|
|
Reprezentace síťových toků s využitím neuronových sítí
Pycz, Lukasz ; Jeřábek, Kamil (oponent) ; Poliakov, Daniel (vedoucí práce)
This thesis explores the application of self-supervised learning (SSL) methods such as data masking, data order shuffling, and contrastive learning, to extract meaningful representations from network flow data, specifically using the CESNET TLS22 dataset from CESNET DataZoo. The main goal is to develop a robust model that improves the understanding and analysis of network flows through effective representation learning without relying on labeled data. The research utilizes the PyTorch computational framework for designing, training, and evaluating the performance of the model.
|
|
|
Simulation of Biological Processes Using Asynchronous Cellular Automata and Machine Learning
Kališ, Vojtěch ; Bidlo, Michal (oponent) ; Fritz, Karel (vedoucí práce)
This thesis explores the fusion of asynchronous cellular automata and machine learning techniques for simulating complex biological processes. Its main focus is on showcasing the inherent potential of a computational framework constructed through combining the parallelism of an asynchronous cellular automata updating model with the predictive capabilities of machine learning algorithms. This study aims to demonstrate the qualities of such hybrid approach by implementing three mathematical cellular automata models of increasing complexity—that is, listed based on their level of complexity, Conway’s Game of Life, SmoothLife and Lenia—in their basic form and then integrate machine learning into the function of the latter two, comparing the results of both approaches afterwards.
|
|
|
Stereo Reconstruction with Deep Neural Networks
Letanec, Richard ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
The aim of this thesis is to design and train a neural network model capable of estimating a disparity map from a pair of images. It will then be possible to create a depth map and point cloud from the estimated disparity map. Such a process is called stereo reconstruction. Solving this task consists of two steps -- choosing a suitable dataset and choosing a suitable neural network architecture. In my work, I compared two neural network architectures that I trained on the DrivingStereo dataset, consisting of paired images photographed from the roof of a car, and retrained and evaluated on the KITTI 2015 dataset, consisting of images of the same type. As the first neural network architecture, I chose ES-Net, which uses an approach based on a sequence of residual blocks and convolutional layers. As the second architecture, I chose CREStereo, which uses an iterative approach based on recurrent layers to predict the disparity map. In all benchmark tests, the CREStereo architecture achieves better accuracy.
|
|
|
Integrace augmentace dat do Pytorch
Vašina, Ladislav ; Polok, Alexander (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce představuje nástroj, který tvoří sjednocené, jednoduché a uživatelsky přívětivé rozhraní nad knihovnami pro augmentaci zvukových dat, jež je možné využít spolu s knihovnou PyTorch. Implementovaný nástroj nabízí možnost použití širokého spektra augmentací z různých knihoven a umožňuje je jednoduše aplikovat na datové sady. Podpory takto velkého spektra augmentací by bylo možné dosáhnout pouze za použití mnoha rozhraní jednotlivých knihoven. Nástroj je schopný od uživatele přijímat seznam augmentací s jejich parametry a sám rozhoduje, jakou z integrovaných knihoven pro dané augmentace použít. Vytvořený nástroj byl testován na úkolu ladění automatického rozpoznávače řeči Whisper. Hlavním přínosem této práce je implementace řešení velkého množství knihoven pro augmentaci zvukových dat, kde každá knihovna poskytuje jiný počet a různé druhy augmentací zvuku a zároveň má i jiné vlastnosti a rozhraní.
|
|
|
Sledování osob na základě jejich oblečení v multikamerových systémech
Sivak, Mykyta ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Daná bakalářská práce se zabývá vývojem a implementací algoritmu pro sledování osob v multikamerových systémech na základě analýzy vzoru oblečení. Cílem bylo navrhnout systém, který by byl schopen sledovat osobu v různých pozicích a záběrech, využívající techniky Region of Interest (RoI). Práce začíná rozsáhlým studiem literatury zaměřené na existující metody sledování objektů ve videosekvenčních datech, se speciálním důrazem na techniky sledování RoI. V rámci výzkumu byl navržen a implementován nový algoritmus, který využívá vzory oblečení jako hlavní identifikační prvek pro sledování a re-identifikaci osob v různých kamerových záběrech. Algoritmus byl experimentálně ověřen na datasetech obsahujících videosekvence z několika prostředí, což umožnilo detailně analyzovat jeho účinnost a spolehlivost. Výsledky experimentů ukazují, že navrhovaný systém dosahuje výrazné přesnosti a efektivity ve srovnání s tradičními metodami, a je zvláště účinný v náročných situacích, kde jiné metody selhávají. Na závěr práce jsou prezentovány hodnocení provedených experimentů spolu s doporučeními pro budoucí rozšíření a zlepšení systému. Diskutovány jsou také potenciální výzvy a etické aspekty, včetně otázek soukromí a zpracování osobních údajů.
|
|
|
Neural Networks at the Level of Network Packets and Flows
Urbánek, Petr ; Jeřábek, Kamil (oponent) ; Poliakov, Daniel (vedoucí práce)
This thesis addresses the integration of neural networks into network flow monitoring, particularly focusing on the ipfixprobe — an open-source network flow exporter developed by CESNET. The objective is to explore the potential of neural networks for classifying and extracting representations from network flows. The challenges of deploying such solutions in large-scale production environments are considered, with a specific emphasis on enhancing efficiency and effectiveness in dynamic technological landscapes.
|
|
|
Identifikace známých segmentů ve zvukovém signálu pomocí strojového učení
Pařízek, Radim ; Galáž, Zoltán (oponent) ; Zvončák, Vojtěch (vedoucí práce)
Bakalářská práce se věnuje návrhu systému pro identifikaci zvuků přírodního prostředí ve zvukovém záznamu. V práci jsou prozkoumány datasety a modely využívané pro tento typ úloh a je popsána jejich struktura. Byly navrhnuty systémy pro identifikaci zvuků v jedné vrstvě a ve dvou vrstvách pro sedm vybraných označení. Klasifikátor použitý pro tento systém byl vytvořen přetrénováním transformer modelu z platformy Hugging Face. Byly zhodnoceny výsledky dvou přístupů trénování a jednoho systému pro identifikaci.
|
|
|
Device for the traffic situation evaluating
Gábel, Matej ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
The bachelor's thesis deals with the implementation of a device for evaluating the traffic situation, specifically by traffic signs detection. In this work, I tried different methods of traffic sign recognition, where the resulting implementation on hardware is done using convolutional neural networks. More precisely, it is the YOLOv5 architecture, which is suitable for recognizing traffic signs in real time.
|
|
|
Self-supervised learning in computer vision applications
Vančo, Timotej ; Richter, Miloslav (oponent) ; Janáková, Ilona (vedoucí práce)
The aim of the diploma thesis is to make research of the self-supervised learning in computer vision applications, then to choose a suitable test task with an extensive data set, apply self-supervised methods and evaluate. The theoretical part of the work is focused on the description of methods in computer vision, a detailed description of neural and convolution networks and an extensive explanation and division of self-supervised methods. Conclusion of the theoretical part is devoted to practical applications of the Self-supervised methods in practice. The practical part of the diploma thesis deals with the description of the creation of code for working with datasets and the application of the SSL methods Rotation, SimCLR, MoCo and BYOL in the role of classification and semantic segmentation. Each application of the method is explained in detail and evaluated for various parameters on the large STL10 dataset. Subsequently, the success of the methods is evaluated for different datasets and the limiting conditions in the classification task are named. The practical part concludes with the application of SSL methods for pre-training the encoder in the application of semantic segmentation with the Cityscapes dataset.
|
|
|
Neural Networks for Network Anomaly Detection
Matisko, Maroš ; Martinásek, Zdeněk (oponent) ; Blažek, Petr (vedoucí práce)
This bachelor thesis is focused on creating a system to mitigate computer network attacks. One of the most common groups of attacks is Distributed Denial of Service (DDoS) attacks, against which this system should protect internal network. In the theoretical part of the thesis are described DDoS attacks, existing systems for their mitigations, neural networks principle and their use. Practical part consists of choosing communication parameters, constructing a neural network with use of these parameters, implementation of this neural network in real–time attack mitigation system and a result of testing of this system.
|
host ::
RSS.