|
|
Theoretical aspect of modeling of user decision
Lacký, Peter ; Vojtáš, Peter (vedoucí práce) ; Vomlelová, Marta (oponent)
Táto práca sa zaoberá problematikou modelovania užívateľských preferencií. Obsahuje rozbor rozdielnych pohľadov na užívateľské preferencie. Práca obsahuje prehľad stávajúcich modelov užívateľských preferencií a porovnania medzi nimi. Podrobne rozoberá Fuzzy Logické Programovanie, Bayesove Logické Programovanie, Pravdepodobnostné Relačné Modely a Markovove Logické Siete. Pre jednotlivé modely sú navrhnuté transformácie do iných modelov a taktiež sú ukázané ich možnosti použitia v reálnom svete. V závere práce sú uvedené návrhy na rozšírenia jednotlivých modelov. Powered by TCPDF (www.tcpdf.org)
|
|
|
Komunity a jejich detekce v sociálních sítích
Knyazeva, Evgeniya ; Mrázová, Iveta (vedoucí práce) ; Vomlelová, Marta (oponent)
Analýza sociálních sítí se dá využít ke zkoumání struktury společnosti, jejího vývoje a chování lidí v ní. V této bakalářské práci jsme se zaměřili především na detekci komunit v sociálních sítích. Představili jsme základní způsoby analýzy významných vrcholů v síti. Rozebrali jsme několik různých přístupů k detekci komunit - detekce hierarchické struk- tury sítě, překrývajících se komunit a komunit v dynamických sítích. Představili jsme funkci zvanou modularita a její využití při detekci komunit. Práce se následně blíže za- měřuje na implementaci několika algoritmů (Lovaňský algoritmus, algoritmus klastrování pomocí hran, SCAN, DSCAN) v jazyce Python s použitím knihovny NetworkX. Tyto algoritmy jsme následně aplikovali na e-mailovou síť zaměstnanců firmy Enron. V práci jsme se pokusili odhalit komunity v této síti a vliv událostí, které zasáhly firmu, na jejich strukturu. 1
|
|
|
Detekce anomalit v log datech
Babušík, Jan ; Vomlelová, Marta (vedoucí práce) ; Pilát, Martin (oponent)
Tato práce se zabývá detekováním anomalit v log datech. Velké sotfwarové systémy produkují velké množství logů, které nejsou dále zpracovávány. Logů je zpravidla tolik, že není možné ručně kontrolovat každý záznam. V této práci předkládáme modely, které minimalizují především počet falešně pozitivních hlášení s přihlédnutím k očekávané slo- žitosti anotování dat. Porovnávané modely jsou založeny na PCA algoritmu, N-gramech a rekurentních neuronových sítích s použitím LSTM buňky. V práci prezentujeme výsledky modelů na standardně používaných datasetech i reálných datech poskytnutých firmou HAVIT, s.r.o. 1
|
|
|
DRESS & GO: Deep belief networks and Rule Extraction Supported by Simple Genetic Optimization
Švaralová, Monika ; Mrázová, Iveta (vedoucí práce) ; Vomlelová, Marta (oponent)
Nedávny vývoj v oblasti sociálnych médií a webových technológií prináša nové možnosti na získanie, analýzu a spracovanie stále sa zväčšujúceho množstva dát týkajúcich sa módy. V kontexte dizajnu a módy je naším hlavným ciel'om automaticky navrhovat' módne outfity na základe preferencií získaných z dát z reálneho sveta, po- skytnutých bud' používatel'mi, alebo zozbieraných z internetu. V našom prípade majú jednotlivé kusy oblečenia formu 2D obrázkov. V oblasti spracovania obrazových dát dokázali nedávne modely hlbokých neurónových sietí predčit' l'udský výkon. To nás inšpirovalo aplikovat' metódy transfer learning na porozumenie variabilite v módnych produktoch. Naše využitie transfer learning spočíva v extrahovaní interných reprezentácií vy- tvorených vo vel'kých konvolučných siet'ach predtrénovaných na všeobecnej dátovej sade ImageNet, a vizualizovaní štruktúry našich dát v tejto reprezentácií. Klastro- vacie algoritmy a farebné schémy obrázkov sa ukázali byt' tiež užitočné pri hl'adaní podobností. Metódy použité na generovanie nových outfitov zah'rňajú DBN siete a generické algoritmy. Tie využívajú konvolučné siete na modelovanie fitness funkcie outfitov. Hoci odporúčanie a generovanie v oblasti módy je...
|
|
|
Dynamic Social Networks and their Analysis
Hudeček, Ján ; Mrázová, Iveta (vedoucí práce) ; Vomlelová, Marta (oponent)
Dynamické sociální sítě byly dlouho jenom okrajovou témou pro výzkum. V posledních letech však začali výzkumníci této oblasti věnovat větší pozornost a bylo navrženo mnoho technik pro analýzu časových aspektů sociálních sítí. V této práci jsme studovali dynamickou sociální síť založenou na datech získaných z obchodního rejstříku. Tento registr obsahuje infor- mace o všech ekonomických subjektech působících v České republice, včetně osob zastávajících funkce v subjektech a jejich adres pobytu. Použili jsme několik technik analýzy dat, včetně trasování komunit, klastrování a metod pro identifikaci klíčových aktérů, abychom našli důležité entity a jednotlivce v sociální síti a zkoumat jejich změny v průběhu času. 1
|
|
|
Active learning for Bayesian neural networks in image classification
Belák, Michal ; Šabata, Tomáš (vedoucí práce) ; Vomlelová, Marta (oponent)
V posledných rokoch dosahujú zložité neurónové siete špičkové výsledky v klasifikácií obrazu. Trénovanie takýchto modelov však vyžaduje veľké množstvo označkovaných dát. Kým neoznačkované obrázky sú často dostupné vo ve ľkom množstve, značkovanie vyžaduje značné ľudské úsilie. Aktívne učenie znižuje nároky na značkovanie vyberan ím najinformatívnejších inštancií na označkovanie. Najpoužívanejšia rodina stratégií pre vyberanie inštancií na znač kovanie v aktívnom učení využíva odhad neistoty predpovedí modelu, ktorý sa trénuje. Moderné neurónové siete vš ak často neposkytujú spoľahlivé odhady neistoty. Bayesovské neurónové siete modelujú neistotu parametrov model u, ktorá sa premieta do neistoty v predpovediach modelu. Presná Bayesovská inferencia je však neriešiteľná pre neur ónové siete, v literatúre však existujú rôzne približné metódy. V našich experimentoch používame tri takéto metódy, ktoré kombinujeme s rôznymi stratégiami pre vyberanie inštancií, využívajúcimi neistotu v ich predpovediach.
|
|
|
Video analysis: an automatic time measurement in the robotic car competition
Ryšlink, Václav ; Vomlelová, Marta (vedoucí práce) ; Šikudová, Elena (oponent)
Naším hlavním cílem bylo navrhnout algoritmus, který by dokázal automaticky vy- hodnotit závody robotických aut z video snímků cílového úseku trati. S použitím stan- dardních metod zpracování obrazu jsme navrhli dva různé algoritmy, které se liší jak v očekávaném vstupu, tak v použitých metodách. Náš první algoritmus je schopný vyhod- notit závody libovolných robotických aut, jelikož k jejich rozpoznávání využívá předem pořízené referenční fotografie. I když jsme tento algoritmus úspěšně otestovali na námi pořízených tréninkových nahrávkách, ukázalo se, že existují i situace, ve kterých má tento algoritmus větší tendenci chybovat. Proto jsme nakonec navrhnuli i druhý algoritmus, který funguje ještě spolehlivěji než ten původní, a to výměnou za požadavek, aby závodící auta byla jednoznačně odlišená barevnými štítky. 1
|
|
|
Vyhledávání známých scén pomocí zpětné vazby a samoorganizujících se map
Veselý, Patrik ; Lokoč, Jakub (vedoucí práce) ; Vomlelová, Marta (oponent)
Vyhledávání v multimediální kolekci bývá často realizováno pomocí textových dotazů a následného seřazení databáze vzhledem k relevanci k poskytnutému dotazu. Nicméně, pokud uživatel hledá pouze jednu konkrétní scénu nebo obrázek, tak musí často prohle- dávat sekvenčně velkou spoustu výsledků a ani tak nemá garantováno, že hledaný objekt nalezne v rozumném čase. Tato práce se zabývá metodami využití zpětné vazby pro efek- tivnější dohledávání známých obrázků v rozsáhlé milionové kolekci obrázků. Práce srov- nává několik přístupů odhadu relevance a výběru displejů formou simulací zpětné vazby. Experimentálně je prokázáno, že studované modely mohou být významným přínosem pro moderní vyhledávače. 1
|
|
|
Aplikace umělé inteligence v IT bezpečnosti
Vašátko, Viktor ; Vomlelová, Marta (vedoucí práce) ; Neruda, Roman (oponent)
Cílem této práce je prozkoumat problematiku detekce útoků na počí- tačové systémy a vytvořit jednoduchá pravidla, která jsou schopna detekovat jednotlivé útoky. Útoky jsou prozkoumány na realistickém datasetu CSE-CIC- IDS2018. Nejprve se práce zabývá analýzou datasetu. V analýze jsou spočítány různé statistiky datasetu a na závěr jsou otestované různé metody redukce di- menzí pro zobrazení dat v dvou demenzionálním prostoru. Po analýze následuje příprava a normalizace dat. Proces trénování se pak zaměřuje na výběr vhod- ných příznaků a hledání nejlepšího modelu. Stejné příznaky jsou pak použity i pro vytváření pravidel. Pravidla jsou extrahována ze souboru rozhodovacích stromů. V závěru práce jsou pravidla porovnána s nejlepším modelem. Ex- perimenty ukazují, že jednoduchá pravidla jsou schopna dosáhnout podobných výsledků jako nejlepší model. Mohou být použita v pravidlových systémech pro detekci útoků nebo nasazena jako jednoduchý model. 1
|
|
|
Machine learning tools for Diagnosis of Heart Arrhythmia
Shkëmbi, Glejdis ; Vomlelová, Marta (vedoucí práce) ; Pilát, Martin (oponent)
Název: Nástroje strojového učení pro diagnostiku srdeční arytmie Autor: Glejdis Shkëmbi Katedra / ústav: Katedra teoretické informatiky a matematické logiky Vedoucí bakalářské práce: Mgr. Marta Vomlelová, Ph.D., Katedra teoretické informatiky a matematické logiky Abstrakt: Elektrokardiogram (EKG) je považován za nejspolehlivější, nejúčinnější a nejnákladnější nástroj používaný ve zdravotnictví k diagnostice srdeční arytmie. Vizuální znázornění EKG signálů manuálně zdravotnickými pracovníky je však složité a časově náročné a může vést k lidským chybám a nepřesnostem při rozpoznávání tepu. V tomto dokumentu jsou porovnávány různé techniky strojového učení pro klasifikaci pěti tříd EKG srdečních tepů pomocí funkcí Discrete Wavelet Transform (DWT). Zejména je zdůrazněna významná úloha statistických prvků koeficientů DWT při rozlišování různými tříd srdečního tepu. Výkonnost modelů byla vyhodnoceny pomocí online databáze arytmií MIT-BIH. Získané výsledky ukazují spolehlivost přístupů založených na strojovém učení pro diagnozy srdeční arytmie z EKG signálů. Klíčová slova: Elektrokardiogram (EKG); Discrete Wavelet Transform (DWT); Support Vector Machine (SVM); Random Forest; Srdeční arytmie.
|
host ::
RSS.