Národní úložiště šedé literatury Nalezeno 42 záznamů.  1 - 10dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
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
Umělá inteligence pro hru Risk
Vašátko, Viktor ; Pilát, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
Cílem této práce je implementace hry Risk a průzkum, jak do hry vy- vinout umělou inteligenci. Implementace hry a experimenty s umělou inteligencí jsou napsány v programovacím jazyce C#. V průzkumu vývoje umělé inteligence jsou otestovány dva přístupy. Jeden přístup využívá algoritmus Monte Carlo tree search (MCTS) s dvěma různými heuristikami a druhý se snaží řešit problém za pomocí neuronových sítí. Neuronové sítě mají dvojí využití. Jedno využití je pro samotnou umělou inteligenci a druhé v jedné z heuristik. Provedeným výzku- mem jsme zjistili, že umělá inteligence využívající MCTS dokáže hrát nejlépe, ale nezvládá velké mapy. Oproti tomu umělá inteligence s neuronovými sítěmi dokáže hrát na libovolné mapě, a proto by mohla být potencionálně dalším cílem výzkumu. Výsledkem práce je základ pro další možný vývoj umělé inteligence. 1
Skládání balíčků karet v počítačové hře Hearthstone
Stachura, Šimon ; Gemrot, Jakub (vedoucí práce) ; Pilát, Martin (oponent)
Název práce: Skládání balíčků karet v počítačové hře Hearthstone Autor: Šimon Stachura Katedra: Katedra softwaru a výuky informatiky Vedoucí bakalářské práce: Mgr. Jakub Gemrot, Ph. D. Abstrakt: Základem sběratelských karetních her, jako je např. Hearthstone, je sbírání karet, z nichž poté hráči vytvářejí balíčky pro samotnou hru. Tato činnost je obvykle velmi komplexní, zahrnující množství faktorů, jako je např. stabilita výsledků balíčku, nebo interakce mezi jednotlivými kartami. Cílem naší práce bylo pokusit se skládání balíčku pro Hearthstone automatizovat. Pro tento účel jsme využili algoritmus hill-climbing, v němž byly jednotlivé balíčky hodnoceny podle své úspěšnosti ve hře proti reálným nejhranějším balíčkům. Použití tohoto algoritmu s sebou přineslo množství otázek, jako např. jak omezit obrovský prostor možných balíčků; jakou umělou inteligenci použít pro simulaci her, nebo jak stabilizovat simulaci v tomto velmi nedeterministickém prostředí. Pokusili jsme se také o nový přístup k některým z těchto problémů. Na závěr jsme experimentálně vytvořili dva balíčky, které dosáhly v simulacích průměrné úspěšnosti kolem 80, resp. 90 procent proti reálným balíčkům. Tento výsledek ukázal, že i v takto nedeterministickém prostředí dokáže hill-climbing najít zajímavá řešení, která jsou však silně závislá na...
Creating the Game Strategies for PuppetWars Using Neuroevolution
Šmelko, Adam ; Pilát, Martin (vedoucí práce) ; Matzner, Filip (oponent)
V posledných rokoch nastal v hernom priemysle rozmach. Pre udržanie konkurencieschopnosti sú herné spoločnosti nútené vyvíjať stále viac príťažli- vé počítačové hry, čo implikuje i prítomnosť čo najvernejšej umelej inteligen- cie ovládajúcej herné prvky, na čo sa naša práca zameriava. Implementovali sme jednoduchú 2D programovaciu hru, na ktorej sme predviedli sadu poku- sov učiac umelú inteligenciu v nej, snažiac sa vytvoriť stratégie konkurujúce tým ľudským. Preskúmali sme niekoľko variácií učenia pomocou evolučnej stratégie aplikovanej na neurónové siete a vytvorili sme herné postavičky hodné bytia rovnocenným protivníkom užívateľom hry.
Domain Specific Languages in Functional Programming
Rapavá, Jana ; Hric, Jan (vedoucí práce) ; Pilát, Martin (oponent)
V umělé inteligenci, obzvláště v programování s omezujícími podmínkami, je populární navrhovat rozličné modelovací jazyky, které umožňují řešit problémy na úrovni domény a prostřednictvím doménových abstrakcí. Při tom je často užitečné používat techniky známé z oblasti doménově specifických jazyků. Funkcionální programovací jazyky poskytují nové prostředky pro návrh těchto jazyků, obzvláště v případě vnořených doménově specifických jazyků. Tato práce zkoumá výhody a nevýhody využití technik funkcionálního programování při návrhu a implementaci vnořeného doménově specifického jazyka pro problémy prohledávání stavových prostorů.
Adversarial Examples in Machine Learning
Kocián, Matěj ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
Hluboké neuronové sítě v poslední době dosahují vysoké úspěšnosti na mnoha úlohách, zejména klasifikaci obrázků. Tyto modely jsou ovšem snadno ovlivni- telné lehce pozměněnými vstupy zvanými matoucí vzory. Matoucí vzory mohou značně snižovat úspěšnost a tak ohrozit systémy, které modely strojového učení využívají. V této práci přinášíme rešerši literatury o matoucích vzorech. Dále navrhujeme nové obrany proti matoucím vzorům: síť kombinující RBF jednotky s konvolucí, kterou testujeme na datové sadě MNIST a která má lepší úspěšnost než CNN trénovaná pomocí matoucích vzorů, a diskretizaci vstupního prostoru, kterou testujeme na datových sadách MNIST a ImageNet a dosahujeme slibných výsledků. Na závěr zkoumáme možnost generování matoucích vzorů bez přístupu ke vstupu, který má být pozměněn. 1
Strojové učení pro credit scoring
Myazina, Elena ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
Název práce: Strojové učení pro credit scoring Autor: Elena Myazina Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí: Mgr. Martin Pilát, Ph.D, Katedra teoretické informatiky a matematické logiky Abstract: Banky používají techniku nazývanou credit scoring pro ohodnocení svých klientů, kteří žádají o půjčku. Cílem je předpovědět, jestli klient půjčku splatí, nebo ne. Tradičně se pro credit scoring používají matematické metody jako např. logistická regrese. V této práci se na problém podíváme z hlediska strojového učení. Testujeme řadu metod strojového učení (např. neuronové sítě,support vector machines, náhodné lesy a další) a vyhodnocujeme jejich vhodnost pro credit scoring na třech veřejně dostupných množinách dat. Klíčová slova: strojové učení, credit scoring, logistická regrese, neuronové sítě, náhodné lesy.
Genetic Approach To Hypercube Problems
Kuboň, David ; Gregor, Petr (vedoucí práce) ; Pilát, Martin (oponent)
Objektem zájmu práce jsou hyperkrychle. V její první části je představíme coby zajímavou třídu grafů, která má praktické použití v sítích a distribuovaném počítání. Kvůli jejich rozličným aplikacím tato práce popisuje problémy z teorie grafů týkající se hyperkrychlí, jako jsou hledání objížďkových spannerů, minimalizace největšího stuně vrcholu a hledání vícero hranově disjunktních spannerů. Práce též podává přehled aktuálních výsledků pro některé hyperkrychové problémy a navrhuje jejich řešení pomoc genetického algoritmu. Genetický algoritmus je navržem, implementován a jeho výkon je vyhodnocen. Závěrem je, že aplikace genetického algoritmu na některý hyperkrychlový problém je možná, ale nikoli nejeefektivnější metoda.
Obecná umělá inteligence pro hraní her
Klůj, Jan ; Pilát, Martin (vedoucí práce) ; Moudřík, Josef (oponent)
Hraní her je v současné době poměrně zajímavý problém na poli umělé inteli- gence. V diplomové práci se zabýváme tvorbou obecné umělé inteligence, která je schopna hrát vybrané jednoduché počítačové hry na základě informací, které jsou dostupné i lidskému hráči. Našimi vybranými hrami jsou 2048, Mario, zá- vodní simulátor TORCS a Alhambra. Všechny informace, které umělá inteligence získává, jsou poskytovány hrami pomocí rozhraní a žádný model tak nevyužívá obrazový vizuální vstup. Využíváme evolučních přístupů jako jsou evoluční algo- ritmy, evoluční strategie CMA a diferenciální evoluce, aplikované na různé typy neuronových sítí. Dále se zabýváme hlubokým zpětnovazebním učením. Tyto pří- stupy testujeme a jejich výsledky porovnáváme. 1

Národní úložiště šedé literatury : Nalezeno 42 záznamů.   1 - 10dalšíkonec  přejít na záznam:
Viz též: podobná jména autorů
1 Pilát, Matěj
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.