|
|
Network interface card performance testing
Karabelly, Jozef ; Nagy, Peter (referee) ; Grégr, Matěj (advisor)
Táto práca sa zaoberá významom testovania výkonnosti sieťových kariet (NIC) v inžinierstve sietí, najmä pre systémy používajúce moderné jadro Linuxu, v dôsledku rastúcej priepustnosti sietí a expanzie viacjadrových procesorov. Vyvíja škálovateľné a prispôsobiteľné testovacie scenáre pre testovanie NIC, ktoré zohľadňujú zložitosť rýchlo sa vyvíjajúceho hardvéru a softvéru a smerujú k stabilným, reprodukovateľným výsledkom v rôznych scenároch. Výskum zahŕňa analýzu akcelerácie sieťových mechanizmov jadra Linuxu, použitie nástrojov kontinuálnej integrácie pri objemnom testovaní a dôkladné preskúmanie hardvérových konfigurácií. Účinnosť testovacích scenárov je validovaná rozsiahlým testovaním na presne definovanom testovacom prostredí, čo zlepšuje pochopenie a optimalizáciu výkonnosti NIC v komplexných sieťových systémoch založených na Linuxe.
|
|
|
Guided Reinforcement Learning for Motor Skills
Karabelly, Jozef ; Herout, Adam (referee) ; Hradiš, Michal (advisor)
Cieľom tejto práce je prezentovať prehľad aktuálneho výskumu v oblasti posilovaného učenia pohybu s predlohou a identifikovať potenciálne smery výskumu. Okrem toho práca predstavuje vylepšenú metódu učenia fyzikálne simulovaných animácií postáv založenú na aktuálnych metódach. Predtrénovaný model ukazuje potenciál lepších výsledkov na rôznych nových úlohách. Vlastný dataset bol nazbieraný pre účely pretrénovania modelu predstaveného v tejto práci. Na základe výsledkov z vykonaných experimentov sú odprezentované možné budúce vylepšenia a smery výskumu.
|
|
|
Non-Supervised Sentiment Analysis
Karabelly, Jozef ; Landini, Federico Nicolás (referee) ; Fajčík, Martin (advisor)
Cieľom tejto práce je odprezentovať prehľad aktuálneho výskumu v oblasti analýzy sentimentu bez priameho učiteľa a identifikovať potenciálne smery výskumu. Okrem toho práca predstavuje novú účelovú funkciu na predtrénovanie, ktorá nevyžaduje priamy supervíziu. Rozšírenie modelu predstavenou účelovou funkciou, pridanie vrstvy neurónovej siete a následné samotné natrénovanie ukazujú sľubné výsledky. Rozšírený model naznačil schopnosť zakódovať abstraktné reprezentácie celkového sentimentu, emócií a sarkazmu. Pre účely použitia predstavenej účelovej funkcie bol nazbieraný vlastný dataset. Na základe experimentov vykonaných s rozšíreným modelom sú odprezentované možné smery výskumu a budúce vylepšenia.
|
|
|
Non-Supervised Sentiment Analysis
Karabelly, Jozef ; Landini, Federico Nicolás (referee) ; Fajčík, Martin (advisor)
Cieľom tejto práce je odprezentovať prehľad aktuálneho výskumu v oblasti analýzy sentimentu bez priameho učiteľa a identifikovať potenciálne smery výskumu. Okrem toho práca predstavuje novú účelovú funkciu na predtrénovanie, ktorá nevyžaduje priamy supervíziu. Rozšírenie modelu predstavenou účelovou funkciou, pridanie vrstvy neurónovej siete a následné samotné natrénovanie ukazujú sľubné výsledky. Rozšírený model naznačil schopnosť zakódovať abstraktné reprezentácie celkového sentimentu, emócií a sarkazmu. Pre účely použitia predstavenej účelovej funkcie bol nazbieraný vlastný dataset. Na základe experimentov vykonaných s rozšíreným modelom sú odprezentované možné smery výskumu a budúce vylepšenia.
|
guest ::
