|
|
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.
|
|
|
Expert classification and retrieval
Nascimento Vianna, Felipe ; Pecina, Pavel (vedoucí práce) ; Vomlelová, Marta (oponent)
Hledání expertů je běžné téma, zvláště v prostředí organizace. Základní úkon, kterým je získávání expertů, zařazuje osoby do různých oborů a dále může být použítý k je- jich klasifikaci. V současné době je většina postupů používaných k řešení tohoto úkonu založena na tradičním vyhledávání pomocí dostupných dokumentů a nezvažuje použití informací, které jsou dostupné z předchozích klasifikací. Tato práce představuje postup, při němž se osoby zařazují do oborů trénováním vícetřídního klasifikátoru na základě dostupných dat o osobách. Vstupy, kterými jsou dokumenty související s odbornou čin- ností autorů a cílová data, jako informace z profilu kandidáta na experta v daném oboru, byly připraveny prostřednictvím učení bez učitele a jsou použity k trénování neuronové sítě. Dále jsou hodnoceny efekty uspořádní podle fíčur a konvoluční vrstvy. Experimenty ukazují, že klasifikace expertů není vhodná pouze pro doporučovací systémy, ale také představuje jednu z cest pro efektivní hledání expertů, jelikož dosahuje srovnatelných výsledků v moderních benchmark testech, jako je TREC Enterprise. 1
|
|
|
Bayesian Optimization of Hyperparameters Using Gaussian Processes
Arnold, Jakub ; Straka, Milan (vedoucí práce) ; Vomlelová, Marta (oponent)
Cílem této práce bylo naimplementovat praktický nástroj pro optimalizaci hyperparametrů neuronových sítí pomoci bayesovské optimalizace. Práce zavádí potřebnou teorii pro bayesovskou optimalizaci, včetně matematických základů pro regresi pomocí gaussovských procesů, a dalších rozšíření bayesovské optimal- izace. Abychom mohli porovnat efektivnitu bayesovské optimalizace provedli jsme několik realistických experimentů s různými architekturami neuronových sítí. Bayesovskou optimalizaci jsme také srovnali s náhodným prohledáváním, kde ve většině případů záskala lepší výslednou hodnotu optimalizované funkce, včetně menšího rozptylu v opakovaných experimentech. Ve třech ze čtyř ex- perimentů Bayesovská optimalizace získala lepší výsledek, než ručně optimali- zované hyperparametry. Navíc také ukazujeme, jak může být regrese pomocí gaussovských procesů použita pro vizualizaci vlivů jednotlivých hyperparametrů na optimalizovanou funkci, a také závislostí mezi více hyperparametry. 1
|
|
|
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)
|
|
|
Genres classification by means of machine learning
Bílek, Jan ; Neruda, Roman (vedoucí práce) ; Vomlelová, Marta (oponent)
V této práci porovnáváme bag of words a doc2vec přístup k problému klasifikace literárních žánrů. Na základě textů knih z repozitáře Projektu Gutenberg vytváříme tři datatsety různých délek. Každý z nich obsahuje přes 200000 dokumentů a 14 různých žánrů. Na souboru dokumentů s délkou 3200 znaků dosahujeme kombinací modelů bag of words a doc2vec reprezentace F1-skóre 0.862. V práci dále zkoumáme vztahy mezi knihami, žánry a slovy na základě podobnostní jejich vektorové reprezentace a uvádíme typická slova pro každý žánr. Součástí práce je webová aplikace na klasifikaci žánrů. 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...
|
|
|
Transformation of Logic Programs
Vyskočil, Jiří ; Štěpánek, Petr (vedoucí práce) ; Vomlelová, Marta (oponent) ; Mařík, Radek (oponent)
This paper is a contribution to improving computational e fficiency of de nite Prolog programs using Unfold/Fold (U/F) strategy with homeomorphic embedding as a control heuristic. Unfold/Fold strategy is an alternative to so called conjunctive partial deduction (CPD). The ECCE system is one of the best system for program transformations based on CPD. In this thesis is presented a new fully automated system of program transformations based on U/F strategy. The experimental results, namely CPU times, the number of inferences, and the size of the transformed programs are included. These results are compared to the ECCE system and indicate that in many cases both systems have produced programs with similar or complementary e fficiency. Moreover, a new method based on a simple combination of both systems is presented. This combination represents, to our best knowledge, the most effective transformation program for normal logic programs. In most cases, the combination signi cantly exceeds both the Unfold/Fold algorithm presented here and the results of the ECCE system. The experimental results with a complete comparison among these algorithms are included.
|
|
|
Computational Intelligence Methods in Metalearning
Šmíd, Jakub ; Neruda, Roman (vedoucí práce) ; Vanschoren, Joaquin (oponent) ; Vomlelová, Marta (oponent)
Tato práce je zaměřena na problematiku výběru algoritmu, která má za cíl doporučit algoritmus strojového učení k nové úloze. Řešení problému vychází z myšlenky, že se algoritmy chovají podobně na podobných datech. Tato podobnost je často založena na extrakci pevného počtu metaatributů z každé úlohy. Vzhledem k tomu, že počet atributů se u různých úloh typicky liší, ztrácíme tak důležité informace. V této práci popíšeme třídu algoritmů, která dokáže zpracovat také informace o jednotlivých atributech. Naše metody jsou založeny na přiřazování atributů. Výsledná vzdálenost mezi úlohami je dána jako součet vzdáleností mezi atributy určenými optimálním přiřazením. Dále dokážeme, že za určitých podmínek můžeme zaručit, že výsledná vzdálenost mezi úlohami je metrika. Provedeme sadu experimentů na datech extrahovaných z OpenML repozitáře. Vytvoříme vzdálenost mezi atributy prostřednictvím genetických algoritmů, genetického programování a několika regularizačních technik, jako je koevoluce a zavedení vícekriteriality. Výsledky experimentů naznačují, že výsledná vzdálenost mezi úlohami může být úspěšně použita na problematiku výběru algoritmu. Ačkoliv jsme naše metody použili výhradně k metaučení, lze je aplikovat i v jiných oblastech. Navržené algoritmy jsou aplikovatelné kdekoliv, kde máme definovanou vzdálenost...
|
|
|
Sumarizace genových expresních čipů z volně žijících druhů
Tuma, Vojtěch ; Mořkovský, Libor (vedoucí práce) ; Vomlelová, Marta (oponent)
Pro zkoumání exprese exonů a genů v organismech se používají genové expresní čipy. Genové expresní čipy jsou vytvořeny podle genomů laboratorních kmenů modelových organismů. Pro zpracování naměřených dat se používají sumariza- ční algoritmy, nejčastěji gcRMA, PLIER nebo IterPLIER. Při použití expres- ních čipů pro zkoumání volně žijících druhů jsou naměřené hodnoty ovlivněny rozdílností genomů zkoumaných a modelových organismů. Navrhujeme zlepšení výsledků vyřazením částí genomu ovlivněných známými rozdíly mezi druhy ze sumarizace. Odstranění ovlivněných částí může zlepšit sumarizaci, především na exonové úrovni. 1
|
|
|
Pravděpodobnostní modely pro lokalizaci bezpilotního letounu testované na reálných datech
Figura, Juraj ; Vomlelová, Marta (vedoucí práce) ; Obdržálek, David (oponent)
Práca sa zaoberá problémom odhadovania stavu dynamického systému v oblasti robotiky, konkrétne bezpilotných lietajúcich robotov. Na základe dát získaných z robota navrhneme niekoľko pravdepodobnostných modelov pre odhad jeho stavu (hlavne rýchlosti a rotačných uhlov), takisto pre konfigurácie, kde jeden zo senzorov nie je dostupný. Používame Kalmanov filter a Časticový filter a zameriavame sa na učenie parametrov modelu EM algoritmom. EM algoritmus je potom upravený vzhľadom k negaussovskému rozloženiu chyby niektorých senzorov a pridaním penalizačných členov za zložitosť modelu pre lepšie fungovanie na neznámych dátach. Tieto metódy implementujeme v prostredí MATLAB a vyhodnotíme na oddelených dátach. V práci tiež analyzujeme dáta z pozemného robota a použijeme našu implementáciu Časticového filtra pre odhad jeho polohy. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.