Studentská grantová soutěž - předchozí roky

Analýza komplexních sítí a predikce chování objektů sítě

SP2014/154

Dráždilová Pavla Mgr., Ph.D.

doc. Mgr. Jiří Dvorský, Ph.D.

01. 01. 2014 - 31. 12. 2014

Pomocí komplexních sítí lze zachytit strukturu složitých systémů s velkým počtem objektů a mnoha vzájemnými vztahy mezi těmito objekty. Známými příklady komplexních sítí jsou například sociální sítě, kde jednotliví lidé představují objekty systému a vazby mezi lidmi (jako například přátelství, spoluautorství článku) představují vztahy mezi objekty v komplexní síti. Nicméně komplexní síť je možné vybudovat i z dat, kde objekty a jejich vzájemné vztahy nejsou na první pohled zřejmé. Jde o komplexní sítě vytvořené z rozsáhlých log souborů (například e-learnigový systém Moodle). V tomto případě je nutné vyslovit vhodnou definici objektu a definici vztahu mezi objekty, například překročení jisté prahové hodnoty podobnosti mezi dvěma objekty. Analýza komplexních sítí poskytuje nástroje pro hledání "zajímavých částí" sítě. Tyto výsledky nám dále umožňují mimo jiné predikovat vývoj sítě (vznik či zánik vazeb), další části sekvence činností či stavů zkoumaného objektu. Tento způsob analýzy grafových struktur je využitelný pro predikci v různých oblastech: 1. Roboti a) Analýza logů (obsahujících pohyb robotů dle navržených strategií), které získáme jako výsledek simulace hry „fotbal robotů“ b) Predikce na základní úrovni řízení robotů, která zohledňuje pohyb míče, výskyt překážek c) Predikce vlastních a soupeřových strategií na základě detekovaných vzorů chování robotů d) Vyhodnocení získaných strategií robotů, identifikace úspěšných strategií 2. Komplexní sítě a) Analýza struktury komunit v komplexních sítích a následná predikce vývoje komunit b) Vývoj komplexní sítě, predikce vzniku hran a predikce chybějících hran c) Predikce ohodnocení v komplexní síti 3. Obecně a) Predikční metody s bio-inspirovanými přístupy b) Využití SOMu a neuronového plynu pro klasifikaci a predikci objektů Struktura projektu v daných obdobích realizace: 1. Průzkum článků zabývajících se predikčními metodami a oblastmi, na které je zaměřen tento projekt. (Q1) 2. Vytvoření komplexní sítě – ohodnocení vazeb mezi objekty pomocí podobností na základě různých metod vybraných ve state of the art. (Q1 až Q3) 3. Strukturní analýza komplexních sítí – shlukování, detekce komunit v komplexní síti, nalezení vzorů a dalších vhodných parametrů pro predikci. (Q1 až Q3) 4. Predikce vazeb v komplexních sítích a ukázka jejich aplikace v oblastech tohoto projektu. (Q2,Q3) 5. Publikační činnost v oblasti dané projektem. (Q2,Q3,Q4) ** Tabulka publikační činnosti řešitelského týmu ** | RIV body | WOS | WOS IF | Scopus • Václav Snášel (25%) | 151,33 | 208 | 27 | 373 • Pavla Dráždilová | 10,48 | 9 | 2 | 25 • Jiří Dvorský | 73,82 | 26 | 2 | 46 • Jan Martinovič | 80,55 | 34 | 4 | 71 • Kateřina Slaninová | 5,31 | 9 | 2 | 26 • Lukáš Vojáček | 2 | 1 | 6 • Václav Svatoň | 1 | 0 | 3 • Alisa Babskova | 0 | 0 | 3 • Michal Holiš | 0 | 0 | 1 Jednotlivé sloupce tabulky obsahují: a) RIV 2012 ve sloupci s domácími spoluautory b) Aktuální stav publikací – celkový počet záznamů na WoS c) Aktuální stav publikací - IF časopisy WoS d) Aktuální stav publikací - články uvedené v databázi Scopus A 25% výkonu prof. RNDr. Václava Snášela, CSc. dle RIV 2012 bude alokováno pro tento projekt. ** Tým ** Tým tvoří 5 zaměstnanců, 4 interní doktorandi a dále předpokládáme možné zapojení minimálně dalších 7 studentů magisterského studijního programu. Vybrané publikace: 1. Martinovič, J., Slaninová, K., Vojáček, L., Dráždilová, P., Dvorský, J. & Vondrák, I. 2013, "Effective clustering algorithm for high-dimensional sparse data based on SOM", Neural Network World, vol. 23, no. 2, pp. 103-116. 2. Kuchař, Š., Martinovič, J., Dráždilová, P. & Slaninová, K. 2013, "Synthetic social network based on competency-based description of human resources", Lecture Notes in Computer Science, vol. 8104 LNCS, pp. 313-324. 3. Šperka, R., Spišák, M., Slaninová, K., Martinovič, J. & Dráždilová, P. 2013, "Control loop model of virtual company in BPM simulation", Advances in Intelligent Systems and Computing, vol. 188 AISC, 2013, pp. 515-524. 4. Slaninová, K., Martinovič, J., Dráždilová, P., Snášel, V. 2013, "From Moodle Log File to the Students Network", Advances in Intelligent Systems and Computing, Volume 239, 2014, pp. 641-650. 5. Dráždilová, P., Martinovič, J., Slaninová, K. 2013, "Spectral Clustering: Left-Right-Oscillate Algorithm for Detecting Communities", NEW TRENDS IN DATABASES AND INFORMATION SYSTEMS Book Series: Advances in Intelligent Systems and Computing, Volume 185, pp. 285-294. 6. Wu, J., Snášel, V., Ochodková, E., Martinovič, J., Svatoň, V., Abraham, A. 2013, "Analysis of strategy in robot soccer game", Neurocomputing, Volume 109, pp. 66-75. 7. Holiš, M., Plaček M., Dvorský, J., Martinovič, J., Moravec, P. 2013, "Using Retinex and SVD Algorithms for Detection of Frayed Edge in Steel Plate", DATESO 2013, pp. 87-97. ** Finanční náklady na řešení ** Náklady na řešení jsou navrženy tak, aby prostředky byly vynaloženy především na studenty formou stipendií a na realizaci cest na zahraniční i lokální konference. Pro cestovné předpokládáme náklady cca 30 tis. Kč na jednu zahraniční konferenci. Dále jsou alokovány peníze na odborné překlady.

Ing. Jan Martinovič, Ph.D.
prof. RNDr. Václav Snášel, CSc.
Ing. Kateřina Slaninová, Ph.D.
Mgr. Pavla Dráždilová, Ph.D.
Ing. Václav Svatoň, Ph.D.
Ing. Lukáš Vojáček, Ph.D.
Ing. Alisa Babskova
Ing. Michal Holiš
doc. Mgr. Jiří Dvorský, Ph.D.

Cíle tohoto projektu jsou:
- návrh a implementace postupů pro vytvoření komplexní sítě, kde ohodnocení vazeb mezi objekty vznikne pomocí podobností na základě různých metod
- návrh a efektivní implementace strukturní analýzy komplexních sítí – shlukování, detekce komunit v komplexní síti, nalezení vzorů a dalších vhodných parametrů pro predikci se zaměřením na strategie ve fotbalu robotů
- predikce vazeb v komplexních sítích a ukázka jejich aplikace v oblasti sociálních sít
- publikační činnost v oblasti dané projektem