|
|
Rozpoznávání emocí v česky psaných textech
Červenec, Radek ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Díky rozvoji informačních a komunikačních technologií v posledních letech došlo k velkému nárůstu množství informací, které denně vznikají ve formě elektronických dokumentů. Třídění a zpracování informací se stalo pro člověka velmi obtížné, a proto vzrůstá obliba systémů automatického dolování znalostí z textu. Zajímavou podoblastí jsou systémy pro analýzu sentimentu a automatického rozpoznání emocí v textech, které mají potencionálně široké uplatnění. V rámci této práce byl navržen a implementován systém využívající technik dolování znalostí z textu za účelem rozpoznávání emocí v česky psaných textech a bylo provedeno zhodnocení jeho úspěšnosti. Protože je systém postaven převážně na metodě strojového učení, byla navrhnuta a vytvořena trénovací množina, která byla posléze použita k vytvoření modelu klasifikátoru pomocí algoritmu podpůrných vektorů (SVM). Pro potřeby zpřesnění výsledků klasifikace textových dokumentů do předem definovaných emočních tříd, jsou do systému integrovány další prvky, jako např.: lexikální databáze, lemmatizátor a odvozený slovník klíčových slov. Součástí práce je také zhodnocení několika přístupů ke klasifikaci s různými modifikacemi navrženého systému.
|
|
|
Strojové učení pro analýzu MR obrazů mozku
Král, Jakub ; Říha, Ivo (oponent) ; Provazník, Ivo (vedoucí práce)
Diplomová práce se věnuje metodám strojového učení v rozpoznávání první fáze schizofrenie na obrazech získaných z nukleární magnetické rezonance. Úvod práce je zaměřen především na fyzikální princip magnetické rezonance. V práci se dále pozornost věnuje registračním metodám, redukci dat a strojovému učení. V části klasifikace jsou popsány míry podobnosti, metoda podpůrných vektorů, nejbližších sousedů a metoda K-means. Závěr teoretické části se věnuje hodnocení klasifikátorů. V praktické části práce jsou uvedeny výsledky redukce dat metodou PCA, CRLS-PCA a subjektové PCA. Dále je praktická část zaměřena na rozpoznávání tvarů metodou K-NN a K-means a testování klasifikátoru K-NN na reálných datech. Abnormality rozpoznané některou z klasifikačních metod pak mohou umožnit rozlišení pacientů se schizofrenií od zdravých dobrovolníků.
|
|
|
Vyhledávání vzorů v dynamických datech
Budík, Jan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
V první kapitole je nastíněna problematika rozpoznávání vzorů. Druhá kapitola pojednává o možných řešeních problému za použití umělé inteligence a popisuje základní teorie statistiky a chaosu. Třetí kapitola je zaměřena na problematiku časových řad, jejich typů, problémů a předzpracování. Je zde také popsán typ časových řad ve finančnictví. Čtvrtá kapitola pojednává o problematice rozpoznávání vzorů a predikce. Je zde popsána metoda učení, která je použita. Poslední kapitola popisuje vývoj programu a jeho jednotlivé části a jsou zde zobrazeny dosažené výsledky.
|
|
|
Rozpoznávání obličejů v obraze
Krhut, Miloš ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Diplomová práce se zabývá tématikou detekcí obličejů v digitálních obrazech. Jsou v ní obecně popsány a roztříděny nejčastěji používané metody a zmíněny jejich výhody a nevýhody. Podrobněji je popsána metoda detekce kůže pomocí barev, detekce očí, úst a dále teoreticky popsány algoritmy strojového učení a detekce Haarovými příznaky. Dále se práce věnuje implementaci těchto metod v knihovně OpenCV, jsou zde zmíněny praktické možnosti použití a nakonec provedeno srovnání detekcí různými dostupnými natrénovanými soubory.
|
|
|
Lokalizace obličejů ve video sekvencích v reálném čase
Juráček, Aleš ; Přinosil, Jiří (oponent) ; Richter, Miloslav (vedoucí práce)
Má diplomová práce se zabývá detekcí obličeje v obraze. Snažím se nastínit problematiku počítačového vidění, umělé inteligence a strojového učení. Popsal jsem zde podrobně detekci navrženou Violou a Jonesem, která pro sestavení klasifikátoru využívá algoritmus AdaBoost. Tato metoda byla záměrně vybrána z důvodu rychlosti detekce. Tento detektor byl realizován v programovacím jazyce C/C++ s využitím knihovny OpenCV. K celkovému natrénování byla využita databáze obličejových obrazů „MIT CVCL Face Database“. Cílem byla možnost nasazení detektoru tváří ve videosekvencích.
|
|
| |
|
|
Automatické detekce obličeje a jeho jednotlivých částí
Krolikowski, Martin ; Kohoutek, Michal (oponent) ; Přinosil, Jiří (vedoucí práce)
Diplomová práce se zabývá problémem detekce obličejů v barevných statických obrazech. V práci jsou nastíněny základní pojmy, se kterými se lze při detekci obličeje setkat, a jejich vzájemné souvislosti. Jednotlivé přístupy k řešení problému detekce obličeje jsou rozděleny do skupin a blíže popsány. Z těchto přístupů se práce detailně zabývá algoritmem AdaBoost, jenž byl vybrán pro jeho pozitivní vlastnosti, kterými jsou zejména rychlost a dobré dosažené výsledky. V rámci práce byl implementován Viola-Jones detektor. Tento detektor byl natrénován na veřejně přístupné databázi obličejových obrazů a byla zkoumána možnost jeho kombinace s jednoduchým detektorem barvy kůže. Další oblastí, kterou se práce zabývá, je experimentální detekce určitých rysů obličeje.
|
|
|
Comparison of machine learning methods for credit risk analysis
Bušo, Bohumír ; Kolman, Marek (vedoucí práce) ; Vacek, Vladislav (oponent)
Strojové učení je v poslední době stále častěji zmiňované spolu s oblastí,, Big Data ''. Jedná se o oblast, kde je k dispozici velké množství dat, z nichž je třeba získat užitečné informace. Jelikož v této době generujeme stále více a více dat, ať už pomocí mobilních zařízení platebních karet a pod., je otázka zpracování vysoce aktuální. V této práci je popsaných šest různých metod, které slouží k tomuto účelu. Jsou to logistická regrese, mělké a hluboké neuronové sítě, bagging, boosting a stacking. Poslední tři zmíněné patří do kategorie zvané skupinové učení. Metody jsou dále aplikovány na reálná data z prostředí úvěrových institucí, kde mohou pomoci ke klasifikaci potenciálních klientů při žádosti o úvěr. V závěru jsou výsledky získané pro jednotlivé metody porovnány a v krátkosti i interpretovány.
|
|
|
Tvorba, využití a optimalizace rozhodovacích stromů
Selement, Pavel ; Bína, Vladislav (vedoucí práce) ; Váchová, Lucie (oponent)
Rozhodovací stromy patří mezi důležité metody pro řešení rozhodovacích problémů. Cílem této práce je představit vlastnosti rozhodovacích stromů a základní podmínky pro jejich použití. Hlavním přínosem této práce je provázání studia rozhodovacích stromů v teorii rozhodování a ve strojovém učení. Cílem práce není podat vyčerpávající přehled používaných metod, ale poukázat na přehlíženou spojitost mezi těmito dvěma obory. Teoreticky i na příkladu bude ukázáno, jak lze použít metody strojového učení pro stromy v teorii rozhodování, a tedy i v manažerské praxi. Nakonec bude představeno několik variant, jak je možné rozhodovací stromy zjednodušit.
|
|
|
Možnosti počítačové detekce defraudací a anomálií v účetních datech
Spitz, Igor ; Mejzlík, Ladislav (vedoucí práce) ; Pelák, Jiří (oponent)
Práce analyzuje možné způsoby manipulace účetního systému za účelem defraudace. Dále hledá techniky, které by byly schopné tyto manipulace odhalit, a zároveň ověřuje efektivnost již využívaných postupů. Teoretická část zkoumá postupy finanční analýzy, statistické testy, benfordovy testy, fuzzy matching a technologie strojového učení. Praktická část ověřuje postupy finanční analýzy, benfordovy testy, algoritmy pro fuzzy matching a neuronové sítě.
|
host ::
RSS.