|
|
Improving Robustness of Neural Networks against Adversarial Examples
Gaňo, Martin ; Matyáš, Jiří (oponent) ; Češka, Milan (vedoucí práce)
This work discusses adversarial attacks to image classifier neural network models. Our goal is to summarize and demonstrate adversarial methods to show that they pose a serious issue in machine learning. The important contribution of this work is the implementation of a tool for training a robust model against adversarial examples. Our approach is to minimize maximization the loss function of the target model. Related work and our own experiments leads us to use Projected gradient descent as a target attack, therefore, we train against data generated by Projected gradient descent. As a result using the framework, we can achieve accuracy more than 90% against sophisticated adversarial attacks.
|
|
|
Moderní metody detekce QRS komplexů
Fajkus, Jiří ; Kozumplík, Jiří (oponent) ; Vítek, Martin (vedoucí práce)
Tato bakalářská se zabývá metodami, které slouží ke zpracovávání EKG signálů, konkrétně k detekci QRS komplexu. Detekce QRS komplexu je nezbytnou součástí každé analýzy EKG signálu, jelikož slouží k určení bodů v časovém průběhu EKG, od kterých se poté odvíjí detekce a rozměření ostatních vln a intervalů potřebných k diagnostice. V práci je popsáno několik způsobů detekce QRS komplexů a rozbor detektoru navrženého v programovém prostředí MATLAB, založeného na principu počítání průchodů nulovou hladinou. Tento detektor QRS komplexů byl následně testován na CSE databázi a signálech z holterovského vyšetření.
|
|
|
Monte Carlo simulace elektronového rozptylu v rastrovacím prozařovacím elektronovém mikroskopu
Záchej, Samuel ; Hrubanová, Kamila (oponent) ; Krzyžánek, Vladislav (vedoucí práce)
Diplomová práca popisuje elektrónový rozptyl v STEM systémoch na objektoch rôzne-ho tvaru, akými sú hranol, guľa alebo dutá kapsula. Na kvantifikáciu viacnásobného rozptylu elektrónov v materiáloch sú využité Monte Carlo simulácie. Okrem teoretického rozboru elektrónového rozptylu a metodiky simulácií, obsahuje práca aj návrh a realizáciu algoritmu pre simulácie na zadaných objektoch. Práca zahŕňa overenie robustnosti simulácií na základe porovnania výsledkov so známymi signálmi pre daný objekt. Funkčnosť algoritmu bola overená experimentálnym meraním elektrónového rozptylu na vrstve uhlíka.
|
|
|
Robustnost fuzzy řízení
Hebelka, Marek
Hebelka M. Robustnost fuzzy řízení. Diplomová práce. Brno: Mendelova univerzita v Brně, 2023. Práce se zabývá posouzením robustnosti fuzzy regulátoru v rámci odstranění vlivu poruchové veličiny v podobě jednotkového skoku polohy o velikosti 10, 20, 30 a 40 % vstupního signálu a úpravou časových konstant o 5, 10, 15 a 20 % původní hodnoty. V práci jsou popsány základy fuzzy řízení, simulačních nástrojů, klasických regulátorů a regulovaných soustav. V rámci práce je popsáno seřízení jednotlivých soustav a následně je provedena analýza vlivu změn klíčových parametrů regulovaných soustav. Výsledkem je zhodnocení a posouzení robustnosti regulátorůu regulovaných soustav.
|
|
|
Safe and Secure High-Risk AI: Evaluation of Robustness
Binterová, Eliška ; Špelda, Petr (vedoucí práce) ; Střítecký, Vít (oponent)
Cílem této magisterské diplomové práce je zkoumat metodu IRM, která se používá pro zajištění robustnosti v modelech strojového učení, a zhodnotit, zda tato metoda může případně sloužit pro účely nově se vyvíjející evropské legislativy upravující využití umělé inteligence. Výzkum ukazuje, že mnoho případů pochybení autonomních systémů má na svědomí nedostatečná robustnost těchto systémů vůči změnám ve zpracovávaných datech. Z tohoto důvodu nejsou tyto systémy pak schopné správně zobecňovat v nových prostředích. Aby byly modely schopny dosáhnout uspokojivých výsledků, musí dosahovat určité úrovně robustnosti. Metoda IRM vznikla relativně nedávno pro účely zajištění robustnosti a tedy i spolehlivosti AI systémů. Stejný cíl si klade i nově vznikající evropská legislativa, která usiluje o spolehlivé AI. Diplomová práce zkoumá kompatibilitu požadavků AI Aktu a IRM metody a klade si otázku, zda je možné metodu IRM univerzálně využívat pro zajištění bezpečného AI skrze analýzu existujících empirických i teoretických poznatků.
|
|
|
Asset-Liability Management:Application of Stochastic Programmingwith Endogenous Randomness andContamination
Rusý, Tomáš ; Kopa, Miloš (vedoucí práce) ; Consigli, Giorgio (oponent) ; Branda, Martin (oponent)
Název: Řízení aktiv a pasiv: aplikace stochastického programování s endogenní náhodou a kontaminací. Autor: RNDr. Tomáš Rusý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí: doc. RNDr. Ing. Miloš Kopa, PhD., Katedra pravděpodobnosti a matematické statistiky Abstrakt: Tato práce se zabývá stochastickým programem modelu řízení ak- tiv a pasiv, který se zabývá náhodností závislou na rozhodnutí a následnou analýzou kontaminace. Hlavní model se zaměřuje na cenový problém a související problém správy aktiv a pasiv popisující typickou životnost spotřebitelského úvěru. Endogenita pramení z možnosti jejich zákazníka odmítnout půjčku, možnosti klienta nesplácet půjčku a možnosti předčasného splacení, to vše je ovlivněno rozhodnutím společnosti o úrokové sazbě úvěru. Dalším důležitým faktorem, který hraje velkou roli u pasiv, je cena peněz na trhu. Zde se soustředíme na proceduru generování scénářů a vyvíjíme novou kalibrační metodu pro odhad Hull-Whiteova modelu [Hull and White, 1990] v reálném světě. Definujeme metodu pro obecnou třídu jednofaktorových modelů pro krátkou sazbu (tzv. short-rate) a provádíme rozsáhlou analýzu k posouzení výkonnosti a vlastností odhadu. Dále rozšiřujeme...
|
|
|
Flexibility, Robustness and Discontinuities in Nonparametric Regression Approaches
Maciak, Matúš ; Hušková, Marie (vedoucí práce) ; Hlávka, Zdeněk (oponent) ; Horová, Ivanka (oponent)
Názov práce: Flexibilnost, Robustnost a Nespojitost v Neparametrických Regresních Postupech Autor: Mgr. Matúš Maciak, M.Sc. Pracoviště: Katedra Pravděpodobnosti a Matematické Statistiky, Univerzita Karlova v Praze Supervisor: Prof. RNDr. Marie Hušková, DrSc. huskova@karlin.mff.cuni.cz Abstrakt: V tejto práci sa zameriame na lokálne polynomiálne vyhadovanie neznámej regresnej funkcie, pričom zároveň sa budeme snažiť zapracovať do odhadovacích postupov určitú mieru robustnosti a to špeciálne vzhľadom k odľahlým pozorovaniam a tiež rozdeleniam náhodných chýb, ktoré sa vyznačujú ťažkými chvostami. Zamierame našu pozornosť na tzv. lokálne polynomiálne M-vyhladovače (M-smoothers) a odvodíme ich základné štatistické vlastnosti. Ďalšia zásadná vlastnosť s ktorou budeme pracovať, je nespojitosť, prípadne nehladkosť (teda nespojitosť derivácii) neznámej regresnej funkcie. Zaoberať sa budeme niektorými druhmi modelov, špeciálne modelom s homoskedastickou a heteroskedastickou štruktúrou variability a to pre prípad nezávislých, ako aj závislých pozorovaní. Nespojitosti v modeli budeme riešiť prostredníctvom štatistických testov, pre ktoré navrhneme konkrétne postupy a budeme tiež vyšetrovať ich základné štatistické vlastnosti. Vzhľadom k faktu, že asymptotické rozdelenie testových štatistík, rovnako ako aj odhadov...
|
|
|
Testing Structural Changes Using Ratio Type Statistics
Peštová, Barbora ; Hušková, Marie (vedoucí práce) ; Prášková, Zuzana (oponent) ; Jarušková, Daniela (oponent)
Testování strukturálních změn pomocí statistik podílového typu Barbora Peštová Univerzita Karlova v Praze, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistiky Abstrakt disertační práce Budeme se zabývat posloupnostmi pozorování, která jsou přirozeně uspořádána v čase a současně pro ně uvažujeme různé stochastické modely. Tyto modely jsou parametrické a některé z parametrů mohou podléhat změně v předem neznámém čase. Hlavní cíl této disertace spočívá v testování, zda taková změna nastala nebo ne. Jádrem zde prezentovaných metod detekce okamžiku změny jsou statistiky podílového typu založené na maximech kumulativních součtů. Nejdřív jsou prezentována východiska disertační práce. Pak se zaměříme na metody detekce postupné změny ve střední hodnotě. Následně zobecníme procedury pro detekci náhlé změny ve střední hodnotě pomocí skórové funkce. Budeme studovat možnosti použití metody bootstrap pro získání kritických hodnot v případě, že náhodné chyby modelu mohou být slabě závislé. Představíme také procedury pro detekci změny v parametrech lineárního regresního modelu a odvodíme permutační verzi testu. Dále budeme studovat příbuzný problém testování změny v...
|
|
|
Improving Robustness of Speaker Recognition using Discriminative Techniques
Novotný, Ondřej ; Ferrer, Luciana (oponent) ; Pollák, Petr (oponent) ; Černocký, Jan (vedoucí práce)
This work deals with discriminative techniques in speaker verification systems to improve robustness of the systems against factors that negatively affect their performance. These factors include noise, reverberation, or the transmission channel. The thesis consists of two main parts. In the first part, it deals with a theoretical introduction to current state-of-the-art speaker verification systems. The recognition system's steps are described, starting from the extraction of acoustic features, the extraction of vector representations of recordings, and the final recognition score computation. Particular emphasis is paid to the techniques of extraction of a vector representation of a recording, where we describe two different paradigms: the i-vectors and the x-vectors. The second part of the work focuses more on discriminative techniques to increase robustness. Their description is organized to match the gradual passage of the recording through the verification system. First, attention is paid to signal pre-processing using a neural network for noise reduction and speech enhancement. This pre-processing is a universal technique independent of the verification system. The work follows by focusing on the use of a discriminative approach in the extraction of features and the extraction of vector representations of recordings. Furthermore, this work sheds light on the transition from generative systems to discriminative systems. In order to give a fuller context, the work also describes techniques that had historically preceded this transition. All presented techniques are always experimentally verified and their advantages evaluated. We are proposing several techniques that have proved successful in both the generative approach in the form of i-vectors and discriminative x-vectors, and thanks to them, considerable improvement has been achieved. For completeness, in the field of robustness, other techniques are included in the work, such as normalization of scores or multi-condition training. Finally, the work deals with the robustness of discriminative systems in terms of data used in their training.
|
|
|
Shadowing and Lighting Acceleration
Milet, Tomáš ; Kohout, Josef (oponent) ; Kolivand, Hoshang (oponent) ; Herout, Adam (vedoucí práce)
The goal of the thesis is to present methods for acceleration of shadows and lighting. The main focus of the thesis is an acceleration of per-sample precise shadows using shadow volumes on different platforms. Other parts of this thesis also describe methods for increasing the precision of shadow map based methods and lighting.
|
host ::
RSS.