|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Modelování predikce bankrotu ve zpracovatelském průmyslu
Tichá, Barbora ; Bartoš, Vojtěch (oponent) ; Karas, Michal (vedoucí práce)
Tato diplomová práce se zabývá problematikou predikce bankrotu malých a středně velkých podniků působících ve zpracovatelském průmyslu ve vybraných zemích střední Evropy. V teoretické části práce jsou vymezeny pojmy související s predikcí bankrotu a metodami tvorby modelů. Analytická část práce se skládá z testování přesnosti vybraných bankrotních modelů jiných autorů a tvorbou nového bankrotního modelu. Přesnost nově vytvořeného modelu je následně porovnána s přesností vybraných modelů jiných autorů.
|
|
|
Analýza vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie
Havelková, Nikola ; Galáž, Zoltán (oponent) ; Kováč, Daniel (vedoucí práce)
Práce se zabývá analýzou vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie. Pro zvýraznění řeči jsou zvoleny a v prostředí MATLAB R2022a implementovány vhodné jednokanálové metody, a to konkrétně spektrální odečítání a Kalmanův filtr. Metody jsou rovněž použity i u nahrávek bez zatížení šumem, ke kterým byl přidán aditivní bílý šum. Účinnost těchto metod je pak hodnocena objektivně pomocí hodnot odstupu signálu od šumu. Po zvýraznění řeči jsou z nahrávek extrahovány řečové příznaky. Vliv přítomnosti šumu, a i jeho následné potlačení jednotlivými metodami, je následně vyhodnoceno statistickou analýzou, konkrétně za pomoci Kruskal-Wallisova testu a post-hoc Dunnova testu. Distribuce pravděpodobnosti parametrů nahrávek čistých, zašuměných i zvýrazněných, u nichž je dle statistických testů vliv šumu signifikantní, jsou vykresleny za pomoci houslových a krabicových grafů. Na závěr byla provedena klasifikace nahrávek logistickou regresí za pomoci strojového učení, kdy byl dle hodnot plochy pod ROC křivkou popsán vliv přítomnosti šumu a následné zvýraznění řeči na automatizovanou detekci hypokinetické dysartrie.
|
|
|
Laptop Touchpad Palm Detection with AI/ML
Menzyński, Mark Alexander ; Kavetskyi, Andrii (oponent) ; Drahanský, Martin (vedoucí práce)
The situation about palm rejection for laptops is less than ideal. Most research focuses on touchscreens, and there is minimal research on touchpads. Some research is possibly done privately in laptop manufacturer companies, but the technology is lacking behind regardless. This thesis explores several shallow and deep machine learning models and finds their accuracy to be very much sufficient. In addition, a real-time proof of concept is implemented to demonstrate the model's capabilities.
|
|
|
Statistické modely úspěšnosti různé techniky kopů v rugby
Vrbacká, Kateřina ; Votavová, Helena (oponent) ; Bednář, Josef (vedoucí práce)
Tato bakalářská práce se zabývá testováním statistických hypotéz a jejich praktickým využitím. Statisticky modelujeme úspěšnost kopu v rugby a zkoumat dominantní faktory (poloha míče, styl kopu, typ hráče) a jejich interakce. Z matematického aparátu využijeme Chí-kvadrát test nezávislosti a logistickou regresi. Výsledný model zpracujeme v softwaru MINITAB. Výsledkem práce pak bude přesný popis dané situace.
|
|
|
Umělá inteligence pro deskovou hru
Tureček, Dominik ; Baskar, Murali Karthick (oponent) ; Beneš, Karel (vedoucí práce)
Tato práce navrhuje hráče ovládané umělou inteligencí pro hru Dice Wars. Dice Wars je nedeterministická tahová hra s nulovým součtem. Bylo vytvořeno několik AI hráčů s využitím pravidlového přístupu, algoritmu expecitminimax a logistické regrese. Pro zhodnocení kvality navržených AI hráčů byla vytvořena implementace hry Dice Wars. Z výsledků experimentů vyplývá, že ve hře dvou hráčů je výhodnější hrát agresivněji než v případě vícehráčových her. Ve hře osmi hráčů vyhrává AI využívající expectiminimax přes 60 % her proti náhodným hráčům a 21.4 % her proti ostatním navrženým AI. Ve hrách dvou hráčů dosahuje nejlepších výsledků AI založená na logistické regresi, která jako příznaky používá skóre a počty kostek jednotlivých hráčů. V průměru vyhrává 59.4 % her.
|
|
|
Statistická klasifikace pomocí zobecněných lineárních modelů.
Sladká, Vladimíra ; Mrázková, Eva (oponent) ; Michálek, Jaroslav (vedoucí práce)
Cílem této diplomové práce je zavést teorii zobecněných lineárních modelů, speciálně pak probitový a logitový model. Tyto jsou zejména používány pro zpracování medicínských dat. V našem konkrétním případě jsou zmíněné modely aplikovány na datový soubor získaný ve fakultní nemocnici Brno. Úkolem je statisticky analyzovat imunitní odezvu dětských pacientů v závislosti na dvanácti vybraných typech genů a odhalit jaké kombinace těchto uvažovaných genů ovlivňuji septické stavy u pacientů.
|
|
|
Evoluční návrh simulátoru založeného na celulárních automatech
Brigant, Vladimír ; Šperka, Svatopluk (oponent) ; Mrnuštík, Michal (vedoucí práce)
Tato práce popisuje návrh simulátoru založeného na celulárních automatech, který je schopen předpovědet chování komplexního prostorového systému. Tato predikce je založena na dostupních datech a přechodové funkci získané pomocí regresní analýzy ve spolupráci s evolučními algoritmy. Dvě metody regresné analýzy (lineární a logistická regrese) jsou navrhnuty, implementovány a porovnány na predikci rastu urbanizace města Brno.
|
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
|
|
Modelování pravděpodobnosti skórování ve sportu
Hilscher, Ondřej ; Bednář, Josef (oponent) ; Hrabec, Pavel (vedoucí práce)
Práce je zaměřena na modelování pravděpodobnosti skórování ve fotbale. V práci je popsán nutný matematický aparát potřebný k sestavení modelu logistické regrese a základní testy statistických hypotéz. Popsaný matematický aparát je poté aplikován na volně přístupná data z profesionálních fotbalových utkání. Výsledný model používá vysvětlující proměnné jako způsob zakončení, polohu na hřišti a zjednodušeně popsanou herní situaci.
|
host ::
RSS.