performance on high- dimensional tasks, generalization, and data-mining. (RNDr. Věra Kůrková, DrSc.)
  • Booleovska nelineární faktorová analýza dat (zobrazit popis)
    Cílem disertace je vytvoření efektivní metody pro nelineární Booleovskou faktorovou analýzu signálů různých vlastností s využitím paradigmatu neuronových sítí. Práce naváže na předchozí výzkum školitele a jeho spolupracovníků. Bude definován model této úlohy a na jeho základu bude vytvořena míra umožňující srovnání s existujícím metodami řešícími podobné úlohy: např. speciální shlukovací metody, nonnegativní rozklad matic, neurosíťové metody, ale i klasické statistické metody. Výzkum se řadí k aktuální problematice metod pro vytěžování informací z rozsáhlých dynamických digitálních datových souborů včetně obsahu internetu. (Ing. Dušan Húsek, Ph.D., školitel specialista: Prof. Ing. Alexander Frolov, DRSc.)
  • Rozhraní mozek stroj (zobrazit popis)
    Cílem disertace je přispět k rozvoji problematiky „Rozhraní mozek stroj“ (Brain Machine Interface nebo Brain Computer Interface), tj. úlohy transformace fyzikálních projevů myšlení na akce, nebo naopak, signálů ze snímačů na vjem. V této fázi výzkumu se disertační práce zaměří zejména na rozpoznávání signálů s cílem nalezení/zlepšení nějaké metody analýzy signálů tak, aby bylo dosaženo větší přesnosti rozpoznávání, umožněno rozpoznání více signálů a to vše v co nekratším čase. Výzkum se řadí k vysoce aktuální problematice bezkontaktní interakce člověk stroj. Výsledný produkt by mohl např. nalézt bezprostředně aplikaci v oblasti rehabilitace některých neurologických onemocnění. (Ing. Dušan Húsek, Ph.D., školitel specialista: Prof. Ing. Alexander Frolov, DRSc.)
  • Výzkum a srovnání metod faktorové analýzy pro skupinovou analýzu fMRI dat (zobrazit popis)
    Cílem práce je výzkum a vývoj metod pro analýzu fMRI dat vhodných jako nástroj pro výzkum v oblasti rozhraní mozek počítač (Brain Computer Interface BCI). Zájem o tuto problematiku rychle roste. Problém analýzy těchto dat je velikost datové matice, resp. tenzoru. Tak např. jedna z dimenzí je dána počtem voxelů ve snímku obrazu a překračuje stovky tisíc. Tento fakt je jedním ze zásadních omezení na tyto metody. Práce by se měla zaměřit na analýzu, testování a úpravy stávajících metod, jakož i vytváření nových metod. Jedním z analytických nástrojů vhodných pro tento úkol je faktorová analýza. Nicméně standardní metody faktorové analýzy byly vyvinuty pouze pro dvojrozměrná data. V poslední se však objevily metody i pro trojrozměrná data, např. paralelní faktorová analýza ( PARAFAC ), tensorová ICA a další metody. První a druhý rozměr datové matice je obvykle dán počtem časových řezů a počtu voxelů v fMRI. Třetí závisí na aplikaci. Pokud třetí proměnná budou subjekty, tedy dimenze bude počet subjektů, pak budeme provádět faktorovou analýzu přes tuto skupinu a výsledek bude společný pro všechny subjekty skupiny. Efektivnosti vyvinutých metod bude ověřena na fMRI datech získaných před a po tréninku v BCI experimentu představami motorických funkcí. Výsledky by měly posloužit k posouzení jejich efektivity pro daný typ skupinové analýzy fMRI dat. (Ing. Dušan Húsek, Ph.D., školitel specialista: Prof. Ing. Alexander Frolov, DRSc.)