|
|
Hraní her pomocí neuronových sítí
Buchal, Petr ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je naučit neuronovou síť pohybu v prostředích s klasickou kontrolou řízení, hraní tahové hry 2048 a několika Atari her. Jedná se o oblast zpětnovazebního učení. Jako zpětnovazební algoritmus využívající neuronové sítě jsem použil Hluboké Q-učení. Ten jsem pro zvýšení efektivity učení obohatil o několik vylepšení. Mezi vylepšení patří přidání cílové sítě, DDQN, duální architektura neuronové sítě a prioritní vzpomínková paměť. Experimenty s klasickou kontrolou řízení zjistily, že nejvíce zvedá efektivitu učení přidání cílové sítě. V prostředích her dosáhlo Hluboké Q-učení několikanásobně lepších výsledků než náhodný hráč. Výsledky a jejich analýza mohou být využity ke vhledu do problematiky zpětnovazebních algoritmů využívajících neuronové sítě a zdokonalení použitých postupů.
|
|
|
Návrh elektronického obchodu
Kolář, Michal ; Dyk, Tomáš (oponent) ; Luhan, Jan (vedoucí práce)
Tato bakalářská práce se zabývá vytvořením návrhu a realizací elektronického obchodu pro nově vzniklou společnost, zaměřenou především na servis Apple zařízení. Práce se soustředí na analýzu společnosti, požadavků a implementaci elektronického obchodu s inovativními prvky.
|
|
| |
|
|
Podpora pořádání festivalových soutěží
Pavelek, Miroslav ; Kolář, Martin (oponent) ; Křivka, Zbyněk (vedoucí práce)
Tato diplomová práce se zabývá vytvořením podpůrného informačního systému pro organizaci soutěží na festivalu Animefest. Jedná se o webovou aplikaci postavenou na aplikačním rámci Django napsaném v jazyce Python. Systém nahradí aktuální webové řešení a zároveň přinese nové funkce. Organizátorům festivalu umožní vytvářet nové soutěže a spravovat je spolu s přihláškami účastníků, soutěžícím pak registrovat se do soutěží a spravovat své přihlášky.
|
|
|
Hluboké neuronové sítě pro posilované učení v realtimové strategii
Barilla, Marco ; Dobeš, Petr (oponent) ; Kolář, Martin (vedoucí práce)
Strojové učenie je jedna z najrýchlejšie napredujúcich odvetví dnešnej vedy. Je to podoblasť umelej inteligencie ktorá sa zaoberá problémom, ako pomocou počítačov riešiť komplexné moderné problémy. Vo vývoji tohto odvetvia hrajú dôležitú úlohu hry, pretože predstavujú optimálne prostredie na testovanie nových prístupov a ich porovnávanie so schopnosťami človeka. Jedna z hier ktoré sú v tejto oblasti stredobodom pozronosti je Starcraft 2, vďaka svojej širokej hráčskej základni a svojej komplexnosti. Praktickým cieľom tejto práce je vytvoriť advantage actor ctiric agenta, ktorý ktorý bude schopný operovať v prostredí tejto hry.
|
|
|
Správa vývojové dokumentace přes WWW I
Kolář, Miroslav ; Sysel, Petr (oponent) ; Balík, Miroslav (vedoucí práce)
Diplomová práce vychází ze zadání společnosti Honeywell na vytvoření jednotného systému pro ukládání a správu vývojové dokumentace. Navržený systém zavede jednotné úložiště spolu s přehledným zobrazováním dokumentů. Konkrétně se jedná o požadavky zákazníků, produkty, testy a běhy testů. Řešení je rozděleno na dvě části: A – Požadavky a Produkty a B – Testy, Běhy testů a Uživatelé, přičemž tato diplomová práce řeší část B. Vytvářejícími prostředky jsou jazyky HTML, PHP, JavaScript a databázový systém MySQL. V první fázi byla navržena struktury databáze přidělených částí, jednotlivých databázových tabulek a vazeb mezi nimi. Dále byla navržena struktura pro autorizační algoritmus a vytvořen jednotný koncept celé aplikace. Druhá fáze zahrnuje samotnou realizaci. Nejprve jsou vytvořeny podpůrné algoritmy pro obsluhu databáze pomocí vytvořených funkcí, jednotné zobrazování výsledků a autorizace přístupu uživatelů do aplikace, které je přikládán velký důraz. Dále je řešena knihovna pro jednotné zobrazování formulářových prvků vytvořená s použitím šablonovacího systému Smarty a dalších algoritmů, např. přikládání souborů k záznamům v SQL tabulkách. Důležitou součástí je realizace návrhu databáze. V rámci obou oddělení, Testy a Běhy testů, je vytvořeno uživatelské rozhraní, jednotlivé vazby mezi nimi, spolu s vazbami na ostatní struktury. Dle zadání jsou vytvořeny všechny základní programy spolu s podpůrnými prostředky. Jednotlivé zdrojové soubory jsou uloženy v přehledné struktuře, kterou je možné aplikovat na jakémkoli stroji. Výsledkem diplomové práce je tedy ucelená vývojová zpráva spolu s funkčními zdrojovými kódy.
|
|
|
Návrh tvářecího nástroje a zařízení k vystřižení podložky
Kolář, Milan ; Štroner, Marek (oponent) ; Dvořák, Milan (vedoucí práce)
Diplomová práce řeší návrh jednoúčelového automatického zařízení pro vystřižení a montáž podložky do regulačního tlakového ventilu (DRV2). Teoretická část diplomové práce obsahuje vybrané poznatky z teorie a technologie stříhání materiálů. Další část diplomové práce obsahuje návrh řešení jednoúčelového stroje pro vystřižení a montáž podložky do regulačního tlakového ventilu. Tvarová podložka je zhotovena leptáním z ocelového plechu X2CrNiMo17-12-2 tloušťky 0,08mm. Tvar podložky je leptán na svitek šířky 35mm, který je navinut na buben. Návrh nového tvářecího zařízení byl zpracován na základě nejvhodnější technologické varianty. Střižný nástroj je vyroben z oceli 19 437 a tepelně zpracován na HRC 62-4. Předpokládaná výrobní sérii je 2mil.kusů za rok. Vystřižení a montáž podložky se uskutečňuje na navrženém jednoúčelovém automatickém zařízení.
|
|
|
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.
|
|
|
Příprava trénovacích dat pomocí generativních neuronových sítí
Ševčík, Pavel ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce byla příprava trénovací datové sady pro detekci dopravních značek pomocí generativních neuronových sítí. V řešení byla použita upravená architektura U-Net a bylo experimentováno s aplikací stylů pomocí vrstev AdaIN podobně jako v modelu StyleGAN. Rozšířením reálné datové sady GTSDB o uměle vytvořené snímky bylo dosaženo úspěšnosti 80,36 %, což představuje zlepšení o 19,27 % oproti úspěšnosti detektoru natrénovanému pouze na reálných datech.
|
|
| |
host ::
RSS.