|
|
Generování modelů domů pro Open Street Mapy
Galacz, Roman ; Poulíček, Zbyněk (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá získáním dat z map poskytovaných projektem OpenStreetMap a následným převodem těchto dat z formátu zeměpisné šířky a délky do kartézské soustavy souřadnic. Dále popisuje rozpoznávání domů v zástavbách, které se na stažené mapě nacházejí. Pro demonstraci výsledků tohoto rozpoznávání je vytvořen program, který vymodeluje 3D geometrii domů a také vytvoří terén, kde dané domy leží. Vygenerovaný model je zobrazen pomocí grafické knihovny OpenGL.
|
|
|
Jednoduché rozpoznávání písma
Hamrský, Jan ; Svoboda, Pavel (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá vyhledáním a rozpoznáváním textu v obraze. Rozebírá problematiku extrakce příznaků a jejich použití při strojovém učení. Popisuje postup při návrhu a implementaci jednoduché aplikace pro rozpoznávání znaků strojově psaného textu.
|
|
|
Anotace síťového provozu
Holakovský, Jan ; Novotňák, Jiří (oponent) ; Žádník, Martin (vedoucí práce)
Tato práce se zabývá metodami rozpoznávání aplikačního protokolu v síťovém provozu. Jsou zde rozebírány a diskutovány jednotlivé metody z hledika efektivity. Dále tato práce popisuje vývoj nástroje pro podporu ruční anotace síťového provozu, který používá kombinaci vybraných metod. Na závěr tato práce obsahuje popis a výsledky experimentů provedených s vytvořeným nástrojem a diskutuje jeho efektivitu a možná rozšíření.
|
|
|
Optimalizace heuristické analýzy spustitelných souborů
Wiglasz, Michal ; Křoustek, Jakub (oponent) ; Hruška, Tomáš (vedoucí práce)
Tato bakalářská práce byla vypracována v průběhu studijního pobytu na Universita della Svizzera italiana ve Švýcarsku. Tato práce popisuje implementaci klasifikačního nástroje pro detekci neznámého škodlivého softwaru, které by mohla nahradit současné řešení, založené na ručně určených vahách. Databáze použitá pro učení a testování byla poskytnuta antivirovou a bezpečnostní společností AVG Technologies. Pět různých klasifikátorů bylo srovnáno za účelem nalezení nejvhodnější metody k implementaci: naivní bayesovský klasifikátor, rozhodovací stromy, algoritmus RandomForrest, neuronové sítě a support vector machine. Po několika experimentech byl vybrán naivní bayesovský klasifikátor. Implementovaná aplikace pokrývá všechny potřebné funkce: extrakci atributů, učení klasifikátoru a odhad jeho úspěšnosti a klasifikaci neznámých vzorků. Protože společnost AVG je ochotna tolerovat maximálně 1% falešně pozitivních klasifikací, úspěšnost implementovaného klasifikátoru je pouze 61,7 %, což je o méně než 1 % lepší než u současného řešení. Na druhou stranu, učící proces je plně automatizovaný a umožňuje rychlé přeučení (v průměru během 12 sekund pro 90 tisíc trénovacích vzorků.)
|
|
|
Umělá inteligence pro hraní her
Neřád, Václav ; Kouřil, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá umělou inteligencí a jednotlivými metodami, které jsou v umělé inteligenci používány pro řešení problému a speciálně hraní her. Vybrané metody jsou poté využity při implementaci bota pro hru Ants v soutěži AI challenge.
|
|
|
Classifier of astrophysics data
Rylko, Vojtěch ; Vrábelová, Pavla (oponent) ; Zendulka, Jaroslav (vedoucí práce)
This bachelor thesis describes selection, design and implementation of a data mining algoritm for astrophysical usage. The implementation of the random decision forests algorithm in C++ is evaluated on two astrophysical and some general experiments. Experiments are both classification and regression with time measuring. For comparison another three implementations are evaluated. The resulting implementation shows good results mainly in classification.
|
|
|
Metody strojového učení ve zpracování přirozeného jazyka
Vodička, Jan ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
Bakalářská práce se zajímá hodnocením sentimentu textu v českém jazyce za pomocí metod strojového učení, hlavně za použití naivního bayesovského klasifikátoru. Členění probíhá do dvou kategorií - pozitivní, negativní zprávy. Jako datové zdroje pro automatické vytvoření korpusu jsou použity zprávy ze sociální sítě Twitter, zbožového porovnávače Heuréka, filmové databáze ČSFD a restauračního portálu Scuk. Jsou porovnány z hlediska výkonnosti při hodnocení sentimentu. Následně je sestavena výsledná tréninková sada, která je použita při hodnocení zpráv z Twitteru v téměř reálném čase.
|
|
|
OCR na platformě iOS
Hakulin, Lukáš ; Žák, Pavel (oponent) ; Angelov, Michael (vedoucí práce)
Práce se věnuje problematice rozpoznávání textu v obraze na mobilní platformě iOS. Obsahuje principy a metody detekce textu, získávání příznaků a klasifikace. Popisuje návrh a implementaci jednoduché aplikace pro rozpoznávání informací o umístění nábytku ve skladu obchodního domu IKEA.
|
|
| |
|
|
Strojové učení v klasifikaci obrazu
Král, Jiří ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Práce se zabývá hledáním a analýzou statistických modelů a algoritmických postupů, které mají potenciál zlepšit výsledky FIT VUT v Brně na soutěžích zabývajících se klasifi kací obrazu jako jsou ImageNet Large Scale Visual Recognition Challenge a TRECVID. V práci byl otestován multinomiální model, také byl použit model Phonotactic Intersession Variation Compensation (PIVCO) pro adaptaci náhodných vlivů v obrazové reprezentaci a dále pak pro redukci dimenzionality. Dále byl analyzován model KPCA, kterým se emulovala Kernel SVM klasi kace. Všechny statistické modely byly testovány na Pascal VOC 2007 datasetu.
|
host ::
RSS.