|
|
Software pro detekci a rozpoznání registrační značky vozidla
Masaryk, Adam ; Hradiš, Michal (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cieľom tejto bakalárskej práce je navrhnúť a vyvinúť softvér, ktorý dokáže detegovať a rozpoznávať registračné značky z obrázkov. Softvér je rozdelený na 3 časti - detekcia značky, spracovanie výstupu detektora a rozpoznanie znakov na registračnej značke. Detekciu a rozpoznanie sme sa rozhodli implementovať pomocou moderných metód využitím konvolučných neurónových sietí.
|
|
|
Anonymizace videa
Mokrý, Martin ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cieľom tejto práce je navrhnutie a vytvorenie automatického systému pre anonymizáciu videí. Tento systém na svoju činnosť využíva rôzne detektory objektov v obraze a taktiež aj aktívne sledovanie takto zdetekovaných objektov. Na zdetekované objekty je následne aplikovaná úprava, ktorá zabezpečí dostatočnú mieru anonymizácie. Hlavným prínosom takéhoto systému je urýchlenie anonymizácie videí, ktoré bude následne možné zverejniť.
|
|
|
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.
|
|
|
Automatic Speech Recognition System Continually Improving Based on Subtitled Speech Data
Kocour, Martin ; Veselý, Karel (oponent) ; Černocký, Jan (vedoucí práce)
Today's large vocabulary speech recognition systems are very accurate. However, tens or hundreds of hours of manually transcribed speech are needed in order to train such system. This kind of data is often unavailable, or they even do not exist for the desired language. A possible solution is to use commonly available but lower quality audiovisual data. This thesis addresses the methods of processing such data for semi-supervised training of acoustic models. Afterwards, it demonstrates how to continually improve already trained acoustic models by using these practically unlimited data. In this work is proposed a novel approach for selecting data based on similarity with the target domain.
|
|
|
Deep Neural Networks Used for Customer Support Cases Analysis
Marušic, Marek ; Ryšavý, Ondřej (oponent) ; Pluskal, Jan (vedoucí práce)
Artificial intelligence is remarkably popular these days. It can be used to resolve various highly complex tasks in fields such as image processing, sound processing, natural language processing, etc. Red Hat has an extensive database of resolved support cases. Therefore an idea was proposed to use these data for data mining and information retrieval in order to ease a resolution process of the support cases. In this work, various deep neural network models were created for prediction of features which could help during the resolution process. Techniques and models used in this work are described as well as their performance in the specific tasks. Comparison of individual models is outlined as well.
|
|
|
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
|
|
|
Sleep scoring using artificial neural networks
Vašíčková, Zuzana ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
The main objective of the thesis is to create an artificial neural network for sleep-staging. Firstly, information about sleep and sleep stages is summarized. However, more profound overview of signal processing methods and methods of classification is found in next chapters. After summarizing the theoretical knowledge necessary to carry out practical part of thesis, signal features were extracted according to the theoretical proposal and using statistical analysis, convenient features were used as in input for artificial neural network, able to classify the sleep data into sleep stages after the learning stage.
|
|
|
Text mining in social network analysis
Hušek, Michal ; Mrázová, Iveta (vedoucí práce) ; Pešková, Klára (oponent)
Názov: Text mining in social network analysis Autor: Bc. Michal Hušek Katedra: Katedra teoretické informatiky a matematické logiky Vedúca práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Sociálne siete sú v súčastnosti veľmi hodnotným zdrojom informácií. Táto práca sa zameriava na dolovanie dát pochádzajúcich zo sociálnych sietí. Pojednáva a analyzuje rôzne techniky dolovania dát, konkrétne klastrovanie, neurónové siete, hodnotiace algoritmy a histogramovú štatistiku. Väčšina zmienených algoritmov bola implementovaná a testovaná s dátami z reálnej sociálnej siete. V prípade, že to bolo zmyslupné, výsledky boli vzájomne porovnané. Pre výpočtovo náročné úlohy, konkrétne klastrovanie, boli použité grafické procesory na ich zrýchlenie. Testy takto upravených programov potvrdili nižšie časové nároky. Všetky vykonané analýzy sú však nezávislé na konkrétnej použitej sociálnej sieti. Kľúčové slová: dolovanie dát, sociálne siete, klastrovanie, neurónové siete, hodnotiace algoritmy, CUDA
|
|
|
Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification
Gajdár, Matúš ; Švec, Ján (oponent) ; Karafiát, Martin (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.
|
|
|
Neuronové sítě pro hru gomoku
Bako, Matúš ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárkej práce je vytvoriť umelú inteligenciu, ktorá dokáže hrať hru Gomoku. Narozdiel od konvenčných metód prehľadávania stavového priestoru a ručně definovaných pravidiel kombinujem stochastické prehľadávanie s použitím konvolučných neurónových sietí. Strategická neurónová sieť určuje pravdepodobnostnú distribúciu pre všetky pozície na hracej ploche pri danej konfigurácii a ohodnocovacia sieť určuje pravdepodobnosť výhry. Natrénoval som architektúry neurónových sietí s rôznym počtom konvolučných vrstiev a s rôznymi veľkosťami konvolučných jadier. Z experimentov vyplinulo, že bez použitia ohodnocovacej siete a prehľadávacieho algoritmu je problematické zakončiť hru, avšak strategická sieť dokáže fungovať ako dostatočne silná heuristika pre výber ťahu. Napriek relatívne malej množine trénovacích dát je mnou vytvorená umelá inteligencia schopná poraziť nižšie umiestnené programy zo súťaže Gomocup.
|
host ::
RSS.