|
|
Emotion Recognition from Acted and Spontaneous Speech
Atassi, Hicham ; Přibil, Jiří (oponent) ; Zahradník, Pavel (oponent) ; Smékal, Zdeněk (vedoucí práce)
Doctoral thesis deals with emotion recognition from speech signals. The thesis is divided into two main parts; the first part describes proposed approaches for emotion recognition using two different multilingual databases of acted emotional speech. The main contributions of this part are detailed analysis of a big set of acoustic features, new classification schemes for vocal emotion recognition such as “emotion coupling” and new method for mapping discrete emotions into two-dimensional space. The second part of this thesis is devoted to emotion recognition using multilingual databases of spontaneous emotional speech, which is based on telephone records obtained from real call centers. The knowledge gained from experiments with emotion recognition from acted speech was exploited to design a new approach for classifying seven emotional states. The core of the proposed approach is a complex classification architecture based on the fusion of different systems. The thesis also examines the influence of speaker’s emotional state on gender recognition performance and proposes system for automatic identification of successful phone calls in call center by means of dialogue features.
|
|
|
Automatická detekce ischemie v EKG
Noremberczyk, Adam ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá využitím umělých neuronových sítí (UNS), pro detekci ischemické choroby srdeční (ICHS) ve frekvenční oblasti. První část této práce je zaměřena na teoretické znalosti a popisuje problematiku patologických změn na EKG, převodu EKG do frekvenční oblasti. Popisuje použité statistické metody a metody pro automatickou detekci ICHS a IM. Vysvětluje problematiku perceptronu a UNS. Druhá část práce se zabývá Neural Network Toolboxem MATLAB®. Tato část je zaměřena na výpočet parametrů a výběr vhodných parametrů. Propojování pásem v oblasti. Na konci práce je použita UNS na detekci ischemických parametrů a výsledky jsou diskutovány. Průměrné hodnoty pro nejlepší nastavení vycházeli na 100 % celkové úspěšnosti.
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Konvoluční neuronová síť pro segmentaci obrazu
Mitrenga, Michal ; Petyovský, Petr (oponent) ; Jirsík, Václav (vedoucí práce)
Cílem bakalářské práce je seznámit se s problematikou konvolučních neuronových sítí a realizovat segmentaci obrazu. Toto téma v sobě zahrnuje obor počítačového vidění, který je používán v systémech s umělou inteligencí. Zvláštní pozornost je věnována procesu segmentace obrazu. Dále se práce věnuje základním principům umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak popisu jednotlivých architektur sémantické segmentace. Vybraná architektura SegNet je použiti v praktické aplikaci spolu s před-učenou sítí. Součástí práce je databáze obrazů CamVid, která je použita pro trénování. Pro testování je vytvořena databáze vlastních snímků. Praktická část je zaměřená na trénování CNN a hledání nevhodnějších parametrů pro učení sítě za pomocí SW Matlab.
|
|
|
Klasifikace cévního řečiště na snímcích sítnice
Tebenkova, Iuliia ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Analýza snímků sítnice má důležitý význam, protože člověk získá kolem 90 % informací z okolí přes oči. Automatizace procesů analýzy zobrazení sítnice přispívá ke zlepšení efektivity lékařských retinálních vyšetření. Tato diplomová práce se zabývá automatickými metodami klasifikace snímků cévního řečiště retiny pořízených digitální fundus kamerou. Je prozkoumána a implementována metoda klasifikace cévního řečiště s použitím klasifikátoru na základě neuronových sítí, které se trénují a pak se testují na úsecích cév retinálního řečiště. Ve stručnosti je v této práci popsán anatomický pohled na sítnici, vlastnosti obrazových dat z digitální fundus kamery a metody klasifikace retinálních snímků. Poslední kapitola se zabývá hodnocením úspěšnosti klasifikace cévního řečiště automatickými metodami.
|
|
|
Klasifikace spánkových fázi za použití polysomnografických dat
Králík, Martin ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je klasifikace spánkových fází za použití polysomnografických dat. Součástí práce je rešerše na dané téma a statistická analýza parametrů vypočtených ze skutečných signálů EEG, EOG a EMG, která hodnotí vhodnost jejich použití pro klasifikaci spánkových fází. Praktická část je zaměřena na automatickou klasifikaci spánkových fází za použití umělých neuronových sítí. Všechny výsledky jsou v práci prezentovány a diskutovány.
|
|
|
Implementace dolovacích modulů systému pro dolování z dat na platformě NetBeans
Stríž, Rostislav ; Bartík, Vladimír (oponent) ; Šebek, Michal (vedoucí práce)
Sběr a ukládání dat hraje významnou roli v mnoha aspektech dnešního podnikání a kvalitní informace se stávají klíčem k úspěchu. Proces získávání znalostí z databází umožňuje z uložených dat získat skryté informace, které lze využít k dalšímu rozvoji. Tato práce se zabývá rozšířením nástroje, který slouží právě k dolování informací. Cílem bylo vytvořit modul pro dolovací program, pracující na platformě NetBeans avyvíjený na FIT ke studijním účelům. Nový modul bude umožňovat dolování z databázového systému Oracle pomocí netradičního použití genetického algoritmu. Obsahem práce je postup tvorby tohoto modulu - od teoretických základů až po podrobnosti implementace, testování a zhodnocení.
|
|
|
Multi-label klasifikace textových dokumentů
Průša, Petr ; Očenášek, Pavel (oponent) ; Bartík, Vladimír (vedoucí práce)
Diplomová práce se zabývá automatickou klasifikací textových dokumentů. Jsou zde vysvětleny základní pojmy a problémy dolování z textu. Práce vysvětluje pojem shlukování a ukazuje několik základních algoritmů shlukování. Je zde ukázáno i několik metod klasifikace a podrobně je rozebrána vybraná metoda matrix regression. Dále byla navrhnuta a implementována aplikace používající ke klasifikaci matrix regression. Provedené experimenty byly zaměřeny na normalizaci a prahování.
|
|
|
Využití SVM v prostředí finančních trhů
Štechr, Vladislav ; Prochocká, Kristína (oponent) ; Budík, Jan (vedoucí práce)
Tato diplomová práce se zabývá využitím regrese nebo klasifikace pomocí metody podpůrných vektorů SVM z oblasti strojového učení. SVM predikují hodnoty, které jsou používány k rozhodování automatického obchodovacího systému. Regrese a klasifikace jsou hodnoceny z hlediska použitelnosti pro rozhodování. Strategie je následně optimalizována, testována a vyhodnocována na množině historických dat devizového trhu Forex. Výsledky obchodování jsou slibné. Strategie by mohla být využita v kombinaci s jinou strategií, která by potvrzovala rozhodnutí o vstupu a výstupu z obchodů.
|
|
|
The decision boundary
Gróf, Zoltán ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
The main aim of this master's thesis is to describe the subject of the implementation of decision boundaries with the help of artificial neural networks. The objective is to present theoretical knowledge concerning this field and on practical examples prove these statements. The work contains basic theoretical description of the field of pattern recognition and the field of feature based representation of objects. A classificator working on the basis of Bayes decision is presented in this part, and other types of classificators are named as well. The work then deals with artificial neural networks in more detail; it contains a theoretical description of their function and their abilities in the creation of decision boundaries in the feature plane. Examples are shown from literature for the use of neural networks in corresponding problems. As part of this work, the program ANN-DeBC was created using Matlab, for the generation of practical results about the usage of feed-forward neural networks for the implementation of decision boundaries. The work contains a detailed description of this program, and the achieved results are presented and analyzed. It is shown as well, how artificial neural networks are creating decision boundaries in the form of geometrical shapes. The effects of the chosen topology of the neural network and the number of training samples on the success of the classification are observed, and the minimal values of these parameters are determined for the successful creation of decision boundaries at the individual examples. Furthermore, it's presented how the neural networks behave at the classification of realistically distributed training samples, and what methods can affect the shape of the created decision boundaries.
|
host ::
RSS.