|
|
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.
|
|
|
Generování modelů domů pro Open Street Mapy
Galacz, Roman ; Poulíček, Zbyněk (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá získáním dat z map poskytovaných projektem OpenStreetMap a následným převodem těchto dat z formátu zeměpisné šířky a délky do kartézské soustavy souřadnic. Dále popisuje rozpoznávání domů v zástavbách, které se na stažené mapě nacházejí. Pro demonstraci výsledků tohoto rozpoznávání je vytvořen program, který vymodeluje 3D geometrii domů a také vytvoří terén, kde dané domy leží. Vygenerovaný model je zobrazen pomocí grafické knihovny OpenGL.
|
|
|
Jednoduché rozpoznávání písma
Hamrský, Jan ; Svoboda, Pavel (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá vyhledáním a rozpoznáváním textu v obraze. Rozebírá problematiku extrakce příznaků a jejich použití při strojovém učení. Popisuje postup při návrhu a implementaci jednoduché aplikace pro rozpoznávání znaků strojově psaného textu.
|
|
|
Anotace síťového provozu
Holakovský, Jan ; Novotňák, Jiří (oponent) ; Žádník, Martin (vedoucí práce)
Tato práce se zabývá metodami rozpoznávání aplikačního protokolu v síťovém provozu. Jsou zde rozebírány a diskutovány jednotlivé metody z hledika efektivity. Dále tato práce popisuje vývoj nástroje pro podporu ruční anotace síťového provozu, který používá kombinaci vybraných metod. Na závěr tato práce obsahuje popis a výsledky experimentů provedených s vytvořeným nástrojem a diskutuje jeho efektivitu a možná rozšíření.
|
|
|
Optimalizace heuristické analýzy spustitelných souborů
Wiglasz, Michal ; Křoustek, Jakub (oponent) ; Hruška, Tomáš (vedoucí práce)
Tato bakalářská práce byla vypracována v průběhu studijního pobytu na Universita della Svizzera italiana ve Švýcarsku. Tato práce popisuje implementaci klasifikačního nástroje pro detekci neznámého škodlivého softwaru, které by mohla nahradit současné řešení, založené na ručně určených vahách. Databáze použitá pro učení a testování byla poskytnuta antivirovou a bezpečnostní společností AVG Technologies. Pět různých klasifikátorů bylo srovnáno za účelem nalezení nejvhodnější metody k implementaci: naivní bayesovský klasifikátor, rozhodovací stromy, algoritmus RandomForrest, neuronové sítě a support vector machine. Po několika experimentech byl vybrán naivní bayesovský klasifikátor. Implementovaná aplikace pokrývá všechny potřebné funkce: extrakci atributů, učení klasifikátoru a odhad jeho úspěšnosti a klasifikaci neznámých vzorků. Protože společnost AVG je ochotna tolerovat maximálně 1% falešně pozitivních klasifikací, úspěšnost implementovaného klasifikátoru je pouze 61,7 %, což je o méně než 1 % lepší než u současného řešení. Na druhou stranu, učící proces je plně automatizovaný a umožňuje rychlé přeučení (v průměru během 12 sekund pro 90 tisíc trénovacích vzorků.)
|
|
|
Umělá inteligence pro hraní her
Neřád, Václav ; Kouřil, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá umělou inteligencí a jednotlivými metodami, které jsou v umělé inteligenci používány pro řešení problému a speciálně hraní her. Vybrané metody jsou poté využity při implementaci bota pro hru Ants v soutěži AI challenge.
|
host ::
RSS.