|
|
Zjišťování příznaků z obrazových dat
Uher, Václav ; Beneš, Radek (oponent) ; Burget, Radim (vedoucí práce)
Zpracování obrazu je jednou z oblastí analýzy signálů. Tato práce se zabývá zjišťováním příznaků z obrazových dat a jejich implementací pomocí programovacího jazyku Java. Hlavní přínos práce spočívá ve vytvoření extraktorů příznaků a jejich implementací do programu RapidMiner. Díky čemuž vznikl robustní nástroj pro analýzu obrazu. Funkčnost jednotlivých operátorů je ověřena na snímcích mamografu. Byl vytvořen funkční model pro odstraňování artefaktů ze snímků mamografu. Úspěšnost odstraňování je srovnatelná s ostatními podobnými pracemi. Dále byly srovnány učící se algoritmy na příkladu detekce srdeční komory na ultrazvukovém snímku.
|
|
|
Procedurální programování v databázi
Nimrichter, Adam ; Povoda, Lukáš (oponent) ; Uher, Václav (vedoucí práce)
Práce se zabývá ověřením konceptu provádět výpočty přímo v databázi. Popisuje databázi PostgreSQL, její vlastnosti a procedurální jazyk PL/pgSQL. Dále se věnuje metodám strojového učení, návrhu algoritmu pro dopředný výběr příznaků a ověřením jeho funkčnosti. Hojně využívá rozšiřující knihovny analytických funkcí MADlib, která poskytuje implementace matematických, statistických a strojních učebních metod pro strukturovaná a nestrukturovaná data.
|
|
|
Time series analysis using deep learning
Hladík, Jakub ; Kolařík, Martin (oponent) ; Uher, Václav (vedoucí práce)
The aim of the thesis was to create a tool for time-series prediction based on deep learning. The first part of the work is a brief description of deep learning and its comparison to classical machine learning. In the next section contains brief analysis of some tools, that are already used for time-series forecasting. The last part is focused on the analysis of the problem as well as on the actual creation of the program.
|
|
|
Filtrování spamových zpráv pomocí metod umělé inteligence
Safonov, Yehor ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
V moderním počítačovém světě e-mailová komunikace patří do nejpoužívanějších prostředků pro výměnu zpráv mezi uživateli. Jedná se o volně dostupný, efektivní a jednoduchý způsob sloužící ke sdělení informací. Tyto tři základní pilíře přispívají k její světové rozšířenosti a strmému nárůstu přenášených elektronických zpráv. Na druhou stranu, rostoucí popularita této technologie v sobě skrývá velká bezpečnostní rizika a tvoří z ní ideální nástroj pro šíření nevyžádaného obsahu a realizaci útoků cílených jak na koncové uživatele, tak i na celé počítačové infrastruktury. Ačkoliv v dnešní době používané klasické nástroje na filtrování spamu dosahují vysokých přesností, často neumožňují pokrytí dynamičnosti vývoje spamových technik a trpí problémy s přeučením, uváznutím v nevhodných lokálních minimech, neschopností efektivně zpracovávat vysoce dimenzionální data a z dlouhodobého hlediska disponují problémy s udržitelností. Hlavním cílem této diplomové práce je vytvoření a naučení modelů hlubokých neuronových sítí použitím nejmodernějších technik a přístupů existujících ve světě zpracování přirozeného jazyka a strojového učení. V rámci teoretické části se práce zaměřuje na problematiku e-mailové komunikace se zaměřením na filtrování nevyžádané pošty. Následně se věnuje doméně strojového učení a umělých neuronových sítí, zejména principům jejich fungování, základním vlastnostem a možnostem jejich aplikování na okruh problémů spojených s provedením textové analýzy. Mezi silné stránky práce patří provedení podrobného srovnání současných metod strojového učení, jejich specifik a přesnosti při aplikování na klasifikaci spamu. V praktické části práce byl důraz položen na zpracování datové sady surových e-mailů a srovnání modelů ULMFiT, BERT a XLNet. Zpracování dat bylo rozděleno do pěti etap, a to s cílem zachování co nejvyšší informační hodnoty zpráv a vytvoření kvalitní datové sady, která byla použita pro trénování, testování a validaci zvolených druhů neuronových sítí. Dále diplomová práce zahrnuje popis procesu učení sítí včetně etapy finálního přizpůsobení dat k modelování. Na konci práce byly implementované modely srovnány a byla nastíněna případná rozšíření do budoucna.
|
|
|
Platforma pro virtualizaci komunikační infrastruktury
Stodůlka, Tomáš ; Martinásek, Zdeněk (oponent) ; Uher, Václav (vedoucí práce)
Diplomová práce se zabývá výběrem platformy pro virtualizaci infrastruktury se zaměřením na kontejnerizaci s podporou sandboxingu a následným zkoumáním její náročnosti. Práce začíná vysvětlením základních technologií jako: virtualizace, cloud computing a kontejnerizace spolu s jejími zástupci, kteří danou technologii zprostředkovávají. Zvláštní prostor je vymezen právě pro platformy cloud computingu: Kubernetes, OpenStack a OpenShift. Nejvhodnější platforma je pak vybrána a vlastním způsobem nasazena tak, aby splňovala veškeré podmínky stanovené vedoucím práce. V rámci testování náročnosti vybrané platformy jsou vytvořeny skripty (převážně v jazyce Bash) určené ke skenování vytíženosti systému, vytváření scénářů, simulaci zátěže a automatizaci.
|
|
|
Počítačová analýza medicínských obrazových dat
Krajčír, Róbert ; Šmirg, Ondřej (oponent) ; Uher, Václav (vedoucí práce)
Táto práca sa zaoberá analýzou medicínskych obrazových dát pomocou rôznych štatistických a numerických metód implementovaných v prostrediach Eclipse a Rapidminer využitím jazyku Java. Použité sú sady snímok (rezov), ktoré sú výsledkom vyšetrenia mozgu rôznych pacientov magnetickou rezonanciou. Jednotlivé segmenty v tomto 3D obraze sú podrobené výpočtu niekoľkých lokálnych príznakov, na základe ktorých sú vygenerované dátové sady pre použitie v trénovacích algoritmoch. Schopnosť týchto alogritmov úspešne identifikovať zdravé alebo choré tkanivo je následne otestovaná prakticky na dostupných dátach.
|
|
|
Tool for deep neural network design
Hladík, Jakub ; Harár, Pavol (oponent) ; Uher, Václav (vedoucí práce)
The aim of this thesis was to create a program for visualization of artificial neural networks. The first part contains definition of artificial neural networks, comparison with biological neural networks and comparison with processors used in personal computers. Also contains brief description of their function and advantages/disadvantages of artificial neural networks. The second part contains brief explanation of deep learning. There are described methods and models used for learning. The third part contains introduction to Caffe framework and summary of the most frequently occuring layers in neural networks, that are created by using Caffe. Next part contains brief analysis of created program as well as detailed description of classes, that program contains.
|
|
|
Detection of anomalies in data center network traffic
Korzhasbayeva, Leila ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
In large companies there are a lot of~business critical machines working without a pause every day. A~simple Log Management solution is not always enough to catch all the data passing by. And Security Analyst is not able to watch every log source for any changes in normal traffic. Here is the point when machine can help us. Anomaly detection in the environment is main goal of this project. There are few solutions presented and tested on a data from servers in real environment of a company. There are still might be some false positives, but it is a good opportunity to solve in a future research.
|
|
|
Rozpoznávání řeči s pomocí nástroje Sphinx-4
Kryške, Lukáš ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
Tato diplomová práce se zabývá hledáním efektivní techniky pro strojové rozpoznávání řeči, konkrétně pak strojovým přepisem mluvené řeči do textu a následným hledáním klíčových slov. Toto řešení lze následně použit pro analýzy telefonních hovorů nebo jiné podobné aplikace. Celá diplomová práce se věnuje nástroji Sphinx-4 pro strojové rozpoznávání řeči, který využívá k popisu akustických modelů skrytých Markovových modelů (HMM – Hidden Markov Model). Práce detailně vysvětluje, jak takové modely připravit pro nový jazyk nebo dialekt jazyka a jak tyto modely softwarově implementovat v jazyce Java.
|
|
|
Podobnost obrazu na základě barvy
Hampl, Filip ; Přinosil, Jiří (oponent) ; Uher, Václav (vedoucí práce)
Tato diplomová práce pojednává o podobnosti v obraze na základě barvy. Jsou zde diskutovány potřebné teoretické základy pro pochopení dané tématiky. Těmito základy jsou barevné modely, které jsou v této práci implementovány, princip tvorby histogramu a jeho porovnávání. Dalším tématem je shrnutí současného pokroku v oblasti porovnávání obrazů a přehled několika používaných metod. V praktické části práce je představena trénovací databáze obrazů, na které jsou získávány výsledky úspěšnosti vytvořených metod. Tyto metody jsou jednotlivě popsány, včetně jejich principu a dosažených výsledků. V samotném závěru práce je popsáno vytvořené uživatelské rozhraní, které poskytuje přehlednou prezentaci výsledků pro zvolenou metodu.
|
host ::
RSS.