|
|
Ověření možností směrovacích protokolů pro sítě MANET v prostředí OPNET Modeler
Konečný, Daniel ; Skořepa, Michal (oponent) ; Hošek, Jiří (vedoucí práce)
Tato bakalářká práce s názvem „Ověření možností směrovacích protokolů pro sítě MANET v prostředí OPNET Modeler“ je zaměřena na sítě MANET. První část představuje nejčastěji použité protokoly v prostředí OM. Druhá část je striktně zaměřena na směrovací protokol DSR, jeho parametry a konfiguraci v OM. Je zde popsán také procesní model DSR. Nejdůležitější část této práce je rozšíření datové jednotky protokolu DSR a využití této jednotky pro přenos informací, které jsou uloženy uvnitř jeho struktury. Pro rozšíření byl zvolen paket Route Request, který obsahuje novou proměnnou. Simulace dokazují úspěšný přenos rozšířeného paketu mezi stanicemi se schopností ukládat/číst ze struktury RREQ.
|
|
|
Generating Faces with Generative Adversarial Networks
Konečný, Daniel ; Herout, Adam (oponent) ; Kolář, Martin (vedoucí práce)
The goal of this thesis is generating color images of faces from randomly chosen high-dimensional vectors with Generative Adversarial Networks. The next task is to analyze input vectors based on the features of faces generated from those vectors. Three different models of Generative Adversarial Network are implemented, one for generating images of handwritten digits and other two for generating images of faces. Generated images show credible-looking faces, but recognizable from real ones with a human eye. Single dimensions of input vectors are analyzed with Student's t-test. Linear Discriminant Analysis is then used to project input vectors into subspaces where the classes of features are separable. Analysis of generated data proves that the input vector can be specifically chosen to generate an image of a face with requested features with probability up to 80 %. The main result of this thesis is a model of Generative Adversarial Network for generating images of faces. A tool for generating images of faces with chosen features is implemented too.
|
|
|
Analýza a predikce datového provozu v mobilní ad hoc síti
Konečný, Daniel ; Koutný, Martin (oponent) ; Hošek, Jiří (vedoucí práce)
Diplomová práce „Analýza a predikce datového provozu v mobilní ad hoc síti“ se zabývá problematikou rádiových modelů ztráty signálu v MANET (Mobile Ad Hoc) sítích. V této diplomové práci je proveden popis MANET sítí, teoretický rozbor směrovacích protokolů, šíření rádiových vln a modelů ztráty signálu v simulačním prostředí NS-3 (Network Simulator 3). Dále je zde zpracován postup tvorby modelu MANET sítě s podporou směrovacího protokolu AODV (Ad Hoc On Demand Distance Vector) v simulačním prostředí NS-3. Pro analýzu simulací byly vytvořeny nové funkce vyčítání hodnot SNR (Signal to Noise Ratio) a propustnosti. Pro tyto účely byla upravena fyzická vrstva jednoho z modelů NS-3. Výsledkem je simulace jenž porovnává velkého množství modelů ztráty signálu.
|
|
|
Self-Supervised Learning for Recognition of Sports Poses in Image
Konečný, Daniel ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
The goal of this thesis is to recognize sports poses in image data with a self-supervised learning approach to achieve high classification accuracy even with a low number of annotated samples. Self-supervision is obtained by using images of the same scene from multiple viewpoints at identical and different times. A convolutional neural network trained with triplet loss learns embedding vectors of sports poses and a dense neural network classifies them. The proposed self-supervised model achieves classification accuracy higher by 30-40 % than a supervised model when there are only tens or ones of annotated training samples from each class. The main contributions of this thesis are a set of semi-automatic tools to prepare a dataset for the specific training process, two datasets with sets of labels for classification, and implemented models for specific self-supervised learning. The results show that self-supervised learning is a meaningful approach for solving classification problems with very few labeled samples.
|
|
|
Generating Faces with Generative Adversarial Networks
Konečný, Daniel ; Herout, Adam (oponent) ; Kolář, Martin (vedoucí práce)
The goal of this thesis is generating color images of faces from randomly chosen high-dimensional vectors with Generative Adversarial Networks. The next task is to analyze input vectors based on the features of faces generated from those vectors. Three different models of Generative Adversarial Network are implemented, one for generating images of handwritten digits and other two for generating images of faces. Generated images show credible-looking faces, but recognizable from real ones with a human eye. Single dimensions of input vectors are analyzed with Student's t-test. Linear Discriminant Analysis is then used to project input vectors into subspaces where the classes of features are separable. Analysis of generated data proves that the input vector can be specifically chosen to generate an image of a face with requested features with probability up to 80 %. The main result of this thesis is a model of Generative Adversarial Network for generating images of faces. A tool for generating images of faces with chosen features is implemented too.
|
|
|
Sponzoring ve sportovním odvětví
Konečný, Daniel ; Tripes, Stanislav (vedoucí práce)
Bakalářská práce se věnuje sponzoringu ve sportovním odvětví se zaměřením na samotný proces získávání sponzorů a interakci mezi sponzorem a sponzorovaným. Hlavním cílem práce je analyzování přístupů zkoumaných sportovních klubů ke sponzoringu a zjištění současné situace v této oblasti. Metodou pro získání informací potřebných k úspěšnému vypracování této bakalářské práce byly polostrukturované rozhovory s kompetentními zástupci zkoumaných klubů. Výsledkem této práce je pak kromě analýzy současného stavu také navržení postupů, které by měly vést ke zlepšení současné situace v oblasti sponzoringu.
|
|
|
Ověření možností směrovacích protokolů pro sítě MANET v prostředí OPNET Modeler
Konečný, Daniel ; Skořepa, Michal (oponent) ; Hošek, Jiří (vedoucí práce)
Tato bakalářká práce s názvem „Ověření možností směrovacích protokolů pro sítě MANET v prostředí OPNET Modeler“ je zaměřena na sítě MANET. První část představuje nejčastěji použité protokoly v prostředí OM. Druhá část je striktně zaměřena na směrovací protokol DSR, jeho parametry a konfiguraci v OM. Je zde popsán také procesní model DSR. Nejdůležitější část této práce je rozšíření datové jednotky protokolu DSR a využití této jednotky pro přenos informací, které jsou uloženy uvnitř jeho struktury. Pro rozšíření byl zvolen paket Route Request, který obsahuje novou proměnnou. Simulace dokazují úspěšný přenos rozšířeného paketu mezi stanicemi se schopností ukládat/číst ze struktury RREQ.
|
|
|
Analýza a predikce datového provozu v mobilní ad hoc síti
Konečný, Daniel ; Koutný, Martin (oponent) ; Hošek, Jiří (vedoucí práce)
Diplomová práce „Analýza a predikce datového provozu v mobilní ad hoc síti“ se zabývá problematikou rádiových modelů ztráty signálu v MANET (Mobile Ad Hoc) sítích. V této diplomové práci je proveden popis MANET sítí, teoretický rozbor směrovacích protokolů, šíření rádiových vln a modelů ztráty signálu v simulačním prostředí NS-3 (Network Simulator 3). Dále je zde zpracován postup tvorby modelu MANET sítě s podporou směrovacího protokolu AODV (Ad Hoc On Demand Distance Vector) v simulačním prostředí NS-3. Pro analýzu simulací byly vytvořeny nové funkce vyčítání hodnot SNR (Signal to Noise Ratio) a propustnosti. Pro tyto účely byla upravena fyzická vrstva jednoho z modelů NS-3. Výsledkem je simulace jenž porovnává velkého množství modelů ztráty signálu.
|
host ::
RSS.