|
|
Analýza využití marketingových nástrojů v projektu „Nová Zbrojovka“
Horváth, Martin ; Budíková, Michaela (oponent) ; Dohnal, Radek (vedoucí práce)
Diplomová práca popisuje problematiku marketingovej stratégie a marketingového plánu pre stanovené ciele developerského projektu Nová Zbrojovka. Práca analyzuje účinnosť používaných marketingových nástrojov a prichádza s návrhmi na ďalšie použitie analyzovaných marketingových nástrojov. Na základe nadobudnutých dát bola pre developerský projekt vybraná vhodná stratégia pre dosiahnutie marketingových cieľov. Práca načrtá možnosti využitia umelej inteligencie v marketingu.
|
|
|
Identification and characterization of malicious behavior in behavioral graphs
Varga, Adam ; Burget, Radim (oponent) ; Hajný, Jan (vedoucí práce)
In recent years, there has been an increase in work involving comprehensive malware detection. It is often useful to use a graph format to capture behavior. This is the case with the Avast antivirus program, whose behavioral shield detects malicious behavior and stores it in the form of graphs. Since this is a proprietary solution and Avast antivirus works with its own set of characterized behavior, it was necessary to design our own detection method that will be built on top of these behavioral graphs. This work analyzes graphs of malware behavior captured by the behavioral shield of the Avast antivirus program for the process of deeper detection of malware. Detection of malicious behavior begins with the analysis and abstraction of patterns from the behavioral graph. Isolated patterns can more effectively identify dynamically changing malware. Behavior graphs are stored in the Neo4j graph database and thousands of them are captured every day. The aim of this work was to design an algorithm to identify the behavior of malicious software with emphasis on tagging speed and uniqueness of identified patterns of behavior. Identification of malicious behavior consists in finding the most important properties of trained classifiers and subsequent extraction of a subgraph consisting only of these important properties of nodes and the relationships between them. Subsequently, a rule for the evaluation of the extracted subgraph is proposed. The diploma thesis took place in cooperation with Avast Software s.r.o.
|
|
|
Efektivní logistika dopravy vozidel
Janovič, Jakub ; Goldefus, Filip (oponent) ; Lukáš, Roman (vedoucí práce)
Táto práca sa zaoberá vyhľadávaním najkratšej cesty na základe vstupných podmienok ako sú počet vozidiel a vstupná mapa. Pojednáva o algoritmoch používaných na vyhľadávanie a ich konkrétne nasadenie v aplikácii, prípadne ich úprava pre danú problematiku. V práci je zaznamenaná celá štruktúra aplikácie ako spomínané vyhľadávanie, tak správa systému a správa objektov používaných v programe.
|
|
|
Komunikační agent pro informace o Brně
Jurkovič, Juraj ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Cieľom tejto práce je preskúmať a následne aplikovať techniky a technické riešenia pri vývoji informačných agentov. Práca sa zameriava na riešenia jednotlivých podproblémov pomocou existujúcich systémov, prepojenie týchto systémov, jejich prispôsobenie pre danú doménu a implementáciu jednotlivých modulov. Uživateľské rozhranie je postavené na multiplatformnej četovacej aplikácii Telegram. Extrakciu informácií zo vstupu uživatela vykonáva služba Dialogflow. Pre uspokojenie požiadavky užívateľa je použitých niekoľko externých služieb. Pre vyhľadávanie v štruktúrovaných dátach je použitá technológia Elasticsearch. Pre extrakciu odpovedí z voľného textu je použitý systém R-net. Výsledkom je systém ktorého znalostnú bázu, ako aj množinu dotazov ktoré je schopný uspokojiť, možno jednoducho rozšíriť a ktorý môže byť nasadený na ľubovoľnú četovaciu platformu.
|
|
|
Exploiting Approximate Arithmetic Circuits in Neural Networks Inference
Matula, Tomáš ; Mrázek, Vojtěch (oponent) ; Češka, Milan (vedoucí práce)
This thesis is concerned with the utilization of approximate circuits in neural networks to provide energy savings. Various studies showing interesting results already exist, but most of them were very application specific or demonstrated on a small scale. To take this further, we created a platform by nontrivial modifications of robust open-source framework Tensorflow allowing us to simulate approximate computing on known state-of-the-art neural networks e.g. Inception or MobileNet. We focused only on replacement of most computationally expensive parts of convolutional neural networks, which are multiplication operations in convolution layers. We experimentally demonstrated and compared various setups and even that we proceeded without relearning, we were able to obtain promising results. For example, with zero accuracy loss on Inception v4 architecture, we gained almost 8% energy savings which could be valuable, especially in low-power devices or in large neural networks with enormous computational demands.
|
|
|
Deepfake Dataset for Evaluation of Human Capability on Deepfake Recognition
Radačovská, Karolína ; Malinka, Kamil (oponent) ; Firc, Anton (vedoucí práce)
Artificial intelligence is on its way to become one of the most used technologies in the world. Many of us use artificial intelligence every day without hesitation. We got used to it and put our trust in these technologies. However, it is easy to become a victim of this technology too. This thesis reacts to the threats and risks of audio deepfake technologies, a subfield of artificial intelligence. The project primarily aims to conduct an experiment using a proposed quality system rating of audio deepfake evaluation. We found motivation in the increasing number of victims of audio deepfake frauds, unanswered questions concerning the synthetic media, and already conducted experiments with interesting conclusions. Our results brought valuable knowledge about human’s ability to recognize audio deep-fakes of different quality scores. We also found answers to questions about people’s ability to detect deepfakes in their native languages or whether they are more likely to recognize deepfakes using headphones instead of speakers.
|
|
|
Sonifikace videa pomocí technik umělé inteligence
Dobrocký, Filip ; Burget, Radim (oponent) ; Říha, Kamil (vedoucí práce)
Táto práca sa zaoberá sonifikáciou videa – prevodom obrazu na zvuk. Jej cieľom je využitie moderných techník počítačového videnia založených na umelej inteligencii pre vytvorenie systému schopného algoritmickej tvorby zvuku použiteľného v umeleckom kontexte. Sústredí sa na oblasti sound artu, algoritmickej kompozície a generatívnej hudby. Súčasťou práce je implementácia modulárneho sonifikačného systému v jazyku Python využívajúceho moderný detektor objektov YOLOv7 spolu s algoritmom pre sledovanie viacerých objektov z knižnice Norfair. Princíp je založený na systematickom prideľovaní zvukových objektov sledovaným objektom vo videu. Zvuk je tvorený prostredníctvom platformy SuperCollider a jej API pre Python s názvom Supriya, využívajúc rozličné typy zvukovej syntézy spolu s automatizovane vytvorenou databankou zvukov.
|
|
|
Rozpoznávání osob podle obličeje s využitím Neural Compute Stick
Horník, Matej ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Táto bakalárska práca sa zaoberá súčasnými technikami na rozpoznávanie osôb podľa tváre. V súčasnosti sa používajú konvolučné neurónové siete na rozpoznávanie tvárí. V tejto práci budú konvolučné neurónové siete popísané a taktiež budú porovnané súčasne architektúry konvolučných sietí, ktoré sa využívajú na rozpoznávanie tvárí. Cieľom bude vytvoriť vstavaný systém, ktorý sa bude skladať z kamery, výpočetnej jednotky a akcelerátora Neural Compute Stick. Systém bude rozpoznávať osoby podľa tváre s voľne dostupným algoritmom.
|
|
|
Posilované učení pro hru typu Bomberman
Adamčiak, Jakub ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárksej práce je návrh, implementácia a trénovanie modelov posilňovaného učenia na hru typu Bomberman. Je postavená na prostredí Bomberland od firmy CoderOne. Toto prostredie bolo vyvinuté za účelom vzdelávania a výskumu v odvetí umelej inteligencie. V tejto práci rozoberám rôzne nastavenia a problémy s implementovaním agenta do prostredia. Vyskúšal som 2 politiky (MLP a CNN), 2 algoritmy (PPO a A2C) a 5 druhov neurónových sietí pre extrakciu vlastností za pomoci knižníc stable baselines 3 a pytorch. Celkový čas trénovania týchto modelov bol dokopy 1207 reálnych hodín, 4168 strojových hodín a 271 miliónov herných krokov. Aj keď bolo trénovanie neúspešné, táto práca ukazuje proces implementácie modelu posilňovaného učenia do prostredia Gym.
|
|
| |
host ::
RSS.