|
|
Automatické osvojení vzorů s minimální supervizí
Klíč, Radoslav ; Hana, Jiří (vedoucí práce) ; Hlaváčová, Jaroslava (oponent)
Diplomová práce popisuje algoritmus pro automatické osvojení vzorů s minimální supervizí, který vznikl rozšířením systému Paramor (Monson, 2009), fungujícího zcela bez supervize. Systém je modifikován, aby přijímal snadno dostupná data ve formě ohýbaných slov s označenou hranicí morfémů jako dodatečný vstup. Součástí práce je také knihovna pro hierarchické shlukování, která umožňuje kombinaci různých zdrojů informací. Přístup byl testován na češtině, slovinštině, němčině a katalánštině a vykázal zvýšenou F-míru v porovnáni se základním Paramorem.
|
|
|
Detekce podezřelých anotací
Václ, Jan ; Vidová Hladká, Barbora (vedoucí práce) ; Hana, Jiří (oponent)
Tato práce popisuje způsob kontroly morfologické anotace pomocí strojového učení a představuje implementaci tohoto přístupu - aplikaci MissTagger. Procedura kontroly zahrnuje jak detekci chyb, tak jejich opravu. Tento přístup je založen na zjednodušeném algoritmu strojového učení, který si jednotlivé trénovací případy (instance) ukládá přímo do paměti bez zobecňování. Za tyto instance jsou považovány morfologické značky jednotlivých slov a jako rysy těchto instancí je brán jejich větný kontext pevné délky. Konkrétní slova, jejichž morfologické značky tvoří tento kontext, se vybírají buď přímo podle lineární struktury věty, nebo na základě závislostního stromu její syntaktické analýzy. Do experimentů k vyhodnocení tohoto přístupu jsou zapojeny dva jazyky - čeština a angličtina.
|
|
|
Automatické určování zájmenné koreference v češtině
Košarko, Ondřej ; Mírovský, Jiří (vedoucí práce) ; Vidová Hladká, Barbora (oponent)
Název práce: Automatické určování zájmenné koreference v češtině Autor: Ondřej Košarko Katedra (ústav): ÚFAL MFF UK Vedoucí bakalářské práce: RNDr. Jiří Mírovský, Ph.D. email vedoucího: mirovsky@ufal.mff.cuni.cz Abstrakt: Cílem této práce je představit automatickou proceduru značkování zájmen né koreference v českém textu anotovaném na morfologické a analytické rovině dle systému Pražského závislostního korpusu. Procedura využívá metodu strojového učení, pro jejíž trénování jsou použita ručně anotovaná data Pražského závislostního korpusu. Součástí práce je také vyhodnocení výsledků. Klíčová slova: zájmenná koreference, automatické určování, strojové učení
|
|
|
Machine learning-based identification of separating features in molecular fragments
Ravi, Aakash ; Hoksza, David (vedoucí práce) ; Škoda, Petr (oponent)
Chosen molecular representation is one of the key parameters of virtual screening campaigns where one is searching in-silico for active molecules with respect to given macromolecular target. Most campaigns employ a molecular representation in which a molecule is represented by the presence or absence of a predefined set of topological fragments. Often, this information is enriched by physiochemical features of these fragments: i.e. the representation distinguishes fragments with identical topology, but different features. Given molecular representation, however, most approaches always use the same static set of features irrespective of the specific target. The goal of this thesis is, given a set of known active and inactive molecules with respect to a target, to study the possibilities of parameterization of a fragment-based molecular representation with feature weights dependent on the given target. In this setting, we are given a very general molecular representation, with targets represented by sets of known active and inactive molecules. We subsequently propose a machine-learning approach that would identify which of the features are relevant for the given target. This will be done using a multi-stage pipeline that includes data preprocessing using statistical imputation and dimensionality...
|
|
|
Detekce a rozpoznání registrační značky vozidla
Řepka, Michal ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí a rozpoznáním objektů ze snímků s využitím metod počítačového vidění. Předmětem detekce jsou české registrační značky vozidel. Cílem práce bylo vytvořit algoritmus pro jejich automatickou anotaci. K tomu navrhované řešení využívá detekci hran a kaskádové klasifikátory vytvořené pomocí strojového učení. Implementace tohoto návrhu byla následně testována nad pořízenou datovou sadou za pomoci vytvořené testovací aplikace.
|
|
|
Akcelerované neuronové sítě na grafické kartě
Tomko, Martin ; Zachariášová, Marcela (oponent) ; Krčma, Martin (vedoucí práce)
Tato práce se věnuje implementaci aplikace pro simulaci neuronových sítí a její akceleraci za využití grafického procesoru. Aplikace se zaměřuje především na sítě typu Feedforward a jejich učení algoritmem Backpropagation, podporuje však i jiné typy sítí a umožňuje rozšíření o další učící algoritmy. Aplikace také umožňuje zavést do sítě různé poruchy struktury, což je možné využít pro testování odolnosti neuronových sítí vůči poruchám. Práce je implementována v jazyce C++ za využití OpenCL pro výpočty na GPU. Výsledky akcelerace učení algoritmem Backpropagation byly porovnány s volně dostupnou knihovnou FANN.
|
|
|
Gradient Boosting Machine and Artificial Neural Networks in R and H2O
Sabo, Juraj ; Bašta, Milan (vedoucí práce) ; Plašil, Miroslav (oponent)
Neuronové sítě jsou jedním z nejvíce fascinujících algoritmů strojového učení. Mají za sebou však velmi bouřlivý vývoj. Neuronové sítě byly dlouho považovány za algoritmus, který je velmi nespolehlivý a výpočetně náročný. Dnes již víme, že moderní neuronové sítě mohou být úspěšně aplikovány v mnoha úlohách, i když jejich hlavní nevýhoda, tedy značná výpočetní náročnost, stále přetrvává. Statistické modely založené na technice boosting, jsou považovány za jednu z nejpřevratnějších myšlenek na poli algoritmů strojového učení. Tyto modely jsou založeny kombinaci několika slabých modelů, které pak dohromady tvoří jeden silný model. Tato práce se zabývá srovnáním těchto dvou modelů na třech reálných případových studiích. První případová studie se zabývá modelováním pravděpodobnosti loupeže v ulicích města Chicago, druhá případová studie je klasickým příkladem modelování pravděpodobnosti, že zákazník telekomunikační společnosti vypoví smlouvu a poslední případová studie je aplikací počítačového vidění. Cílem této práce je také představení open-source platformy pro strojové učení H2O. H2O obsahuje mimo jiné rozhraní pro R a dokáže běžet samostatně, nebo na Hadoop clusteru. Práce také obsahuje úvod do open-source softwarové knihovny pro zpracování velkých dat Apache Hadoop. Konkrétně do open-source distribuce Hortonworks Data Platform.
|
|
|
Využití metod UI v algoritmickém obchodování
Šmejkal, Oldřich ; Pavlíčková, Jarmila (vedoucí práce) ; Berka, Petr (oponent)
Diplomová práce se v teoretické části věnuje průzkumu a popisu současného stavu oblasti strojového učení, se zaměřením na metody, které je možné využít k predikci a klasifikaci časových řad, a které mohou být následně využity v problematice algoritmického obchodování. Přečtení teoretické části by mělo objasnit základní principy fungování trhů, algoritmického obchodování a metod strojového učení i čtenáři, který byl doposud s danými tématy obeznámen jen velmi zevrubně. Cílem praktické části je zvolit vhodné metody a postupy, které odpovídají současným trendům v oblasti strojového učení a následně je aplikovat na historická data akcií i jiných finančních instrumentů. Výsledkem aplikace vybraných metod je určení a srovnání jejich úspěšnosti na out of sample datech, která nebyla nijak využita v průběhu kalibrace. Jako metrika sloužící k hodnocení úspěšnosti modelů byla vybrána přesnost predikce spolu s ukazatelem sharp ratio, spočteným na výsledcích simulace jednoduché obchodní strategie, jenž je založena na výstupech testovaných modelů. Vedlejším výstupem práce je průzkum možností a otestování využitelnosti technologií použitých v praktické části. Konkrétně se jedná o prostředí SciPy, které kombinuje jazyk Python s knihovnami a nástroji určenými pro zpracování dat, statistiku a strojové učení.
|
|
|
Možnosti identifikace botnetové robotické aktivitiy
Prajer, Richard ; Palovský, Radomír (vedoucí práce) ; Pavlíček, Luboš (oponent)
Tato diplomová práce zkoumá možné způsoby, jak odhalovat robotickou aktivitu botnetů na síti. Nejprve se věnuje jejich detekci založené na analýze úplných paketů, a to prostřednictvím DNS, HTTP a IRC komunikace. Detekci založenou na analýze úplných paketů však shledává z technických i etických důvodů neuplatnitelnou. Poté se zaměřuje na analýzu vycházející ze záznamů metadat o síťových tocích, které upravuje tak, aby byly zpracovatelné strojovým učením. Pomocí různých metod strojového učení pak vytváří detekční modely, jejichž úspěšnost poměřuje. Jako přijatelně úspěšná se pro odhalování robotické aktivity botnetů projevuje metoda bayesovských sítí. Model s její pomocí vytvořený ovšem odhaluje pouze botnety, které již plní úkoly zadávané C&C servery. "Spící" botnety tedy tento model spolehlivě detektovat nedokáže.
|
|
|
Inteligentní reaktivní agent pro hru Ms.Pacman
Bložoňová, Barbora ; Zbořil, František (oponent) ; Drahanský, Martin (vedoucí práce)
Tato práce se zabývá umělou inteligencí pro složitější rozhodovací problémy, jako je hra s neurčitostí Ms. Pacman. Cílem práce je navrhnout inteligentního reaktivního agenta využívajícího metodu strojového učení, demonstrovat jej ve vizuálním demu Ms. Pacman a jeho inteligenci srovnat se známými informovanými metodami hraní her (Minimax, Alfa-Beta řezy, Expectimax). Práce je rozdělena primárně na dvě části. V teoretické části je řešena problematika metod hraní her, reaktivita agenta a možnosti strojového učení (vše v kontextu Ms. Pacman). Druhá část práce je zaměřena na samotný popis návrhu a implementace verzí agenta a na závěr jeho srovnání se zmíněnými známými metodami hraní her, zhodnocení dosažených výsledků a několik návrhů na vylepšení do budoucna.
|
host ::
RSS.