|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil základný model Kohonenových máp a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil relatívne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viaceré učiace algoritmy RAN, RANKEF, MRAN, EMRAN a GAP. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
Rozhodovací stromy a extrakce znalostí
Vitinger, Jiří ; Mrázová, Iveta (vedoucí práce) ; Jiroutek, Pavel (oponent)
Cílem dobývání znalostí je získávat z dat závislosti či pravidla, k čemuž se používá velké množství netriviálních metod. Vybrané zástupce těchto metod představuje tato práce. Jedná se zejména o metody konstrukce rozhodovacích stromů ID3, C4.5 a CART, o metody založené na principu umělých neuronových sítí, mezi které patří vrstevnaté neuronové sítě typu zpětného šíření, sítě typu RBF, Kohonenovy mapy a různé varianty metody LVQ. Dále jsou v práci popsány klastrovací metody hierarchického shlukování, QT klastrování, klastrování metodou k-středů a jeho fuzzy obdoba. Prostor je zde věnován i technikám vhodným k předzpracování dat, jejichž správné provedení je důležitým předpokladem pro získání dobrých výsledků procesu dobývání znalostí. Experimentální část této práce porovnává popisované metody na základě testů na sadách reálných dat. Výsledky testů mohou být použity jako vodítko pro výběr nejlepší metody a jejích parametrů při dobývání znalostí z daných dat. K práci je přiložena vlastní implementace rozhodovacích stromů v jazyce C#, která umožňuje detailní sledování činnosti implementovaných metod C4.5 a CART. Aplikace poskytuje API pro programování vlastních algoritmů konstrukce rozhodovacích stromů.
|
|
|
Vrstevnaté neuronové sítě a vizualizace jejich struktury
Drobný, Michal ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Model vrstevnatých neuronových sítí je v současné době známý především díky svým univerzálním aproximačním schopnostem a již základní algoritmus zpětného šíření dává výsledky aplikovatelné v reálných problémech. Tato práce je věnována problematice vrstevnatých neuronových sítí, popisuje vybrané algoritmy pro adaptaci vah a prahů na základě předložených vzorů, především algoritmus zpětného šíření a algoritmus škálovaných konjugovaných gradientů, který řadíme mezi konvergenčně extrémně rychlé algoritmy druhého řádu. Součástí práce je také aplikace pro vizualizaci struktury vrstevnatých neuronových sítí implementující výše zmíněné algoritmy, jejíž řešení je navrženo s ohledem na její využití při výuce v oblasti umělé inteligence. První část práce je věnována úvodu do problematiky a popisu obou algoritmů, následuje stručné pojednání o dalších variantách algoritmů a jejich analýza. V další části je zdůvodněn výběr vhodného programovacího jazyka pro implementaci aplikace, stanovení cílů a popis implementačních prací. Závěrem jsou pak shrnuty výsledky rychlostního a implementačního porovnání implementovaných algoritmů s vybranou nekomerční implementací ENCOG.
|
|
|
Artificial neural networks and their application for 3D-data processing
Pihera, Josef ; Mrázová, Iveta (vedoucí práce) ; Holan, Tomáš (oponent)
Neuronové sítě představují efektivní prostředek pro zpracování multimediálních dat. Tato práce se zaměřuje na dvě možná použití umělých neuronových sítí na 3D povrchové modely - detekce významných rysů v datech a klasifikace modelů. Čtenáři je představen přehled existujících samo-organizačních neuronových sítí a následně i přehled dopředných a konvolučních neuronových sítí (CNN). Práce popisuje novou modifikaci existujícího modelu - N-dimenzionální konvoluční neuronové sítě (ND-CNN). Navržený model ND-CNN se podařilo rozšířit i o známé principy pro vynucování vhodné reprezentace znalostí. Vyvinuté teoretické postupy jsou vyhodnoceny na podpůrných experimentech s naskenovanými 3D modely tváří. První experiment se snaží detekovat významné obličejové rysy, zatímco druhý experiment klasifikuje modely tváří podle pohlaví za použití CNN a ND-CNN.
|
|
|
Klastrování ručně psaných znaků
Novák, Jiří ; Štanclová, Jana (vedoucí práce) ; Mrázová, Iveta (oponent)
Diplomová práce se zabývá srovnáním metod pro klasifi kaci izolovaných ručně psaných znaků. Cílem práce je analýza problému, porovnání různých klasifi kačních metod a metod pro extrakci příznaků. V práci se uvádí tři algoritmy založené na klastrování dat. Je to algoritmus k-středů, algoritmus k nejbližších sousedů a algoritmus iterativní optimalizace. Další tři zkoumané metody využívají neuronové sítě. Jsou následující: algoritmus kompetičního učení, algoritmus zpětného řízení chyby a Kohonenovy somoorganizační mapy. Tyto metody jsou otestovány a porovnány na základě procentuelní úspěšnosti při rozpoznávání znaků. Součástí práce je i porovnání a shrnutí vlastních výsledků.
|
|
|
Prototyp inteligentního rozhodování pro merchandising
Jakab, Gergely ; Král, Jaroslav (vedoucí práce) ; Mrázová, Iveta (oponent)
Jednou z užívaných praktik merchandisingu je snaha umístit v prodejně správný produkt na správné místo ve správný čas a se správnou cenou, aby si zákazník daného produktu všimla uvědomil si, že ho potřebuje nebo že je to dobrá koupě. Tato práce analyzuje možnosti algoritmizace procesu návrhu rozmístění aby bylo možné napovídat merchandiserovi, které produkty se vyplatí umístit do skříní a jak. K určení nejlepších produktů se produkty ohodnotí podle analýzy dat o prodeji. Na základě tohoto ohodnocení se vyberou nejvýnosnější produkty, pro které se navrhne vhodné rozmístění do polic. Podle výsledků obecné analýzy je navržen systém pro automatizaci procesu ve formě rozšíření jednoho existujícího softwaru. Na základě tohoto návrhu se vytvoří prototypová implementace.
|
|
|
Dynamické Kohonenovy mapy a jejich struktura
Křižka, Radek ; Mrázová, Iveta (vedoucí práce) ; Sýkora, Ondřej (oponent)
Tato diplomová práce se zabývá jedním z nejpoužívanějších modelů umělých neuronových sítí, a to Kohonenovými samoorganizujícími se mapami. Podrobně popíšeme jednotlivé modely Kohonenových map, provedeme jejich analýzu a vzájemné porovnání. Funkčnost, robustnost, míru zobecňování a další důležité vlastnosti modelů nejdříve ověřujeme na umělých vstupních datech. Možnosti jejich skutečné použití v praxi a vlastnost vybraných typů Kohonenových map jsou testovány na reálných datech z oblasti nehodovosti v silniční dopravě. Zaměřujeme se přitom na detekci důležitých vstupních atributů dat. Zkoumáme možnosti řešení zajímavých otázek a aspektů silniční dopravy pomocí modelů Kohonenových map. V závěru práce je shrnuta celková analýza dosažených výsledků a návrhy možných variant modifikací, které by mohly zlepšit vlastnosti uvažovaných modelů.
|
|
|
Samoorganizace a umělé neuronové sítě pro extrakci znalostí
Aharkava, Larysa ; Mrázová, Iveta (vedoucí práce) ; Iša, Jiří (oponent)
Neuronové sítě jsou často využívány k predikci finančních časových řad. Předpovídání budoucích hodnot však skrývá řadu problémů, které často znemožní vytvoření protabilního obchodního systému. V této diplomové práci jsem popsala dva typy neuronových sítí - Kohonenovy mapy a sítě založené na algoritmu zpětného šíření. Na základě těchto dvou přístupů jsem zkonstruovala a následně otestovala dva obchodní modely. V obecnější rovině jsem se také věnovala popisu speci k Forexu (Foreign exchange market) a možnostem využití neronových sítí na těchto trzích.
|
|
|
Artificial neural networks for pattern recognition
Kukačka, Marek ; Mrázová, Iveta (vedoucí práce) ; Božovský, Petr (oponent)
V této práci jsou popsány možnosti, výhody a nevýhody využití neuronových sítí při rozpoznávání vzorů. Je představeno několik modelů neuronových sítí použitelných pro tuto úlohu. Standartní vícevrstvá perceptronová síť je porovnávána se so stikovanější konvoluční sítí. Práce také představuje nový model, inspirovaný konvolučními sítěmi, jehož účelem je odstranit některé jejich nedostatky. Práce popisuje výsledky testů porovnávajících výsledky popsaných neuronových sítí na úloze rozpoznávání ručně psaných číslic.
|
|
|
Knowledge Extraction from Data
Kozák, Vladislav ; Mrázová, Iveta (vedoucí práce) ; Petříčková, Zuzana (oponent)
Predmetom diplomovej práce je zhrnutie celkového procesu dobývania znalostí z dát a popis existujúcich algoritmov na predspracovanie dát a tvorbu modelu. Vlastnosti algoritmov sú navzájom porovnané a výsledky podložené opakovateľnými testami. Získané znalosti sú použité a aplikované na 2 úlohách z praxe. Súčasťou diplomovej práce bola tiež tvorba aplikácie na dobývanie znalostí z dát. Pri vývoji aplikácie sa kládol dôraz na robustnosť, použiteľnosť, intuitívnosť ovládania ako aj široké spektrum implementovaných algoritmov na dobývanie znalostí z dát.
|
host ::
RSS.