|
|
Visual Explanations in Music Recommender Systems
Savčinský, Richard ; Peška, Ladislav (vedoucí práce) ; Petříček, Tomáš (oponent)
Hudobné doporučenia algoritmov ktoré majú vedúce postavenie v odvetví sú produktom hybridného systému kombinujúceho viacero techník. V konečnom dôsledku je však užívateľ ponechaný bez dodatočných informácií, prečo je vo výsledku prítomná určitá pieseň. Jedným zo spôsobov, ako zlepšiť zážitok používateľa, je poskytnúť takzvané vizuálne explanations. Na tento účel sme v našej práci navrhli rôzne formy vizuálnych explanations doporučených dát zo Spotify API. Hlavným cieľom bolo zdôrazniť dôležité skryté vzťahy medzi známou a novou hudbou, ktoré využíva Spotify, ale zároveň využiť skutočné zvukové vlastnosti na vytvorenie nášho vlastného doporučovacieho systému. Vyvinuli sme modernú mobilnú aplikáciu, ktorá umožňuje používateľom skúmať a interagovať s vizualizáciou ich vlastného hudobného vkusu a tiež poskytuje nástroje na prispôsobenie celého procesu.
|
|
|
Echo state networks and their application in time series prediction
Savčinský, Richard ; Mráz, František (vedoucí práce) ; Matzner, Filip (oponent)
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) sú zvláštnym typom RNN, ktoré sa naopak dajú učiť relatívne jednoducho. Majú rezervoár neurónov, ktorých stav odráža históriu všetkých signálov v sieti, a preto je tento typ sietí vhodný na simuláciu a predikciu časových postupností. Dosia- hnutie maximálneho výkonu ESN vyžaduje veľmi precízne nastavenie a experi- mentovanie. Preto sme v tejto práci vytvorili nástroj pre konštruovanie a testova- nie takýchto sietí. Pre účely vyskúšania vytvoreného nástroja sme implementovali úlohu predpovedania vývoja časových radov. Konkrétne sme sa zamerali na pred- povedanie vývoja cien akcií, čo predstavuje veľmi neistú a pre presnú predpoveď veľmi náročnú oblasť. Výsledky našich experimentov sme porovnali s výsledkami iných nástrojov, a zistili sme, že náš nástroj dáva porovnateľné výsledky. 1
|
|
|
Echo state networks and their application in time series prediction
Savčinský, Richard ; Mráz, František (vedoucí práce) ; Matzner, Filip (oponent)
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) sú zvláštnym typom RNN, ktoré sa naopak dajú učiť relatívne jednoducho. Majú rezervoár neurónov, ktorých stav odráža históriu všetkých signálov v sieti, a preto je tento typ sietí vhodný na simuláciu a predikciu časových postupností. Dosia- hnutie maximálneho výkonu ESN vyžaduje veľmi precízne nastavenie a experi- mentovanie. Preto sme v tejto práci vytvorili nástroj pre konštruovanie a testova- nie takýchto sietí. Pre účely vyskúšania vytvoreného nástroja sme implementovali úlohu predpovedania vývoja časových radov. Konkrétne sme sa zamerali na pred- povedanie vývoja cien akcií, čo predstavuje veľmi neistú a pre presnú predpoveď veľmi náročnú oblasť. Výsledky našich experimentov sme porovnali s výsledkami iných nástrojov, a zistili sme, že náš nástroj dáva porovnateľné výsledky.
|
host ::
RSS.