|
|
Optimalizace řízení podmínek v inteligentním skleníku
Vilimovský, Dan ; Beran, Vítězslav (oponent) ; Bažout, David (vedoucí práce)
Práce se zaměřuje na hledání možností optimalizací provozu chytrého skleníku snížením provozních nákladů a jednodušší udržitelnosti ideálního prostředí pro vývoj rostlin ve skleníku. Cílem je modelovat podmínky ve skleníku za pomoci vytvořeného modelu neuronové sítě schopného předvídat hodnoty parametrů prostředí, jako je teplota a vlhkost vzduchu. Tento model je trénován na reálných datech získaných z dlouhodobého měření v testovacím objektu. Dále se práce zabývá možností využití tohoto modelu neuronové sítě pro optimalizaci řízení chodu skleníku tak, aby mohly být v budoucnu zajištěny ideální vývojové podmínky pro pěstované rostliny nebo zredukována spotřeba elektrické energie využita na provoz spotřebičů.
|
|
|
Metody návrhu celulárních automatů
Hranický, Jan ; Strnadel, Josef (oponent) ; Bidlo, Michal (vedoucí práce)
Tato práce řeší problém návrhu celulárních automatů. Je navržena a implementována nová metoda Diskrétního neurálního celulárního automatu, zkráceně DNCA. Práce se tak zaobírá problémem optimalizace přechodové funkce automatu, a to pomocí algoritmu Adam a také méně tradičního přístupu diferenciální evolucí. Navržený model je úspešně natrénován na více než desíti scénářích chování, které se liší v obtížnosti.
|
|
|
Metody inicializace vah neuronových sítí a jejich vliv na učení sítí
Prukner, Jakub ; Nemčeková, Petra (oponent) ; Chmelík, Jiří (vedoucí práce)
Práce se zabývá použitím různých metod inicializace vah umělých neuronových sítí a sledováním jejich vlivu na učení sítě. Jako úloha pro síť je zvolena klasifikace obrázků ze dvou databází MNIST a CIFAR-10. Teoretická část popisuje oblast umělých neuronových sítí a také různé metody nicializace vah. Praktická část obsahuje popis a implementaci experimentů, popis architektur a jejich hyperparametrů. Jednotlivé experimenty sledují vliv vybraných metod a jejich případných konfigurací na učení různých architektur umělých neuronových sítí. Výsledky jsou pro jednotlivé databáze a typy architektur porovnány a jsou vybrány metody, se kterými síť dosáhla nejlepšího naučení. Dále jsou vybrány metody, se kterými bylo dosaženo optimálního naučení sítě nejrychleji. Dosažené výsledky jsou diskutovány.
|
|
|
RBF neuronové sítě
Nevoral, Leoš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá přiblížením problematiky RBF neuronových sítí a specificky RCE sítě pomocí demo aplikace. V demo aplikaci je hlavně vizualizovaný proces učení sítě, ale i stav neuronové sítě a různé tvary bázových funkcí. Dále je také zkoumáno využití EBF neuronových sítí. Klasické přístupy k EBF sítím jsou srovnány s novým návrhem OEBF sítě a následně jsou otestovány. Tento nový návrh je založený na vytváření eliptických oblastí pomocí euklidovské vzdálenosti od ohnisek elipsy. Nový návrh nejeví známky vylepšení vlastností těchto sítí a naopak spíše produkuje skoro stejné výsledky jako klasická RCE síť, které jsou ale řádově asi o jednotky procent méně přesné. Na závěr jsou navrženy možnosti pro budoucí úpravy tohoto přístupu.
|
|
|
Detekce povrchových defektů kovových dílů pomocí neuronových sítí
Hadwiger, Tomáš ; Jonák, Martin (oponent) ; Ježek, Štěpán (vedoucí práce)
Tato práce je zaměřená na problematiku detekci povrchových anomálií na kovových dílech. Cílem bylo implementovat různé architektury neuronových sítí s použitím metody CutPaste a poměřit jejich výsledky na třídách tří různých datových množin: MVTec AD, MPDD a MPDD2. Pro třídy objektů množiny MVTeC AD se ukázala jako nejpřesnější architektura ResNet-18 s přesností 84,45 AUROC, pro materiály to byla architektura EfficientNet s průměrnou přesností 87,22 AUROC. Pro množiny MPDD a MPDD2 byla naměřena jako nejpřesnější architektura ResNet50 s průměrnou přesností 88,64 a 61,10 AUROC. Podle naměřených hodnot je množina MPDD2 nejtěžší pro detekci anomálií.
|
|
|
Automatizovaná extrakce strukturovaných dat dokumentů
Křivánek, Jakub ; Vaško, Marek (oponent) ; Kohút, Jan (vedoucí práce)
Tato bakalářská práce řeší problém získávání strukturovaných dat ze skenů dokumentů českých knihoven. Cílem práce je usnadnit časově náročný manuální proces knihovníkům. Zaměřil jsem se vytvoření datových sad z dokumentů českých knihoven a na detekci metadat na těchto datasetech. Datové sady jsem vytvořil pro knihy a druhou pro periodika. Detekce byla realizována způsoben klasifikace řádků přečtených z dokumentů. Pro to jsou použita plně propojená neuronoví síť a síť využívající Transformer Encoder. Druhý způsob detekce metadat je založen na detekci objektů na skenech dokumentů pomocí modelu YOLOv8. Detekce pomocí plně propojené neuronové sítě dosahuje F1 skóre 0,83 na datasetu knih a 0,78 na datasetu periodik. F1 skóre sítě s Transformer Encoder dosahuje hodnot 0,84 na datasetu knih a 0,59 na datasetu periodik. Model YOLO dosahuje F1 skóre 0,86 (confidece na 0,549) na datasetu knih a 0,7 (confidence na 0,336) na datasetu periodik.
|
|
|
Adaptivní systém pro řízení osvětlení ve Smart Home
Valík, Tomáš ; Rozman, Jaroslav (oponent) ; Janoušek, Vladimír (vedoucí práce)
Práce se zabývá problematikou řízení osvětlení v chytré domácnosti. Ve většině chytrých domácností je nutné ovládat osvětlení ručně pomocí spínačů nebo mobilních zařízení. V práci je představen adaptivní řídící systém založený na rekurentních neuronových sítích, který se postupně naučí uživatelskou manipulaci s osvětlením a po určitém čase začne řídit osvětlení samostatně.
|
|
|
Aplikace pro automatické vyhodnocení věrohodnosti generovaného snímku obličeje
Šotola, Jiří ; Semerád, Lukáš (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce se zaměřuje na návrh a implementaci aplikace pro ověření věrohodnosti synteticky generovaných snímků, která se kvůli rozlehlosti tohoto tématu směruje k ověření podobnosti obličejových znaků originálního snímku a snímku z něho vygenerovaného. Pro tuto aplikaci je vyvinut model Gen_Verifier založený na siamských nerunových sítí, u kterých používá ztrátovou funkci contrastive loss. Tento model byl trénován a testován na datové sadě LFW, kde se dostal až k přesnosti 91 %. Pro testování generovaných snímků je použit model StarGAN, který generoval snímky obličeje se změnou barvy vlasů, pohlaví a stáří. Výsledné testování na generovaných snímcích ukázal, že model StarGAN vytváří obličeje, které se s originálem na 87,53 % shodují.
|
|
|
Vision transformery pro rozpoznávání tváří
Strýček, Šimon ; Kišš, Martin (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá aplikací architektur neuronových sítí na bázi vision transformer (ViT) v oblasti rozpoznávání tváří. Práce se soustředí na průzkum existujících moderních ViT architektur. To zahrnuje experimenty s existujícími implementacemi, alternativními druhy dat a hledání optimálních parametrů pro trénink. Cílem této práce je prokázat potenciál vision transformerů konkurovat již dlouho dominujícím konvolučním neuronovým sítím právě v tomto oboru. Výstupem je analýza provedených experimentů, demonstrace kladů a záporů moderních architektur ViT a nalezení optimálních podmínek pro jejich využití v úlohách rozpoznávání tváří.
|
|
|
Antropometrická evaluace generovaných snímků obličeje
Mikyšek, Jakub ; Rydlo, Štěpán (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce se zabývá porovnáním uměle vygenerovaných obličejů s reálnými snímky pomocí analýzy klíčových bodů obličeje a měřením proporcí mezi těmito body. Zkoumá také oblasti týkající se umělých neuronových sítí, přičemž se zaměřuje na sítě GAN, které dokážou generovat uměle vytvořené snímky obličeje. Zkoumá jejich proces, architekturu a dostupné modely. Cílem práce je zhodnotit, jak se uměle vygenerované snímky liší od reálných, a zjistit, v jakých proporcích je rozdíl největší.
|
host ::
RSS.