|
| |
|
|
Artificial neural networks for pattern recognition
Kukačka, Marek ; Božovský, Petr (oponent) ; Mrázová, Iveta (vedoucí práce)
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.
|
|
|
Neuronové sítě vyšších řádů pro rozpoznávání vzorů
Ondrušek, Jiří ; Mrázová, Iveta (oponent) ; Štanclová, Jana (vedoucí práce)
Diplomová práce se zabývá studiem umělých neuronových sítí vyšších řádů pro rozpoznávání vzorů. Cílem práce je ověřit a otestovat modely neuronových sítí vyšších řádů použitelné pro rozpoznávání znaků české abecedy s ohledem na různé deformace (otočení, změnu velikosti, posunutí, ...). Jsou navrženy také modi fikace jednotlivých studovaných modelů s cílem zlepšit rozpoznávací vlastnosti modelů. Získané experimentální výsledky jsou shrnuty a vzájemně porovnány. Součástí práce je i zhodnocení získaných výsledků.
|
|
|
Dynamické Kohonenovy mapy a jejich struktura
Křižka, Radek ; Sýkora, Ondřej (oponent) ; Mrázová, Iveta (vedoucí práce)
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 morphing
Lessner, Daniel ; Mráz, František (oponent) ; Mrázová, Iveta (vedoucí práce)
Morphing je známý fi lmový vizuální efekt. Spočívá v plynulé přeměně jednoho obrazu na jiný. Tak se například postava filmu změní v medvěda. Realizace takového efektu vyžaduje pečlivou, soustředěnou a drahou práci animátora. Vývoj nástrojů a metod k řešení problémů srovnatelných aspoň částečně s lidským intelektem je předmětem oboru umělá inteligence. Systémy fungující zcela bez účasti člověka pracují často se samoorganizací. Tak se nazývá jev, kdy systém samovolně vykazuje komplexnější chování, než odpovídá možnostem jeho jednotlivých částí. Tato práce zkoumá možnosti nasazení samoorganizačních metod umělé inteligence v morphingu s cílem omezit nutnost lidské asistence. Součástí práce jsou informace o několika navržených postupech a výsledky experimentů s nejúspěšnějším z nich. Ukazuje se, že při splnění určitých podmínek lze dosáhnout kvalitních výsledků zcela samočinně.
|
|
|
Rozhodovací stromy
Jahoda, Miroslav ; Gregor, Petr (oponent) ; Mrázová, Iveta (vedoucí práce)
Mezi známé metody dobývání znalostí patří neuronové sítě, ILP, asociační pravidla, Bayesovské sítě, klastrování, rozhodovací stromy a další. Tato práce se zabývá právě rozhodovacími stromy, jejich implementací, vizualizací, extrakcí pravidel a také porovnáváním různých rozhodovacích stromů a modelů pro klasifikaci dat vůbec. Nedílnou součástí procesu dobývání znalostí je také předzpracování dat, které hraje důležitou roli a je také rozebíráno v této práci. Součástí této práce je i porovnání různých modelů rozhodovacích stromů jako CART, CHAID, C5.0 (See5) a jiných na množině 3 druhů dat. Nakonec jsou výsledky porovnány s výsledky na předzpracovaných datech pomocí PCA analýzy.
|
|
|
Knowledge Extraction from Data
Kozák, Vladislav ; Petříčková, Zuzana (oponent) ; Mrázová, Iveta (vedoucí práce)
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.
|
|
|
Processing of secondary structures in nucleic acids
Goldwein, Robert ; Kukačka, Marek (oponent) ; Mrázová, Iveta (vedoucí práce)
Předložená práce se zabývá studiem základních metod v bioinformatice - v novém a perspektivním odvětví informatiky. Vysvětluje vlastní pojmem bioinformatika, seznamuje s nutnými biologickými základy (molekuly DNA, RNA, proteiny, centrální dogma molekulární biologie) a se základními bioinformatickými pojmy (biologická sekvence a její primární a sekunární struktura). Dále demonstruje implementaci základních bioinformatických algoritmů a jejich použití na reálných datech (na viru slintavky a kulhavky) - vyhledávání motivů, nejdelší společná podsekvence a alignment sekvencí. Práce také seznamuje s vyššími strukturami, především pak se sekundární strukturou RNA.
|
|
|
Associative recall of damaged data
Lukešová, Jana ; Mrázová, Iveta (oponent) ; Štanclová, Jana (vedoucí práce)
V tejto práci sa zameriame na asociatívne pamäte ako jeden druh neurónových sietí a porovnáme ich jednotlivé modely vzhľadom na problematiku rozpoznávania neúplných priestorových vzorov. Uvažujeme tri typy asociatívnych pamätí: Hopeldovu sieť známu aj ako štandardná asociatívna pamäť, hierarchickú asociatívnu pamäť a kaskádovú asociatívnu pamäť. Denujeme porovnávacie kritériá a otestujeme jednotlivé modely na testovacích dátach podľa týchto kritérií. Zhodnotíme a porovnáme modely na základe výsledkov testov.
|
|
|
Implementace umělé inteligence v simulátoru strategické hry
Fürbach, Radek ; Chrpa, Lukáš (oponent) ; Mrázová, Iveta (vedoucí práce)
Cílem této práce je porovnání několika vybraných metod umělé inteligence ve specifikované strategické hře. Práce obsahuje tři části. První část specifikuje model strategické hry, na kterém jsou simulovány experimenty. Definuje objekty vyskytující se ve hře, vztahy mezi nimi a použité algoritmy. Druhá část specifikuje umělou inteligenci použitou ve strategické hře. Vysvětluje genetické algoritmy a uvádí několik metod selekcí, křížení a mutací. Popisuje některé základní umělé neuronové sítě a jejich architektury. Poslední část popisuje několik různých algoritmů umělé inteligence vycházejících z teorie v 2. části. Dále porovnává jejich výkonnost na simulovaných experimentech.
|
host ::
RSS.