Programski sustav za simboličku regresiju

master's thesis

• Title (english): Computing framework for symbolic regression
• Author: Josip Ivančević
• Mentor: Domagoj Jakobović (mentor)
• Committee member: Domagoj Jakobović (predsjednik povjerenstva)
• Committee member: Nikolina Frid (član povjerenstva)
• Committee member: Marin Golub (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-07-10, Croatia

Abstract

U današnjem "data-driven" društvu eksponencijalni rast podataka zahtijeva učinkovite alate za analizu i interpretaciju istih. Simbolička regresija, metoda za otkrivanje matematičkih izraza koji opisuju složene uzorke podataka bez unaprijed definiranih parametara postaje važan alat u raznim znanstvenim i inženjerskim disciplinama. Ovaj diplomski rad predstavlja razvoj ECFpyDesk-a, aplikacije dizajnirane za pojednostavljenje korištenja Evolutionary Computation Frameworka (ECF) za zadatke simboličke regresije. ECF, robustan alat koji koristi evolucijske algoritme omogućuje fleksibilnu implementaciju i izvođenje raznovrsnih optimizacijskih problema. Međutim, njegovo sučelje temeljeno na naredbenoj liniji i ručna konfiguracija predstavljaju izazove u upotrebljivosti. ECFpyDesk rješava ove izazove nudeći intuitivno grafičko sučelje koje pojednostavljuje podešavanje parametara, unos podataka i vizualizaciju rezultata čineći simboličku regresiju pristupačnijom i učinkovitijom za istraživače. Ovaj rad istražuje teorijske osnove regresije, detaljno opisuje različite tipove i primjene, s fokusom na simboličku regresiju. Također istražuje evolucijske algoritme, posebno genetsko programiranje, kao sredstvo za rješavanje problema simboličke regresije. Nadalje, rad opisuje strukturu i funkcionalnost ECFpyDesk-a, objašnjavajući njegovu modularnu arhitekturu temeljenu na Model-View-Controller (MVC) dizajnu. Ključne komponente i njihove interakcije su detaljno objašnjene naglašavajući sposobnost aplikacije za upravljanje procesima računanja simbolične regresije i učinkovitu prezentaciju rezultata.

Abstract (english)

In today's data-driven society, the exponential growth of data requires effective tools for analyzing and interpreting them. Symbolic regression, a method for discovering mathematical expressions that describe complex data patterns without predefined parameters, is becoming an important tool in various scientific and engineering disciplines. This thesis presents the development of ECFpyDesk, an application designed to simplify the use of the Evolutionary Computation Framework (ECF) for symbolic regression tasks. ECF, a robust tool that uses evolutionary algorithms enables flexible implementation and execution of various optimization problems. However, its command-line-based interface and manual configuration present usability challenges. ECFpyDesk addresses these challenges by offering an intuitive graphical interface that simplifies parameter setting, data entry, and visualization of results, making symbolic regression more accessible and efficient for researchers. This paper explores the theoretical foundations of regression, describes in detail the various types and applications, with a focus on symbolic regression. It also explores evolutionary algorithms, specifically genetic programming, as a means of solving symbolic regression problems. Furthermore, the paper describes the structure and functionality of ECFpyDesk, explaining its modular architecture based on the Model-View-Controller (MVC) design. Key components and their interactions are explained in detail, highlighting the application's ability to manage symbolic regression computation processes and effectively present results.

• Keywords: regresija; simbolička regresija; genetsko programiranje; ECF; ECFpyDesk; grafičko korisničko sučelje; Python; customtkinter
• Keywords (english): regression; symbolic regression; genetic programming; ECF; ECFpyDesk; graphical user interface; Python; customtkinter
• Language: croatian
• URN:NBN: urn:nbn:hr:168:423037
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2024-10-12 20:51:22