Národní úložiště šedé literatury Nalezeno 3 záznamů.  Hledání trvalo 0.01 vteřin. 
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
Určování počasí podle snímků oblaků
Kukaň, Tomáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Hlavním cílem této práce bylo vytvořit aplikaci schopnou předpovědět nastávající počasí na základě fotografie oblak s využitím konvolučních neuronových sítí. V této práci jsou popsané kategorie oblak a jejich odpovídající předpověď. Dále zde jsou výsledky experimentů s různými architekturami sítí a datasetů s přihlédnutím na jejich úspěšnost v rozeznání typu oblak. Nakonec je tu krátce popsána tvorba finální aplikace a řešení problémů, kterým jsem čelil při její implementaci.
Vytvoření predikčního modelu předpovědi počasí pomocí neuronové sítě a asociačních pravidel
Kadlec, Jakub ; Rauch, Jan (vedoucí práce) ; Berka, Petr (oponent)
Tato diplomová práce představuje tři různé způsoby výběru vhodných prediktorů pro konstrukci binárního klasifikátoru za účelem automatizované předpovědi počasí s využitím asociačních pravidel a kontingenční analýzy v systém LISp-Miner. První část práce se skládá ze sbírky teoretických znalostí, které přímo souvisí s vytvořením prediktivního modelu, zatímco druhá část popisuje tvorbu modelu jako takového pomocí metodiky CRISP-DM. Závěrečná část práce je věnována analýze výkonu vytvořených neuronových sítí a porovnání jednotlivých metod.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.