| |
|
Klasifikace odrůd hrachu setého pomocí neuronových sítí
Dobešová, Anna
Závěrečná práce se zabývá klasifikací odrůd hrachu setého pomocí neuronových sítí. Odrůdové zkušebnictví je oblastí aplikovanou, která podléhá přísné právní regulaci. Nové metody a postupy jsou zaváděny pouze pozvolně. Jednou z možností, jak vylepšit proces udělování ochranných práv k odrůdám, je provádění obrazové analýzy testovaných morfometrických znaků rostlin. V předložené bakalářské práci je navrženo a implementováno řešení, které pomocí neuronových sítí klasifikuje tvarové charakteristiky hrachu setého. Analýzy jsou zaměřeny na pavézy hrachu. Dosažené výsledky jsou celosvětově unikátní, protože neexistuje jiná známá aplikace, která by pomocí obrazové analýzy klasifikovala tvarové charakteristiky rostlin v procesu registrace odrůd. Výhodou řešení je plně automatizovaný průběh analýz implementovaných v systému MATLAB. Učení neuronové sítě proběhlo na datech z polních pokusů Národního odrůdového úřadu Ústředního kontrolního a zkušebního ústavu zemědělského (NOÚ ÚKZÚZ). Řešení je určeno k využití ve zkušebnické praxi.
|
|
Odhad prevádzky na databázových serveroch využitím modelov strojového učenia
Michalák, Patrik
Hlavní myšlenkou této práce je navrhnout komplexní řešení inteligentního monitorovacího systému, který využitím metod strojového učení odhaduje budoucí hodnoty sledované metriky provozu. Na základě odhadované zátěže následně vhodně upravovat tvar topologie clusterů databázových serverů za účelem zvýšení stability, dostupnosti, rychlosti služby a efektivního využívání cloudových výpočetních prostředků.
|
|
Metodika snímání nervových signálů, včetně jejich zpracování, pro protézy horních končetin
Durák, Martin
V první části je nastíněna teorie nervové soustavy a současně i další možné metody k měření za účelem pokročilejších možností ovládání protéz. Následuje průzkum aktuálně nejpokročilejších komerčně dostupných myoprotez na trhu. Praktická část se věnuje návrhu EMG měření na horní končetině s vrozenou vadou Acheiria. Pro převod analogového signálu na digitální je použit mikroprocesoru s A/D převodníkem. Za účelem rozpoznání pohybové aktivity je použita neuronová sít. Praktická část popisuje systém umožňující klasifikaci EMG aktivity na horních končetinách.
|
|
Aplikace neuronových sítí a metody ROC v klasifikačních úlohách
Pokorný, Martin
Disertační práce se zabývá problémem nákladově orientované binární klasifikace neuronovými sítěmi v případech ekonomické predikce, zvláště pak v oblasti predikce finanční tísně. V první části práce je vypracován souhrn dosavadního výzkumu v této oblasti a jsou vytyčeny základní problémové body související zejména s nákladově orientovanou klasifikací. Poté je představena aplikace existující metody Receiver Operating Characteristics (ROC) řešící uvedená úskalí a možnost jejího širšího využití v ekonomické predikci. Na medicínském i ekonomickém experimentu klasifikace neuronovými sítěmi je poté ukázána metodika použití ROC analýzy.
|
|
Modul pro vyhledávání nevhodných obrázků
Žurek, Aleš
Práce je zaměřena na klasifikování fotografií, které jsou nahrávány na seznamovací službu Lidé.cz. Fotografie jsou klasifikovány do kategorií závadné a nezávadné dle toho, jestli obsahují pornografický obsah. Pro klasifikaci je využito konvolučních neuronových sítí, které jsou učeny pomocí frameworku Caffe. Výsledek práce splnil všechny požadavky kladené společností Seznam.cz, a.s. Na vytvořeném datasetu s 5643 fotografiemi bylo dosaženo přesnosti klasifikátoru 93,64 % a doba klasifikace jedné fotografie je natolik nízká, aby se dala provádět v reálném čase. První část práce obsahuje analýzu současného stavu klasifikace fotografií. Druhá část je zaměřena na analýzu a návrh řešení a v třetí části je popsaná implementace řešení a průběh testování modelů neuronových sítí.
|
|
Predikce a optimalizace reálných dat pomocí algoritmů umělé inteligence
Štencl, Michael
Práce je orientována na oblast predikce a optimalizace reálných dat pomocí metod umělých neuronových sítí v rámci rozhodovacího procesu. Jedná se o hledání různých vhodných typů, topologií a učících algoritmů umělých neuronových sítí na řešení predikce reálných datových souborů. Optimalizace je v kontextu řešení práce zaměřena na použité topologie neuronových sítí, optimalizace učících algoritmů a vlastního výpočtu neuronovými sítěmi. První část práce je představuje souhrn aktuálních trendů aplikací a vývoje oblasti využití umělých neuronových sítí. V rámci prostudované literatury jsou vytipovány nejčastější modely umělých neuronových sítí pro potřeby predikce reálných dat. Následně je vymezena aplikační oblast realizací umělých neuronových sítí v rámci podpory rozhodovacího procesu. Na základě vymezení jednotlivých částí rozhodovacího procesu jsou vymezeny metody používané pro predikce reálných dat klasickými metodami. Za klasické metody jsou v práci považovány metody statistické predikce modelů časových řad. Následně jsou vymezeny metody umělých neuronových sítí a jejich použití pro predikce reálných dat. V rámci vlastní práce jsou realizovány experimenty zahrnující volbu typu, topologie, učícího algoritmu a také možnosti optimalizace umělých neuronových sítí. Vlastní realizace prezentují predikce vybraných reálných ekonomických indexů, konkrétně souboru statistik rodinných účtů a statistik přepravených komodit. Výsledky dosažené umělými neuronovými sítěmi jsou srovnány s reálnou hodnotou příslušného indexu a také s vybranými modely statistické predikce časových řad.
|
|
Možnosti předpovědi finanční krize
Salvetová, Veronika
Text se zabývá možnostmi předpovědí finanční krize. Na základě empirické analýzy jednorozměrných časových řad je posuzována schopnost vybraného predikčního nástroje anticipovat strukturální zlom související se vznikem svě-tové finanční krize mezi lety 2007-2008 v programu Statistica 12. Kvalita predikcí modelu je hodnocena na základě vybraných statistických kritérií. Výsledky dokládají, že současné predikční výpočetní metody nejsou příliš dobrým nástrojem pro předpovídání krizí a tvoří základ pro diskusi. Na základě těchto poznatků jsou navrhovány další možnosti pro zpřesnění predikčních nástrojů a pro lepší předcházení krizím.
|
|
Aplikace metod strojového učení na dolování znalosti z dat
Kraus, Jan
Diplomová práce se zabývá problematikou dolování znalostí z rozsáhlých kolekcí textových dat. Konkrétně je práce zaměřena na analýzu sentimentu uživatele na základě subjektivního slovního hodnocení v přirozeném jazyce. Teoretická část diplomové práce seznamuje čtenáře se základními pojmy z oblasti strojového učení a získávání znalostí zejména z rozsáhlých textových kolekcí. Dále jsou v této části popsány metody předzpracování textových dat a principy algoritmů strojového učení. V praktické části práce jsou navrženy samotné experimenty, které jsou ná-sledně realizovány pomocí softwarového nástroje SPSS Modeler. Experimentální část je zaměřena zejména na identifikaci význačných atributů a nalezení vztahů mezi nimi. Důraz je kladen zvláště na důkladnou interpretaci dosažených výsledků.
|
|
Vlastnosti a použití umělých neuronových sítí založených na teorii adaptivní rezonance
Janů, Ondřej
Aktuální pokrok v informačních a komunikačních technologií nám umožňují uchovávat stále větší objemy dat. Získat z těchto dat užitečné informace není jednoduché. Tato práce se zabývá možností získání těchto informací pomocí shlukovací analýzy dat s využitím neuronových sítí založených na teorii adaptivní resonance (ART). Především je kladen důraz na vlastnosti a úspěšnost, které tyto sítě na různých typech dat vykazují, a určení optimálních parametrů pro testovaná data. Na základě získaných výsledků byly ART neuronové sítě zhodnoceny z hlediska možnosti jejich využití pro analýzu Big data. Dále je v této práci popsán postup, na základě kterého je možné implementovat aplikaci realizující principy ART včetně grafického uživatelského rozhraní.
|