|
|
Rekurentní neuronové sítě pro klasifikaci textů
Myška, Vojtěch ; Kolařík, Martin (oponent) ; Povoda, Lukáš (vedoucí práce)
Diplomová práce se zabývá návrhem neuronových sítí pro klasifikaci pozitivních a negativních textů. Vývoj probíhal v programovacím jazyce Python. Návrh modelů hlubokých neuronových sítí byl proveden pomocí vysokoúrovňového API Keras využívající knihovnu pro numerické výpočty TensorFlow. Výpočetní operace byly provedeny pomocí GPU využívající CUDA architekturu. Výstupem práce je jazykově nezávislý model neuronových sítí umožňující klasifikaci textů na úrovni znaků. Vzorky byly úspěšně klasifikovány až v 93,64% případů. Trénovací a testovací data byla poskytnuta vícejazyčnou a Yelp databází. Simulace byly provedeny na 1200000 anglických, 12000 českých, německých a španělských textů.
|
|
|
Handwritten text recognition using a sliding window
Ďuriš, Denis ; Povoda, Lukáš (oponent) ; Rajnoha, Martin (vedoucí práce)
This bachelor thesis deals with optical character recognition. It focuses on recognizing hand-written text. The theoretical introduction describes the methods used for optical character recognition and selected machine learning methods. Subsequently, the work describes two methods for making cutouts of characters, using a sliding window. Cutouts are used in training and testing datasets of machine learning models. The document includes methods to improve the accuracy of character recognition. The accuracy of the models is evaluated in conclusion. Charcters in cutouts are clasified by an automated recognition program.
|
|
|
Webový portál pro podporu výuky
Vicen, Šimon ; Povoda, Lukáš (oponent) ; Schimmel, Jiří (vedoucí práce)
Táto práca sa venuje problematike tvorby webovej stránky na podkladoch redakčného systému wordpress s prihlasovaním SSO cez prihlasovanie na stránkach VUT. Práca v postupných krokoch popisuje atribúty SSO a spôsoby, akými môžme tento cieľ dosiahnuť a zrealizovať vo webových službách. Ďalej sa práca venuje funkciám štandardu federácie eduid.cz a technológiam, ktoré jej slúžia. V praktickej časti sa práca venuje návrhu stránky, webovým aplikáciam, uložiskom prístupnym pre uživatelov a funkčnému prihlasovaniu cez stránky VUT s evidovaním prihlásených užívateľov.
|
|
|
Strojové porozumění textovým zprávám používaných v letectví
Lieskovský, Pavol ; Rajnoha, Martin (oponent) ; Povoda, Lukáš (vedoucí práce)
Táto práca sa zaoberá problematikou textovej správy NOTAM, ktorá sa používa v letectve. Dokumentuje rozdiel medzi textovou a digitálnou podobou správy NOTAM, špeciálne typy správ NOTAM a položky z ktorých sa správa NOTAM skladá. Popisuje syntax a funkcie programu, ktorý bol v rámci práce vytvorený. Program je plne schopný správneho spracovania a naparsovania správy NOTAM. Program dokáže do mapy vykresliť oblasti jednotlivých správ NOTAM a tiež poskytuje funkciu detekcie kolízie týchto oblastí s letovým plánom.
|
|
|
Nástroj pro automatické získávání informací z webu
Poliak, Jakub ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Bakalářská práce se zabývá vytvořením nástroje pro shromáždění kladných a záporných komentářů z jednoho předního čínského e-shopu do databáze. Ta bude následně využita pro tzv. hluboké učení umělé neuronové sítě, která má rozeznávat pozitivní a negativní význam z textu. Nástroj byl napsán v programovacím jazyce Java s využitím knihoven JSON-simple a jsoup.
|
|
|
Vytvoření databáze uměle zašumených audionahrávek v akusticky kontrolované místnosti
Hájek, Vojtěch ; Povoda, Lukáš (oponent) ; Harár, Pavol (vedoucí práce)
V této bakalářské práci se zabývám tvorbou databáze zvukových nahrávek a následným vytvoření databáze nahrávek hlasu, které byly nahrány v bezodrazové komoře. Databáze byla vytvořena tak, aby mohla být použita pro učení neuronové sítě s cílem oddělit řeč od hluku pozadí. Z tohoto důvodu jsou součástí databáze i záznamy hluků, které slouží pro umělé zašumění nahrávek hlasu. Dataset zahrnuje nahrávky 18 řečníků ve věku od 16 do 76 let. Polovina řečníků byli muži, polovina ženy. Dataset obsahuje 405 nahrávek hlasu o průměrné délce 46,7 vteřin a celkové délce 315 minut. Kombinací každé nahrávky hlasu s každou nahrávkou šumu ve třech úrovních odstupu signálu od šumu vzniklo 7290 uměle zašumených nahrávek hlasu.
|
|
|
Sběr dat ze sociální sítě Twitter
Kmeť, Juraj ; Povoda, Lukáš (oponent) ; Komosný, Dan (vedoucí práce)
Bakalárska práca sa zaoberá vytvorením aplikácie na zber dát zo sociálnej siete Twitter. Dáta sú zbierané v reálnom čase s rôznou dĺžkou trvania zberu. Teoretická časť hovorí o sociálnej sieti Twitter, približuje možnosti ako sa s ňou dá pracovať a to nie len z pohľadu bežného užívateľa, ale aj pre získavanie dát. Bakalárska práca identifikuje obmedzenia, ktoré je potrebné rešpektovať pri vytváraní Twitter aplikácií. Ďalej je popísaná sieť PlanetLab, ktorá je v dnešnej dobe rozšírená najmä u sieťových výskumníkov a vývojárov sieťových aplikácií. V druhej kapitole je priblížená história siete PlanetLab a taktiež jej odlišnosti od iných vývojárskych sietí. Praktická časť obsahuje jednotlivé kroky pre návrh aplikácie v programovacom jazyku Python. Priložený je tiež postup distribúcie vytvorenej aplikácie na vybrané zariadenia siete PlanetLab. V závere sú postupne analyzované zbery dát a maximálne dosiahnuté rýchlosti zbierania príspevkov vytvoreného systému.
|
|
|
Sémantické rozpoznávání komentářů na webu
Stříteský, Radek ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Hlavním cílem semestrálního projektu je rozpoznávání komentářů na webových strán- kách. Teoretická část je zaměřena na umělou inteligenci, zejména se zde popisují klasi- fikátory. Praktická část se věnuje sestavení trénovací databáze, která se vytváří pomocí generátorů příznaků. Vygenerovaný příznak může být například název HTML elementu, ve kterém se nachází komentář. Vstupem klasifikátorů je vytvořená trénovací databáze. Výsledkem práce je testování klasifikátorů v programu RapidMiner.
|
|
|
Hluboké učení pro klasifikaci textů
Kolařík, Martin ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Práce se zabývá rozborem současných metod strojového učení používaných pro emoční klasifikaci textových dat a testováním různých architektur neuronových sítí na problému binární klasifikace textů na pozitivní a negativní. Výstupem práce je návrh vlastní architektury hluboké konvoluční neuronové sítě, která je optimalizovaná pro problém a dosáhla úspěšnosti 79,9 procent. Navrhovaná metoda není závislá na použitém jazyce a je možno ji aplikovat i při využití méně detailně vytvořených vstupních trénovacích databází. Trénovací a testovací množina dat se skládala z kratších amatérských filmových recenzí v češtině a angličtině. Skripty byly psány v programovacím jazyce Python, využita byla knihovna pro modelování neuronových sítí Keras a výpočetní knihovna Theano. Kvůli zvýšení rychlosti výpočtu byly početní operace prováděny přes architekturu CUDA na grafické kartě. Součástí práce je také přehled teoretického základu pro práci s konvolučními neuronovými sítěmi a historie neuronových sítí.
|
|
| |
host ::
RSS.