|
|
Elektronický modul pro akustickou detekci
Maršál, Martin ; Klusáček, Jan (oponent) ; Havránek, Zdeněk (vedoucí práce)
Tato diplomová práce se zabývá návrhem a realizací elektronického modulu pro akustickou detekci. Modul má za úkol detekovat předem definované akustické signály pomocí na ně naučeného klasifikačního modelu. Modul slouží převážně pro zabezpečovací účely. Pro identifikaci a klasifikaci je navržen model pomocí technik strojového učení. Vzhledem k možnosti přeučení na jinou sadu zvuků se modul stává univerzálním akustickým detektorem. Pro snímání akustického zvuku je použit digitální MEMS mikrofon, pro který je navržen a realizován převodní filtr. Výsledný systém je implementován do firmwaru mikrokontroléru s operačním systémem reálného času. Jednotlivé funkce systému jsou realizovány s ohledem na možnou optimalizaci (méně výkonný MCU nebo bateriové napájení). Modul předává výsledky detekce nadřazené stanici pomocí Ethernetové sítě. V případě více modulů připojených do sítě se vytvoří distribuovaný systém, pro který je navržena přesná časová synchronizace pomocí PTP protokolu definovaného normou IEEE-1588.
|
|
|
Využití algoritmů strojového učení pro konstrukci hlídacích obvodů
Lelkes, Olivér ; Mičulka, Lukáš (oponent) ; Kaštil, Jan (vedoucí práce)
Tato bakalářská práce se zabývá využitím algoritmů strojového učení pro konstrukci hlídacích obvodů. Práce obsahuje detailní popis jednotlivých algoritmů strojového učení, které byly vybrány pro splnění cíle bakalářské práce. V textu práce je uvedeno seznámení jak s teoretickými vlastnostmi, tak i s konkrétním využitím dotyčných algoritmů ve formě klasifikátorů. Klasifikátory mohou pracovat s různými nastaveními, které ovlivňují přesnost učení a následné klasifikace. V experimentální části práce je poukázáno na rozdíly mezi jednotlivými klasifikátory a jejich nastavením. Experimenty byly prováděny na různých obvodech, mimo jiné na řídících jednotkách robota, vyvíjených na Ústavu počítačových systémů Fakulty informačních technologií VUT v Brně.
|
|
|
Rozpoznání počasí z pohledu venkovní stacionární kamery
Jenčo, Michal ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce řeší rozpoznávání počasí z pohledu stacionární venkovní kamery se záběrem krajiny, a to konkrétně mlhy, jasného, polojasného a zamračeného počasí. Zvolený problém byl vyřešen výpočtem pěti obrazových příznaků a strojového učení. Podařilo se dosáhnout celkové úspěšnosti rozpoznávání 95% s jenom malými odchýlkami mezi jednotlivými typmi počasí. Hlavným zjištěním této práce je, že za pomoci zvolené sady jednoduchých příznaků je možno úspěšně odlišit zvolené typy počasí. Výsledky této práce umožňují graficky vykreslit průběh počasí počas dne.
|
|
|
Strojové učení v přirozeném jazyce
Otrusina, Lubomír ; Šilhavá, Jana (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá zjednoznačňováním slovních významů pomocí metod strojového učení. Čtenář je krátce seznámen s danou problematikou a jejím historickým vývojem. Jsou zde popsány nejpoužívanější metody a přístupy, speciálně pak naivní Bayesův klasifikátor, který je implementován v systému. Je zde uveden i názorný příklad pro tento klasifikátor. V praktické části je popsán návrh systému využívající tohoto klasifikátoru včetně popisu různých algoritmů použitých v systému. Na závěr je uvedeno vyhodnocení výsledků systému a jejich analýza. Implementovaný systém se zúčastnil soutěže v rámci mezinárodní konfernce sémantického vyhodnocování SemEval-2007.
|
|
|
Reversi
Labaj, Tomáš ; Jurka, Pavel (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se věnuje umělé inteligenci, resp. použití umělé inteligence na deskové hře Reversi. Ta je nejlépe realizovatelná pomocí metody minimax. Aby nedocházelo k zbytečnému prohledávání stavového prostoru, je vhodné zavést omezení v podobě prořezávání Alfa-beta. Obě metody jsou zde popsány a vysvětleny. Další část je věnována strojovému učení, tedy tomu, jak může počítač vylepšit svůj tah, když byl minule neúspěšný.
|
|
|
Optické rozpoznávání znaků
Pokorný, Pavel ; Juránek, Roman (oponent) ; Mlích, Jozef (vedoucí práce)
V této práci jsou představeny některé z metod pro vyhledání a rozpoznání textu v obraze. Zabývá se problematikou extrakce příznaků a představuje nejčastěji používané algoritmy strojového učení. Popisuje postup při návrhu a implementaci aplikace určené k rozpoznávání tištěného textu a vytvoření datové sady znaků.
|
|
|
Výpočet atributů pro předpověď důsledku mutace na funkci proteinu
Šinkora, Jan ; Filák, Jakub (oponent) ; Jaša, Petr (vedoucí práce)
Tato práce se zabývá problematikou z oblasti bioinformatiky, algoritmů a datových typů a strojového učení. Základem práce jsou již existující aplikace Caver a Deleterious, na jejichž vývoji se podíleli studenti Fakulty informatiky Masarykovy univerzity a Fakulty informačních technologíí Vysokého učení technického v Brně. Aplikace Deleterious slouží k získávání a výpočtu atributů proteinů důležitých k predikci vlivu mutace proteinu na jeho výslednou funkci a Caver je program pro hledání tunelů v prostorovém modelu proteinu. Výsledkem má být rozšíření těchto aplikací o výpočet nových atributů, které mohou přispět ke zlepšení přesnosti predikce. Přidané atributy souvisí s hledáním a měřením kapes proteinu.
|
|
|
Snížení náročnosti výpočtů v libSVM s použitím řetězcových funkcí
Kubernát, Tomáš ; Sehnalová, Pavla (oponent) ; Michlovský, Zbyněk (vedoucí práce)
Cílem práce bylo implementovat čtyři řetězcové funkce do knihovny libSVM . Za pomoci této knihovny a výše zmíněných řetězcových funkcí poté provést sérii testování s různými hodnotami parametrů ovlivňujících výpočet samotných řetězcových funkcí. Pomocí experimentů byla porovnána rychlost a úspěšnost klasifikace mojí implementace řetězcových funkcí v knihovně libSVM s implementací řetězcových funkcí v programu kernels . V práci jsou také popsány průběhy všech testování i s naměřenými hodnotami a grafy pro grafické znázornění výsledků.
|
|
|
Evoluční návrh neuronových sítí
Beluský, Tomáš ; Vašíček, Zdeněk (oponent) ; Minařík, Miloš (vedoucí práce)
Práce se zabývá vytvořením genetického algoritmu pro návrh struktury a učení neuronových sítí. Fitness funkce zahrnuje i počet skrytých neuronů a tím získáváme nejoptimálnější možné struktury. Představí se vlastní verze operátorů, které řídí celý proces evoluce. Výsledkem práce je knihovna pro evoluční návrh neuronových sítí a kromě ní bylo vytvořeno i grafické rozhraní pro nastavování parametrů a zobrazování výsledků. V experimentální části je návrh porovnán s jinými systémy a algoritmy. Na závěr jsou zhodnoceny výsledky a naznačen postup pro následující vývoj systému.
|
|
|
Metody strojového učení ve zpracování přirozeného jazyka
Vantuch, Marek ; Mrnuštík, Michal (oponent) ; Otrusina, Lubomír (vedoucí práce)
Práce se zabývá automatickým značkováním českého jazyka za pomocí existujících implementací, využívajících model Conditional Random Fields a algoritmy L-BFGS a SDG. Jsou popsány základní pravidla značkování a problémy, se kterými se tento obor potýká v případě zpracování českého jazyka. Čtenáři jsou vysvětleny principy použitých algoritmů a modelů, které jsou implementovány v programech CRF++ a CRFSuite. Práce se poté zaměřuje na vlastní testování úspěšnosti na českém korpusu a snaží se nalézt nejvhodnější hodnoty parametrů při využití všech rysů. Při nalezení rozumného kompromisu mezi časem a přesností se poté snaží tuto hodnotu ještě zpřesnit za pomoci analýzy přínosu jednotlivých rysů a možností jejich vynechání.
|
host ::
RSS.