|
|
Codec Detection from Speech
Jon, Josef ; Matějka, Pavel (oponent) ; Černocký, Jan (vedoucí práce)
This thesis deals with codec detection from compressed speech signal. The primary goal was to identify which features distinguish selected codecs, and then create an environment facilitating experiments with various types of classifiers and their configurations. Support vector machines and neural networks, modeled using the Keras library, were used. The main contribution of this work is the experimental part, in which the effects of the neural networks parameters are discussed. After tuning the parameters and finding their optimal values, the network achieved accuracy over 98% on a test set comprising data from six different codecs.
|
|
| |
|
|
Použití hybridní metody pro řízení zásobní funkce vodní nádrže
Pospíšilík, Šimon ; Kozel, Tomáš (oponent) ; Menšík, Pavel (vedoucí práce)
Bakalářská práce je zaměřena na výběr vhodného vstupního regionálního klimatického modelu do Hybridní metody řízení zásobní funkce vodní nádrže. Tento způsob řízení je založen na vhodné kombinaci optimalizační metody s metodou Support vector machines. Výběr vhodného regionálního klimatického modelu probíhá pomocí simulace řízení zásobní funkce vodní nádrže Vír I v programu Microsoft Exel. Výsledky simulace řízení hybridní metodou jsou porovnány s dalšími metodami řízení. Těmito metodami jsou Adaptivní řízení, Dispečerský graf a řízení na hodnotu nadlepšeného odtoku.
|
|
|
Parallel Evaluation of Numerical Models for Algorithmic Trading
Ligr, David ; Kruliš, Martin (vedoucí práce) ; Zavoral, Filip (oponent)
Práce se bude zabývat problematikou paralelního vyhodnocení modelů algoritmického obchodování, jež jsou založeny na multiple kernel support vector machines pro regresi. V práci bude navrženo několik přístupů k paralelizaci vyhodnocení těchto modelů. Pro každý z navržených přístupů bude analyzována jeho vhodnost pro vysoce paralelní architektury, jmenovitě pro koprocesor Intel Xeon Phi. Z toho důvodu bude tato analýza reflektovat jak specifika tohoto koprocesoru, tak i specifika jeho programování. Výstupy analýzy budou použity při implementaci prototypu, jehož výkonnost bude na základě provedených testů porovnána s výkonností sériové a paralelní implementace pro běžné vícejádrové CPU. Powered by TCPDF (www.tcpdf.org)
|
|
|
Artificial Intelligence Approach to Credit Risk
Říha, Jan ; Baruník, Jozef (vedoucí práce) ; Vošvrda, Miloslav (oponent)
Tato práce se zabývá aplikaci umělé inteligence v řízení kreditního rizika. Tento moderní přístup je porovnán s aktuálním standardem trhu, s logistickou regresí. V práci prezentujeme teorii zaměřenou na neuronové sítě, podpůrné vektorové stroje, náhodné lesy a logistickou regresi. Také se zabýváme metodologií na vyhodnocení a porovnávání těchto modelů ze statistického a obchodního hlediska. Zjistili jsme, že modely z kategorie neuronových sítí, zejména Multi-Layer Perceptron a Radial Basis Function Network, překonávají logistickou regresi ve standardních statistických a obchodních kritériích. Výkonnost náhodných lesů a podpůrných vektorových strojů není dostatečná a v naší práci jejich výkonnost nedosahovala výkonnosti logistické regrese.
|
|
|
Classification of meadow vegetation in the Krkonoše Mts. using aerial hyperspectral data and support vector machines classifier
Hromádková, Lucie ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Tato diplomová práce se zabývá využitím leteckých hyperspektrálních dat senzoru AISA a klasifikačních metod Support Vector Machines (SVM) a Neural Networks (NN) pro mapování lučních společenstev v Krkonošském národním parku. Hlavní cíle práce jsou experimentální určení nejlepší kombinace parametrů algoritmu SVM, a navržení ideálního trénovacího datasetu pro tento algoritmus a krkonošská luční společenstva. Kritériem úspěšnosti jednotlivých kombinací parametrů SVM a trénovacích datasetů jsou výsledky posouzení přesnosti klasifikace pomocí confusion matic a kappa koeficientu. Kromě hlavních cílů je účelem práce také porovnání klasifikačních algoritmů SVM a NN, především co se týče počtu trénovacích pixelů potřebných pro úspěšnou klasifikaci horských luk. Hlavními výstupy práce jsou klasifikační mapy zájmových území a skripty v jazyce Python, které budou předány Správě KRNAP pro další využití v monitoringu a ochraně cenných lučních společenstev. Klíčová slova: hyperspektrální data, AISA, Support Vector Machines, Neural Networks, trénovací dataset, horská luční vegetace
|
|
|
Detekce vybraných zvukových událostí v reálném prostředí
Kowolowski, Alexander ; Burget, Radim (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce se zabývá metodami pro rozpoznávání nebezpečných událostí, v tomto případě výstřelů, v reálném prostředí. Nejdříve byla vytvořena testovací a trénovací databáze zvuků ze zadané databáze MIVIA. V této databázi byly soubory obsaženy v šesti verzích odstupu užitečného signálu od šumu, takže následné testování vybraných metod probíhalo pro různě zašuměné soubory a bylo zjištěno, že některé metody jsou například přesnější u čistších nahrávek než jiné, ale už méně přesné u více zašuměných. Pro extrakci typických příznaků ze vstupního zvuku byla vždy použita metoda melovských kepstrálních koeficientů. V práci jsou na vytvořených databázích postupně testovány metody podpůrných vektorů a klasifikace spojením většího počtu slabých klasifikátorů. Tyto metody jsou poté dále optimalizovány, například využitím statistických veličin a po optimalizaci dosahují lepších výsledků, podle předpokladů. V rámci práce byly vytvořeny dva skripty, kde jeden vytváří trénovací databázi a na těchto datech natrénuje klasifikátor a druhý vytváří testovací databázi a vybraný klasifikátor na takto získaných testovacích datech otestuje a vypíše výsledky. Výsledky jsou v práci zpracovány pomocí tabulky záměn a je pro ně vypočteno několik poměrových veličin, jako je přesnost, citlivost, specifičnost a další. Tyto výsledky jsou vždy uvedeny v příslušné kapitole v tabulkách i sloupcových grafech a řádně okomentovány.
|
|
|
Optical Formula Recognition support as a part of the OCR system
Klaučo, Matej ; Suk, Tomáš (vedoucí práce) ; Vácha, Pavel (oponent)
Cieľom tejto práce je implementovať prevod naskenovaného matematického vzorca do editovateľnej podoby vo forme TEX súboru ako doplnok fungujúceho OCR systému. V práci sa venujeme podrobnej analýze tohto problému, jeho rozloženiu na niekoľko menších častí, ako rozpoznanie symbolov a rozpoznanie štruktúry vzorcu, ich riešeniu a taktiež popisujeme rôzne spôsoby riešenia. Úspešnosť našich implementácií týchto častí overujeme na nami vytvorenej databáze symbolov a vzorcov. Podstatnou časťou práce je aj vytvorenie sady komplexných aplikácií s prepracovaným grafickým rozhraním, ktoré umožnia jednoduché prispôsobenie konverzie potrebám užívateľa. Obrázky obsahujúce vzorce môžu obsahovať jemný šum spôsobený nekvalitou skeneru.
|
|
|
Sledování objektů ve videosekvencích
Pavlík, Vít ; Musil, Petr (oponent) ; Zemčík, Pavel (vedoucí práce)
Diplomová práce se zabývá dlouhodobým sledováním objektů ve videosekvencích. Cílem práce je demonstrovat techniky potřebné ke zvládnutí dlouhodobého sledování objektů, především pak ty jejichž aplikace vede k vytvoření adaptivního sledovacího systému, který dokáže vhodně reagovat na změnu vzhledu objektu zájmu a nestálou povahu okolního prostředí.
|
|
| |
host ::
RSS.