|
|
Vizuální detekce anomálií v průmyslové výrobě
Hrabica, Jan ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Tato práce pojednává o problematice unárních klasifikátorů pro detekci anomálií v průmyslové výrobě. V úvodu je rozebrána klasifikace jako obecný problém, metody klasifikace a některé jejich hodnocení a následně jsou rozebrány hlavní kategorie používaných architektur. V praktické části je popsán proces tvorby scény a následné pořizování datasetu. Vytvořený dataset je použit na naučení klasifikátoru, na kterém jsou v závěru práce provedeny různé experimenty za účelem odhadu výkonnosti.
|
|
|
Generativní neuronová síť pro tvorbu syntetických fotorealistických obrazů
Hora, Adam ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Hlavním cílem této práce je vybrat a navrhnout model neuronové sítě, který bude schopen generovat realistické obrázky tématicky zapadající do vybrané datové sady. Pro řešení je použita architektura hluboké konvoluční generativní adverzní sítě. Tato síť je implementována v programovacím jazyce Python pomocí aplikačních programovacích rozhraní Tensorflow a v něm obsaženém rozhraní Keras. Model je natrénován na vybrané datové sadě a jsou zobrazeny výsledné vygenerované snímky. Finální model a jednotlivé snímky jsou nakonec vyhodnoceny pomocí různých metod hodnocení kvality.
|
|
|
Artificial Intelligence Poetry
Jurečka, Otakar ; Zmrzlá, Petra (oponent) ; Kotásek, Miroslav (vedoucí práce)
This thesis conducts an overview of existing computer engines that are designed to write poetry texts. It contains information on how to work with each presented application and their capabilities are demonstrated through their exemplary use. The generated writings are analyzed. The operation of these computer programs is explained. Additionally, it includes information about the origins of the idea of artificial intelligence, as well as its more recent technological developments.
|
|
|
Reconstruction of Damaged Parts of Fingerprint Image Using Neural Nets
Bobocký, Boris ; Dyk, Tomáš (oponent) ; Kanich, Ondřej (vedoucí práce)
In this paper, I propose a method for reconstructing damaged fingerprints using generative adversarial networks (GANs), implemented with Python and the PyThorch library. I have trained a specific GAN model on a dataset of approximately twenty thousand prints, created with Anguli and other damage simulation tools. This approach produced excellent results and could have wide application in biometric systems. This work highlights the potential of deep learning in the fields of image reconstruction and biometrics.
|
|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
In the practical part of the diploma thesis, the task of identifying the manufacturer and model of a vehicle (VMMR) was implemented. In the first part, a dataset of vehicles was compiled for machine learning purposes that consists of images from the Internet. This resulted in over 6 million images of cars, buses, motorbikes and trucks usable for the VMMR task. Next, as part of the experiments, a standard classification was used on a part of the dataset, when the encoder is followed by a classification layer implemented using a neural network. Also an approach with a supervised contrastive learning method, clustering embeddings from encoder for easier classification, was used. Since the first mentioned approach returned more accurate results, it was used in the further experiments. There, a larger portion of images from our dataset was used for training a classifier for the VMMR task. Other classifiers were trained on the Stanford Cars and Comprehensive cars datasets. Lastly, when comparing the functionality of the classifiers on different datasets we have found that the classifier trained on our dataset performed the best.
|
|
|
Identifikace známých segmentů ve zvukovém signálu pomocí strojového učení
Pařízek, Radim ; Galáž, Zoltán (oponent) ; Zvončák, Vojtěch (vedoucí práce)
Bakalářská práce se věnuje návrhu systému pro identifikaci zvuků přírodního prostředí ve zvukovém záznamu. V práci jsou prozkoumány datasety a modely využívané pro tento typ úloh a je popsána jejich struktura. Byly navrhnuty systémy pro identifikaci zvuků v jedné vrstvě a ve dvou vrstvách pro sedm vybraných označení. Klasifikátor použitý pro tento systém byl vytvořen přetrénováním transformer modelu z platformy Hugging Face. Byly zhodnoceny výsledky dvou přístupů trénování a jednoho systému pro identifikaci.
|
|
|
Application for collecting security event logs from computer infrastructure
Žernovič, Michal ; Dobiáš, Patrik (oponent) ; Safonov, Yehor (vedoucí práce)
Computer infrastructure runs the world today, so it is necessary to ensure its security, and to prevent or detect cyber attacks. One of the key security activities is the collection and analysis of logs generated across the network. The goal of this bachelor thesis was to create an interface that can connect a neural network to itself to apply deep learning techniques. Embedding artificial intelligence into the logging process brings many benefits, such as log correlation, anonymization of logs to protect sensitive data, or log filtering for optimization a SIEM solution license. The main contribution is the creation of a platform that allows the neural network to enrich the logging process and thus increase the overall security of the network. The interface acts as an intermediary step to allow the neural network to receive logs. In the theoretical part, the thesis describes log files, their most common formats, standards and protocols, and the processing of log files. It also focuses on the working principles of SIEM platforms and an overview of current solutions. It further describes neural networks, especially those designed for natural language processing. In the practical part, the thesis explores possible solution paths and describes their advantages and disadvantages. It also analyzes popular log collectors (Fluentd, Logstash, NXLog) from aspects such as system load, configuration method, supported operating systems, or supported input log formats. Based on the analysis of the solutions and log collectors, an approach to application development was chosen. The interface was created based on the concept of a REST API that works in multiple modes. After receiving the records from the log collector, the application allows saving and sorting the records by origin and offers the user the possibility to specify the number of records that will be saved to the file. The collected logs can be used to train the neural network. In another mode, the interface forwards the logs directly to the AI model. The ingestion and prediction of the neural network are done using threads. The interface has been connected to five sources in an experimental network.
|
|
|
Aproximace funkcí stanovující aktivitu včelstva za pomoci neuronových sítí
Nevláčil, Jakub ; Ligocki, Adam (oponent) ; Honec, Peter (vedoucí práce)
Včely jsou jako hlavní opylovači neopomenutelným přínosem pro celosvětové zemědělství a produkci potravy. Nicméně v poslední době se jejich počty neustále snižují a to zejména kvůli klimatickým změnám, parazitům nebo vlivem používání pesticidů. Porozumění jejich chování a spolehlivé stanovení jejich aktivity a zdraví by mohlo výrazným způsobem předejít nebo zpomalit jejich úbytek. Proto se tato práce zabývá vývojem zařízení pro akvizici užitečných dat ze včelích úlů, které by mohly být použity ke stanovení aktivity a zdraví včel. Dále se tato práce zabývá analýzou těchto nashromážděných dat za pomoci metod strojového učení s důrazem na stanovení aktivity a zdraví včelstva.
|
|
|
Use of Neural Networks Within Constitution Models of Soils
Cigáň, Filip
This paper focuses on the innovative use of machine learning and neural networks in constitutive modelling of soils, a material with complex and nonlinear behaviour. Traditional constitutive models, based on Hooke’s law or the Mohr-Coulomb model, often show significant discrepancies from the real-world behaviour of soils, leading to high costs and uncertainties in construction projects. The aim of this work is to lay the groundwork for a neural network capable of learning and reproducing results that are closer to the real behaviour of soils than current constitutive models. This approach could bring about a revolutionary change in the fields of geotechnics and construction by providing more accurate and efficient models for analysis and design of structures. The results could lead to the optimization of materials, cost reduction, and increased safety and sustainability of construction projects. This interdisciplinary approach opens up new possibilities for research and applications, with the potential to significantly contribute to innovations in geotechnics and construction.
|
|
|
Essays on Data-driven, Non-parametric Modelling of Time-series
Hanus, Luboš ; Vácha, Lukáš (vedoucí práce) ; Witzany, Jiří (oponent) ; Ellington, Michael (oponent) ; Trimborn, Simon (oponent)
Tato dizertační práce se skládá ze čtyř článků přispívající k literatuře o datově řízeném a neparametrickém modelování časových řad. V prvním příspěvku studujeme synchronizaci hospodářských cyklů a navrhujeme vícerozměr- nou míru sladěnosti založenou na časové frekvenční kohezi. Naznačujeme, že ekonomická integrace může vést k vyšší sladěnosti hospodářských cyklů, což může odrážet výhody konvergence a koordinace hospodářských poli- tik. Druhý článek představuje novou metodiku pro identifikaci perzistence makroekonomických proměnných. Pomocí časově proměnných funkcí frek- venční odezvy identifikujeme heterogenní efekty perzistence v makroekono- mických proměnných USA. Třetí a čtvrtý článek navrhují metody založené na datech pro předpovídání distribucí časových řad s využitím strojového učení. Zavádíme vícevýstupovou neuronovou síť, která pro data vybírá nej- vhodnější rozdělení. Distribuční neuronová síť je přínosná pro modelování dat s nelineární, negaussovskou a asymetrickou strukturou. Třetí článek de- monstruje užitečnost této metody k odhadu informačně bohatých makroeko- nomických vějířových grafů a pravděpodobnostních předpovědí výnosů ak- cií. V posledním článku představujeme distribuční neuronovou síť k získání pravděpodobnostního rozdělení předpovědí cen elektřiny. Předpovídáme hodinové ceny...
|
host ::
RSS.