Abstrakt

S��asn� trendy v informa�n�ch technol�giach ukazuj� na nutnos� vyvin�� viac efekt�vne met�dy pre �truktur�lnu anal�zu d�t a data mining. Z�rove� tieto smery otv�raj� nov� perspekt�vy pre �al�� rozvoj informatiky. Tu vid�me mo�nos� zhodnoti� sk�senosti t�mu v oblasti neur�nov�ch siet� a re�tartovac�ch automatov. Nieko�ko typov probl�mov z oblasti �truktur�lneho rozpozn�vania vzorov a data miningu s� dos� podobn� a na ich rie�enie by �lo pou�i� u�enie neur�nov�ch siet� alebo re�tartovac�ch automatov z pr�kladov.

Na�e ciele s�

• Vyvin�� nov� met�dy pre efekt�vnu extrakciu poznatkov. Roz��ri� tieto met�dy tie� na extrakciu inform�cie s�visiacej s hierarchickou �trukt�rou d�t (pou�it�m samoorganizuj�cej sa anal�zy a anal�zy citlivosti v BP-sie�ach).
• Roz��ri� p�vodn� 1D model re�tartovac�ch automatov tak, aby pracoval na 2D vstupoch, napr�klad na obr�zkoch. Analyzova� teoretick� vlastnosti 2D-re�tartovac�ch automatov, resp. 2D-gramat�k.
• Implementova� vyvinut� met�dy a testova� ich s cie�om ur�i� ich limity v praktick�ch aplik�ciach. Pou�i� vyvinut� softv�rov� moduly v dvoch pilotn�ch �t�diach � extrakcia poznatkov (napr�klad pre ekonomick� alebo multimedi�lne data) a na �truktur�lne rozpozn�vanie matematick�ch vzorcov.