|
|
Rozpoznávání retinopatie ve snímcích sítnice pomocí strojového učení
Kubový, Jan ; Trunda, Otakar (vedoucí práce) ; Holeňa, Martin (oponent)
Ve spolupráci s Institutem klinické a experimentální medicíny (IKEM) a jejich histo- rických dat z vyšetření byla natrénována konvoluční neuronová síť rozpoznávající diabe- tickou retinopatii ze snímků sítnice. Cílem práce bylo vytvořit model strojového učení, který bude možné využít ve zdravotnickém zařízení IKEM za cílem zjednodušit a pří- padně zrychlit vyšetření. Součástí projektu byla také tvorba webové stránky, která umož- ňuje snadné spouštění natrénovaného modelu lékařem s pouze základní znalostí ovládání počítače. I přesto, že neuronová síť dosahuje dobrých výsledků, je třeba zdůraznit její omezenou univerzálnost z důvodu malé velikosti modelu a jednotvárnosti poskytnutých oftalmologických dat z jednoho typu fundus kamery. Navržené řešení bude podrobeno testování v provozním prostředí nemocnice. Neuronová síť není zamýšlena jako náhrada lékaře, ale jako nástroj, který mu může asistovat v diagnostickém procesu. 1
|
|
|
Comparative Markov state analysis of APOE protein dynamics by neural networks
Kopko, Jakub ; Sedlář, Jiří (vedoucí práce) ; Holeňa, Martin (oponent)
This thesis leverages the CoVAMPnet neural network architecture to analyze the dy- namics of apolipoprotein E (APOE), a protein involved in the development of Alzheimer's disease. CoVAMPnet offers a versatile machine learning framework for extracting mean- ingful features from high-dimensional molecular dynamics data and constructing Markov state models to characterize protein conformational dynamics. By applying CoVAMPnet to APOE simulations, the thesis successfully captures the protein behavior by reveal- ing its key conformational states and structural transitions. These findings provide new insights into the dynamics of APOE and its potential role in Alzheimer's disease. The thesis also investigates the influence of a small molecule drug candidate 3SPA on APOE's conformational behavior, shedding further light on its therapeutic possibilities. Overall, this work demonstrates CoVAMPnet's effectiveness in analyzing and comparing the dy- namics of larger proteins in an interpretable manner, reinforcing its potential application for complex biomolecular studies. 1
|
|
|
Creating 3D Diorama from Single Image with Deep Learning
Vejbora, Martin ; Šikudová, Elena (vedoucí práce) ; Holeňa, Martin (oponent)
Cílem této práce je automatizovat proces generování 3D dioramatických scén z jedné fotky. Po rozsáhlé analýze stávajících přístupů jsme se rozhodli zkombinovat výstup modelů hlubokého učení pro panoptickou segmentaci a odhad hloubky. V průběhu práce jsme narazili na určitá omezení v modelu odhadujícím hloubku, která jsme vyřešili finetunováním na novém datasetu. Výsledné diorama konstruujeme tak, že rozdělíme objekty identifikované seg- mentací do samostatných obrázků s průhledným pozadím. Tyto obrázky pak umístíme do 3D scény tak, aby jejich vzájemná vzdálenost odpovídala odhad- nuté hloubce jednotlivých objektů. Naše řešení jsme implementovali formou add-onu pro Blender. Diplomová práce byla vypracována ve spolupráci s fir- mou polygoniq.
|
|
|
Hierarchical Version of the Wave Function Collapse Algorithm
Filek, Jiří ; Černý, Vojtěch (vedoucí práce) ; Holeňa, Martin (oponent)
Algoritmus kolapsu vlnové funkce (Wave Function Collapse) Maxima Gunima je nový přístup k procedurálnímu generování. Algoritmus je založený na řešení podminek a lokální podobnosti pro generování výstupů. Algoritmus má ovšem problémy s generováním velkých a složitých výstupů. V této prací zobecníme algoritmus, aby pracoval hier- archicky. Ukážeme, že náš přístup má potenciál a generuje lepší výsledky v několika náročných oblastech. Náš přístup také umožňuje větší kontrolu nad výsledkem. Algorit- mus je aplikovatelný v oblasti procedurálnímu generování 2D herních úrovní. Umožňuje nám vytvořit různorodý obsah a také ušetřit čas herním designérům. 1
|
|
|
Natural Language Generation system writing football articles
Raffl, Dan ; Hana, Jiří (vedoucí práce) ; Holeňa, Martin (oponent)
Žurnalistika se může stát velmi unavující hlavně proto, že její úspěch stojí na velkém množství článků většinou na úkor kvality. Některé články jsou spíše rutinní a jejich existence je podmíněna tím, že většina veřejnosti preferuje text před daty v nezpracované podobě. Myšlenkou je si práci v žurnalistice pojednávající o sportu ulehčit a automaticky generovat z dat články v českém jazyce, které shrnují dění v konkrétním fotbalovém utkání. Tato práce se zabývá analýzou implementace takového lingvistického softwaru a navíc nabízí stručný přehled procesu označovaného Natural Language Generation (zkráceně NLG). Přehled se soustředí především na popis jednotlivých podúloh NLG a rozbor problémů spjetého s nimi. Dále porovnává výhody a nevýhody hlavních možných metod, architektur a přístupů při NLG. 1
|
|
|
Analýza různých MCTS implementací umělé inteligence pro počítačovou hru Children of the Galaxy
Guba, Peter ; Gemrot, Jakub (vedoucí práce) ; Holeňa, Martin (oponent)
Monte Carlo Tree Search (MCTS) je populární algoritmus pro umělou inteligenci do počítačových her, který funguje na základě prohledávání stavového prostoru hry za použití náhodných simulací na ohodnocení nových stavů. Bylo již pub- likováno mnoho článků o různých úpravách původního algoritmu, avšak práce, které by porovnávaly vícero těchto upravených algoritmů mezi sebou patrně neex- istují. Tenhle nedostatek dat může pro vývojáře činit výběr varianty pro vlastní účely obtížným, aniž by je sám implementoval a otestoval - což však může být časově náročné. Tato práce má proto dva cíle. Prvním je porovnat různé vari- anty MCTS ve specifickém prostředí a druhým je představit novou variantu, WP MCTS, která vychází z předpokladu, že pohledem na všechny stavy projedené při simulaci by mělo být možné získat více informací než jen obodováním kon- cového stavu. Pro naše prostředí jsme si vybrali souboje mezi malými armádami ve 4X počítačové hře zvané Children of the Galaxy. Výsledky prezentované v této práci indikují, že mnohé, avšak ne všechny testované varianty podávají v tomto prostředí lepší výkon než původní algoritmus. 1
|
|
|
Corneal neovascularization assesment using machine learning methods
Mačák, Adrián ; Šikudová, Elena (vedoucí práce) ; Holeňa, Martin (oponent)
V našej práci sme sa pokúsili pomôcť oftalmológom s ich výskumom liečby - rohovkovej neovaskularizácie. Masívne zlepšenie hardvéru a algoritmov v strojovom učení otvárajú nové možnosti riešenia problémov v medicínskych snímkoch. Počas tejto práce sme vy- tvorili unikátny dataset a riešenie používajúce umelú inteligenciu, ktoré kvantifikuje toto ochorenie. Riešenie pozostáva z výpočtovej a užívateľskej časti. Výpočtová časť používa hlboké konvolučné neurónové siete s prispôsobenou U-Net architektúrou na detekciu a segmentáciu rohovkových ciev. Užívateľské rozhranie poskytuje nástroj pre oftalmológov na kvantifikáciu snímok pacientov. Experimentálne sme naše riešenie nasadili do nemoc- nice FNKV Praha na výskumné účely. 1
|
|
|
A study of applying copulas in data mining
Ščavnický, Martin ; Holeňa, Martin (vedoucí práce) ; Hauzar, David (oponent)
Název práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Kopule jsou funkce, které popisují vztah mezi sdruženým roz- dělením náhodného vektoru a jeho marginály. Kopule umožňují modelo- vat vícerozměrná rozdělení a jsou hojně využívány ve finančnictví a zk- oumány v dobývání znalostí. V praxi existuje mnoho různých rodin kopulí, ale žádný standardní spůsob, jak vybrat tu správnou. V naší práci se zabýváme porovnáním vhodnosti různych rodin kopulí k dobývaní znalostí. Prokládáme klasifikační data pomoci osmi rodin kopulí a porovnáváme je pomocí tří metrik kvality proložení. Také používáme klasifikační algorit- mus založený na kopulích a porovnáváme jeho přesnost pro různé rodiny kopulí. Výsledky naznačují, že eliptické kopule popisují naše data nejlépe, ale v přesnosti klasifikace jsou s nimi porovnatelné hierarchické Archime- dovské kopule. V práci také navrhujeme a testujeme modifikovanou metodu pro modelování dat pomocí hierarchických Archimedovských kopulí, která je schopna lépe popsat některá data...
|
|
|
Třídy SD4ft-pravidel
Kodym, Jan ; Rauch, Jan (vedoucí práce) ; Holeňa, Martin (oponent)
V předložené práci jsou definovány třídy SD4ft-pravidel, se kterými pracuje GUHA procedura SD4ft-Miner implementovaná v systému LISp-Miner. Cílem bylo nalézt třídy SD4ft-pravidel, které mají obdobné vlastnosti jako třídy asociačních pravidel se kterými pracuje GUHA procedura 4ft-Miner. Jedná se zejména o nalezení kritérií korektnosti dedukčních pravidel (týkajících se SD4ft-pravidel) a práci s datovými maticemi s neúplnou informací. K tomu bylo třeba nejprve vytvořit potřebný teoretický aparát; definovat logický kalkul, jehož formule odpovídají SD4ft-pravidlům nebo zavést principy práce s neúplnou informací pro SD4ft-pravidla. Snahou bylo využít poměrně bohaté zkušenosti a teoretické poznatky o asociačních pravidlech (4ft-pravidlech) a přenést je do prostředí SD4ft-pravidel. V práci jsou definovány některé potenciálně významné SD4ft-kvantifikátory odvozené od významných 4ft-kvantifikátorů. Zkoumané třídy SD4ft-pravidel jsou navrženy tak, aby obsahovaly SD4ft-pravidla založená na těchto významných SD4ft-kvantifikátorech.
|
|
|
Kombinování klasifikátorů pomocí fuzzy metod
Moravec, Jaroslav ; Holeňa, Martin (vedoucí práce) ; Eckhardt, Alan (oponent)
V této práci jsme rozpracovali metodu kombinování klasifikátoru pomocí tconormového integrálu pro prípad kombinování týmu SVM klasifikátoru. Porovnávali jsme úspešnosti klasifikátoru získaných na základe kombinování SVM klasifikátoru pomocí Sugenova integrálu a pomocí kvazi-Sugenových integrálu. Do systému fuzzy konjunkcí pro integraci, které byly použity pro kvazi-Sugenovy integrály, jsme jako kvazinásobení používali konjunkce ze trech rodin fuzzy konjunkcí, z Aczél-Alsinaovy rodiny, z Dombiovy rodiny a z Frankovy rodiny. Z výsledku našich experimentu vyplývá, že nejlépe vychází kombinování pomocí Sugenova integrálu.
|
host ::
RSS.