|
|
Rozpoznávání SPZ
Trkal, Ondřej ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Diplomová práce se zabývá analýzou a návrhem systému pro automatickou lokalizaci a rozpoznávání státní poznávací značky na snímku. Vstupní snímky pochází z různých zdrojů a obsahují velké scénické i povětrnostní rozdíly. Cílem bylo vytvořit systém schopný najít registrační značku na snímku a rozpoznat její alfanumerický údaj. V diplomové práci je kladen důraz především na analýzu a implementaci lokalizačních a OCR metod. Srovnávány jsou čtyři převzaté lokalizační metody a jedna vlastní. Pro rozpoznávání znaků jsou použity a porovnány tři klasifikátory. Jednotlivé metody jsou otestovány na dostupných reálných datech a vyhodnocovány dle vypočtených hodnotících parametrů. Součástí práce je i srovnání vlastních výsledků a citlivostní analýza navrženého systému.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
|
Využití prostředků umělé inteligence na kapitálových trzích
Hrach, Vlastimil ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato diplomová práce popisuje využití umělé inteligence pro predikci na akciových trzích. Predikce staví netradičně na pravděpodobnostním modelu Bayesova vzorce a na něm založeném naivním Bayesově klasifikátoru. V praktické části je proto navržen algoritmus, který pro odhad budoucího vývoje akcie používá rozpoznané vztahy mezi identifikátory technické analýzy. Konkrétně se jedná o exponenciální klouzavé průměry za 20 a 50 dní. Na základě klasifikace vztahů mezi identifikátory je výstupem programu grafický odhad budoucího vývoje akcie.
|
|
|
Rozpoznávání SPZ
Trkal, Ondřej ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Diplomová práce se zabývá analýzou a návrhem systému pro automatickou lokalizaci a rozpoznávání státní poznávací značky na snímku. Vstupní snímky pochází z různých zdrojů a obsahují velké scénické i povětrnostní rozdíly. Cílem bylo vytvořit systém schopný najít registrační značku na snímku a rozpoznat její alfanumerický údaj. V diplomové práci je kladen důraz především na analýzu a implementaci lokalizačních a OCR metod. Srovnávány jsou čtyři převzaté lokalizační metody a jedna vlastní. Pro rozpoznávání znaků jsou použity a porovnány tři klasifikátory. Jednotlivé metody jsou otestovány na dostupných reálných datech a vyhodnocovány dle vypočtených hodnotících parametrů. Součástí práce je i srovnání vlastních výsledků a citlivostní analýza navrženého systému.
|
|
|
Využití prostředků umělé inteligence na kapitálových trzích
Hrach, Vlastimil ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato diplomová práce popisuje využití umělé inteligence pro predikci na akciových trzích. Predikce staví netradičně na pravděpodobnostním modelu Bayesova vzorce a na něm založeném naivním Bayesově klasifikátoru. V praktické části je proto navržen algoritmus, který pro odhad budoucího vývoje akcie používá rozpoznané vztahy mezi identifikátory technické analýzy. Konkrétně se jedná o exponenciální klouzavé průměry za 20 a 50 dní. Na základě klasifikace vztahů mezi identifikátory je výstupem programu grafický odhad budoucího vývoje akcie.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
host ::
RSS.