|
|
Moderní vibrodiagnostika strojů a hodnocení datových souborů neuronovými sítěmi
Koníček, Tomáš ; Holoubek, Tomáš (oponent) ; Hammer, Miloš (vedoucí práce)
Tato diplomová práce se zaměřuje na technickou diagnostiku s důrazem na vibrodiagnostiku strojů a zařízení. Cílem je provést rešerši sledování vibrací pomocí moderních on-line systémů a zkoumat možnosti zpracování získaných datových souborů s využitím neuronových sítí. Analyzuje se vibrační monitoring od firmy Siemens SIPLUS CMS, včetně popisu jednotlivých hardwarových a softwarových komponent. Práce se dále zaměřuje na diagnostiku strojů s využitím reálného modelu vybaveného systémem SIPLUS CMS ve spolupráci s programovatelným automatem SIMATIC S7-1200. Získaná data budou přenášena přes protokol FTP k dalšímu zpracování v programu Matlab. Budou navrženy a použity modely neuronových sítích, které budou natrénovány na naměřených datech. Bude použit model konvolučních neuronových sítí. Výsledky budou vyhodnoceny a bude vznesen závěr.
|
|
|
Deepfake Detection in Video Samples
Krumpholc, Jan ; Veigend, Petr (oponent) ; Lapšanský, Tomáš (vedoucí práce)
In last years, we could see increase of internet frauds and forgeries. Starting with easier detectable cases like phishing and fake ads, through social engeneering and disinformation campaigns, and ending with attacks using artificial inteligence: Synthetics media, and especially deepfakes. These attacks are very effective because it's difficult to validate authenticity of deepfake media for basic user, and they are in rise in last few years with availability and effectivity of creation tools for public. This thesis is focused on video deepfakes: What methods are used for their creation, what are their weak points, and mainly, how to find these weaknesses and decide, whenever media is deepfake or not. We will analyze state-of-the-art methods of detecting deepfakes, what are their strengths and weaknesses, and develop possible new methods of detection. In the end we will compare results with modern solutions and evaluate result.
|
|
|
Strojové učení reprezentace pro genetické programování
Pomykal, Šimon ; Piňos, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je seznámit se s metodami strojového učení, které se využívají pro automatický návrh reprezentace. Speciálně se poté práce zaměřuje na hluboké učení v oblasti genetického programování (GP). Jako případová studie je zvoleno zpracování obrazu, a to zejména metody odstranění šumu. Spojením získaných poznatků je navržena nová reprezentace, jejímž účelem je nahradit syntaktický strom v algoritmu GP. Tato metoda je získána pomocí neuronové sítě typu transformer. Na závěr je vytvořena upravená varianta GP, která pracuje s novou reprezentací. Tato varianta je v několika experimentech porovnána s GP, který používá původní reprezentaci.
|
|
| |
|
|
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.
|
|
|
Reverzní inženýring mixáže pomocí neuronové sítě
Čermák, Jerguš ; Mokrý, Ondřej (oponent) ; Rajmic, Pavel (vedoucí práce)
Bakalárska práca sa zaoberá využitím algoritmov neurónovej siete za účelom zistenia parametrov signálových procesorov použitých pri mixáži zvukových stôp. V rámci práce sú prezentované lineárne signálové procesory \emph{Gain}, \emph{Pan}, \emph{Filter} a \emph{Reverb} umožňujúce úpravu zvukového signálu a vytvorenie stereofónneho mixu zvukovej nahrávky. Následne sú vďaka implementácií pomocou knižnice DDSP použité v zmysle vrstiev modelu neurónovej siete, ktorý je zameraný na predikciu parametrov použitých pri mixáži, za predpokladu znalosti vstupných stôp a cieľového mixu. V rámci práce boli vytvorené stereofónne mixy, ktorých parametre boli následne odhadované pomocou dvoch modelov neurónovej siete. Výsledky boli posudzované ako objektívnymi, tak subjektívnymi metódami (posluchovým testom).
|
|
|
Use of Diffusion Models in Deepfakes
Trúchly, Dominik ; Malinka, Kamil (oponent) ; Lapšanský, Tomáš (vedoucí práce)
A deepfake is a type of synthetic media created through sophisticated machine learning algorithms, particularly deep neural networks. As an example Generative adversarial neural networks (GANs), that are capable of generating images that are almost impossible for ordinary individuals to differentiate from genuine reality. Consequently, deepfake detection algorithms have been developed to address this growing concern. Leveraging advanced machine learning techniques, these algorithms analyze various features within images and videos to identify inconsistencies or anomalies indicative of manipulation. This thesis investigates the application of diffusion models, commonly utilized in digital image processing to enhance image quality by reducing noise and blurring, in bolstering the realism of deepfakes. By using these models, we test their effect on detecting deepfakes images using deepfake detectors.
|
|
|
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.
|
|
|
Implementing gesture recognition on ARM as an alternative to traditional device control
Gajdošík, Richard ; Zbořil, František (oponent) ; Kočí, Radek (vedoucí práce)
This bachelor's thesis focuses on the development and implementation of a gesture recognition system on ARM architecture, utilizing the i.MX 93 board and TensorFlow Lite. The project is grounded in the application of neural networks for the recognition of hand gestures, offering an alternative to traditional device control methods. An integral part of the work involves a comprehensive analysis of existing gesture recognition solutions, identifying their strengths and potential improvements. The thesis elaborates on the design, development, and optimization of a real-time gesture recognition model specifically for ARM chips, emphasizing efficiency and performance. Additionally, the thesis covers the creation of a demonstrative application that visually represents recognized gestures. User testing is conducted to evaluate the practicality and user experience of the gesture recognition system, providing valuable feedback for future enhancements.
|
|
|
Neural Networks for Video Quality Enhancement
Sirovatka, Matej ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
In this thesis, a new method for video super-resolution is proposed. The method is based on the idea of using deformable convolutional layers together with optical flow to align features from multiple sequential video frames. This novel module is then used in a U-Net-like deep neural network to predict high-resolution frames. The proposed method is evaluated on a dataset containing real-life scenes and compared to other methods. Multiple different configurations of the proposed method are tested and the results are analyzed. The results of the experiments show promising results, with the model outperforming bilinear interpolation, and single-frame methods. Multiple different architectures of the feature alignment module together with the rest of the U-Net architecture are tested, showing that using Vgg19 as the encoder of the U-Net gives the best results.
|
host ::
RSS.