|
|
Predicting purchasing intent on ecommerce websites
Vařeka, Marek ; Krištoufek, Ladislav (vedoucí práce) ; Baruník, Jozef (oponent)
Tento článek analyzuje chování zákazníků na webových stránkách elektron- ického obchodu s cílem předpovědět, zda je zákazník ochoten si něco koupit nebo se jen dívá. Kromě toho sekundární model předpovídá, zda zákazník během několika málo kliknutí opustí web elektronického obchodu. Pro zod- povězení těchto otázek jsou testovány různé metody řešení. Použitý základní model je Logit. Základní model je porovnán se sofistikovanějšími metodami strojového učení - s neuronovými sítěmi. Nejlepší výsledky byly dosaženy po- mocí rekurentní neuronové sítě - Long Short-Term Memory (LSTM). Výsledky analýzy potvrzují důležitost údajů o tocích kliknutí a napočtených proměnných, které sledují chování uživatelů na webové stránce elektronického obchodu, typ stránky (produkt, kategorie, informace), variance produktu a varianci kate- gorie. Práce zdůrazňuje praktické využití těchto modelů. Jsou představeny dvě možné praktické implementace. Modely jsou testovány novými způsoby, aby se zjistilo, jak by fungovaly, kdyby byly implementovány na skutečné we- bové stránce elektronického obchodu.
|
|
| |
|
|
Implementace systému pro analýzu a optimalizaci obchodních systémů s využitím umělé inteligence
Staněk, Kamil ; Trenz, Oldřich (oponent) ; Šťastný, Jiří (vedoucí práce)
Diplomová práce se zabývá realizací obchodní zakázky spočívající ve vytvoření systému rychlé analýzy a optimalizace vycházející z reálných obchodních dat měnových párů v programu MATLAB. V rámci zpracovávaného tématu je implementován zákaznický automatický obchodní systém včetně analýzy a optimalizace parametrů systému. Byl taktéž využit prediktivní systém vývoje cen s použitím metod umělé inteligence na základě historických dat. Získaná data z optimalizací a simulací automatických obchodních systémů jsou přehledně shrnuty do grafických výstupů.
|
|
|
Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí
Le, Hoang Anh ; Hradiš, Michal (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem práce bylo vytvořit holistický rozpoznávač registračních značek, kde byl kladen důraz na dosáhnutí co nejvyšší přesností na snímcích horší kvality. Byla navrhnuta a implementována kombinace konvoluční a rekurentní neuronové sítě, implementované pomocí LSTM a CTC, kde vstupem jsou výřezy získané z celé značky. Dále byly také implementovány konkurenční sítě pro porovnání výsledků. Sítě byly porovnány na celkem 4 datových sadách, a výsledkem bylo, že vlastní návrh dosáhl nejlepších výsledků s celkovou přesností rozpoznávání 97.6%.
|
|
|
The Use of Artificial Intelligence for Decision Making in the Firm
Volný, Miloš ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
This thesis is concerned with future trend prediction on capital markets on the basis of neural networks. Usage of convolutional and recurrent neural networks, Elliott wave theory and scalograms for capital market's future trend prediction is discussed. The aim of this thesis is to propose a novel approach to future trend prediction based on Elliott's wave theory. The proposed approach will be based on the principle of classification of chosen patterns from Elliott's theory by the way of convolutional neural network. To this end scalograms of the chosen Elliott patterns will be created through application of continuous wavelet transform on parts of historical time series of price for chosen stocks.
|
|
|
Chatbot postavený na umělých neuronových sítích
Čechák, Jiří ; Beneš, Karel (oponent) ; Szőke, Igor (vedoucí práce)
Bakalářská práce popisuje implementaci a způsob fungování generativního chatbotu. Chatbot byl implementován v jazyce Python pomocí umělých neuronových sítí a je založen na sequence-to-sequence principu. Výsledný chatbot obsahuje tři modely, které je možné každý natrénovat a poté použít k vedení konverzace ve vytvořeném GUI. Chatbot byl, po natrénování všech modelů, testován pomocí metriky BLEU. Také byl testován několika uživateli, kteří porovnali kvalitu generovaných odpovědí s kvalitou odpovědí již existujícího chatbotu Cleverbot. Pro lepší pochopení dané problematiky se zde nachází jednoduchý popis základních pojmů, jako je umělá inteligence, umělá neuronová síť, rozdíl mezi uzavřenou a otevřenou doménou, word embedding a základní popis chatbotů a jejich dělení, včetně jejich výhod, nevýhod a použití.
|
|
|
Strojový překlad pomocí umělých neuronových sítí
Holcner, Jonáš ; Beneš, Karel (oponent) ; Szőke, Igor (vedoucí práce)
Cílem této práce je popsat a vytvořit systém pro strojový překlad textu postavený na rekurentních neuronových sítích. K tomu je použita architektura enkodér-dekodér umožňující překlad po celých větách. Výsledkem je knihovna nmt, určená k provádění experimentů s různými parametry modelu. Jejich výsledky jsou porovnány vůči systému postavenému na nástroji pro statistický překlad Moses.
|
|
|
Artificial Composition of Multi-Instrumental Polyphonic Music
Samuel, David ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
David Samuel Představujeme generativní model pro skládání klasické i populární hudby, jehož cílem je vytvářet hudbu na lidské úrovni. Hlavní překážkou je její složitá hierarchická struktura a absence rozumného automatického vyhodnocení její kvality. Na rozdíl od ostatních prací na podobné téma se snažíme generovat symbolickou reprezentaci hudby o více nástrojích hrajících současně, abychom pokryli širší hudební spektrum. Pro samotné skládání využíváme tři moduly založené na LSTM neuronových sítích; velké úsilí je vynaloženo na zjednodušení vstupní hudební reprezentace důkladnou analýzou dostupných dat. Naše práce slouží především jako ukázka toho, že současné technologie umožňují skládání hudby. Věříme, že námi navržený hudební analyzátor a generátor poslouží jako základ pro další výzkum v této oblasti. 1
|
|
|
Analýza finančních trhů s pomocí hlubokého učení
Nimrichter, Adam ; Burget, Radim (oponent) ; Mašek, Jan (vedoucí práce)
Práce se zabývá metodami pro analýzu finančních trhů zaměřených na virtuální měny. V souvislosti s virtuálnimi měnami je v teoretické části práce pojednáno o technologii decentralizované databáze, pomocných finančních indikátorech a umělých neuronových sítích s rekurentní architekturou. Konkrétním cílem práce je vytvořit systém pro udělení doporučení k nákupu, či prodeji dané měny. Systém sestává z navržené finanční strategie a predikované hodnoty, k čemuž je využito finančních ukazatelů a neuronové LSTM sítě. Testování bylo realizováno na historických datech z roku 2017 pro měny Bitcoin, Litecoin a Ethereum.
|
|
|
Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification
Gajdár, Matúš ; Švec, Ján (oponent) ; Karafiát, Martin (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.
|
host ::
RSS.