|
|
Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification
Gajdár, Matúš ; Švec, Ján (oponent) ; Karafiát, Martin (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.
|
|
|
Klasifikace příkazů z EMG pomocí neuronové sítě
Zauška, Ján ; Šůstek, Martin (oponent) ; Szőke, Igor (vedoucí práce)
Táto práca sa zaoberá klasifikáciou 15 príkazov (krátkych slov) z malej dátovej sady nahranej pomocou sEMG elektród umiestnených na tvári a krku rečníka. V nahrávkach sú rozlíšené dva typy reči - audible speech, čo je klasická reč, a silent speech, teda reč, pri ktorej je potlačené vydávanie zvuku. Práca popisuje spracovanie EMG signálu, extrakciu príznakov, návrh klasifikátoru a výsledky klasifikácie. Ako klasifikátor bola použitá vlastná architektúra konvolučnej neurónovej siete. V práci sa tiež nachádza mnoho experimentov porovnávajúcich presnosť klasifikácie silent a audible speech.
|
|
|
Sleep scoring using artificial neural networks
Vašíčková, Zuzana ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
The main objective of the thesis is to create an artificial neural network for sleep-staging. Firstly, information about sleep and sleep stages is summarized. However, more profound overview of signal processing methods and methods of classification is found in next chapters. After summarizing the theoretical knowledge necessary to carry out practical part of thesis, signal features were extracted according to the theoretical proposal and using statistical analysis, convenient features were used as in input for artificial neural network, able to classify the sleep data into sleep stages after the learning stage.
|
|
|
Analýza rozložení textu v historických dokumentech
Palacková, Bianca ; Hradiš, Michal (oponent) ; Kodym, Oldřich (vedoucí práce)
Cieľom tejto diplomovej práce je navrhnúť a implementovať algoritmus na analýzu rozloženia textu v historických dokumentoch. Pri riešení tohto problému bola využitá neurónová sieť, konkrétne architektúra Faster-RCNN. Na trénovanie a otestovanie algortimu bol využitý dataset so 6 135 obrázkami dobových novín. V rámci práce boli natrénované 4 modely neurónových sietí: model na detekciu slov, nadpisov, textových regiónov a model detekujúci slová na základe ich polohy v riadku. Výstupy z týchto sietí boli vhodne spracované, s cieľom detekovať rozloženie textu na vstupnom obrázku. Na evaluáciu bola použitá upravená metrika F-score, na základe ktorej algoritmus dosiahol presnosť takmer 80 %.
|
|
|
Neuronové sítě pro hru gomoku
Bako, Matúš ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárkej práce je vytvoriť umelú inteligenciu, ktorá dokáže hrať hru Gomoku. Narozdiel od konvenčných metód prehľadávania stavového priestoru a ručně definovaných pravidiel kombinujem stochastické prehľadávanie s použitím konvolučných neurónových sietí. Strategická neurónová sieť určuje pravdepodobnostnú distribúciu pre všetky pozície na hracej ploche pri danej konfigurácii a ohodnocovacia sieť určuje pravdepodobnosť výhry. Natrénoval som architektúry neurónových sietí s rôznym počtom konvolučných vrstiev a s rôznymi veľkosťami konvolučných jadier. Z experimentov vyplinulo, že bez použitia ohodnocovacej siete a prehľadávacieho algoritmu je problematické zakončiť hru, avšak strategická sieť dokáže fungovať ako dostatočne silná heuristika pre výber ťahu. Napriek relatívne malej množine trénovacích dát je mnou vytvorená umelá inteligencia schopná poraziť nižšie umiestnené programy zo súťaže Gomocup.
|
|
|
Detekce palných zbraní v obrazu
Debnár, Pavol ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.
|
|
|
Intelligent Manager of Fantasy Premier League Game
Vasilišin, Maroš ; Burgetová, Ivana (oponent) ; Hynek, Jiří (vedoucí práce)
Fantasy Premier League online game gives millions of players around the world the chance to become a manager of their club for a while. The results and scores in the game depend on correctly predicting how players will behave in real football matches. If the user had software for predicting and analyzing players' future performance, it would help with making decisions and the outcome of the game could significantly improve. This master's thesis deals with the design and implementation of a prediction model that uses neural networks for time series prediction throughout the game season. Various methods were used to process player and club data for the last 4 seasons. The results are presented in the form of a web application where users can use the created model on their teams. Performance and accuracy of prediction methods were tested on the data from the last season of the Premier League and algorithm predictions were in most of the cases close to reality. If the user used the prediction model's advice 100% in the game, he would score more points than a regular player who does not use any prediction model.
|
|
|
Playing Gomoku with Neural Networks
Slávka, Michal ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
This thesis explores the usage of AlphaZero algorithm for the game of Gomoku. AlphaZero is a reinforcement learning algorithm, which does not require any existing datasets and is able to improve only by using self-play. It uses a tree search for policy improvement, which is subsequently used for training. This approach was able to defeat the previous state of the art methods. Generating training data of high quality requires a lot of computationally expensive iterations, which makes them algorithm slow to train. Experiments show that the strength of the play is growing with each subsequent iteration, this might indicate that it still has room for improvement with more training and that it has not reached its full potential.
|
|
|
Multi-modální přepis textu
Kabáč, Michal ; Herout, Adam (oponent) ; Kišš, Martin (vedoucí práce)
Cieľom tejto práce je popísať a vytvoriť metódu pre korekciu výstupov rozpoznávača textu pomocou rozpoznávača reči. Práca popisuje prehľad súčasných metód pre rozpoznávanie textu a reči pomocou neurónových sietí. Popisuje tiež existujúce metódy prepájania výstupov dvoch modalít. V rámci práce je navrhnutých a implementovaných niekoľko prístupov pre korekciu rozpoznávačov, ktoré sú založené na algoritmoch, alebo neurónových sieťach. Ako najlepší prístup sa ukázal algoritmus založený na princípe prehľadávania výstupov rozpoznávačov zarovnaných pomocou levenshtainového zarovnania. Algoritmus prehľadáva výstupy v prípade že neistota znaku rozpoznávača textu je menšia ako predom zvolená hranica. V rámci práce bol ku textovým prepisom vytvorený anotačný server, pomocou ktorého sa robil zber nahrávok pre vyhodnotenie experimentov.
|
|
|
Klasifikační framework
Koroncziová, Dominika ; Otrusina, Lubomír (oponent) ; Kouřil, Jan (vedoucí práce)
Cílem této práce je návrh a implementace klasifikačního software postaveného na knihovně RapidMiner. Výsledná aplikace bude sdružovat nejpoužívanější algoritmy a procesy implementované v RapidMineru do jednoduchého použitelného programu. Součástí nároků na aplikaci je jednoduché rozhraní pro ovládání z příkazové řádky, stejně jako grafické rozhraní zjednodušující nastavení více parametrů. Aplikace má také umožňovat tvorbu samostatných jednoúčelových programů, sloužících na opakovanou klasifikaci s použitím předem natrénovaného modelu. Nad rámec původního zadání je implementována i práce s textovými daty z Wikipedie, jejich stáhnutí a předzpracování a následné použití jako trénovacích dat. Text práce se zabývá postupně jednotlivými algoritmy a popisem kvalifikačních algoritmů, jejich vlastnostmi a použitím, a popisuje návrh a implementaci systému. V rámci práce byla vykonána i sada několika testů pro ověření výkonu a funkcionality aplikace. Jejich výsledky jsou shrnuty v závěru práce.
|
host ::
RSS.