|
|
Využití modelů v jazyce Modelica v prostředí Matlab-Simulink
Glos, Jan ; Blaha, Petr (oponent) ; Václavek, Pavel (vedoucí práce)
Tato diplomová práce řeší použití modelů vytvořených v jazyce Modelica v prostředí Matlab/Simulink. První část práce se věnuje jazyku Modelica a standardu Functional Mock-up Interface, což je standard pro výměnu a souběžnou simulaci dynamických modelů, který je podporován ve většině modelovacích nástrojů pro jazyk Modelica. Na základě tohoto standardu byl vytvořen nástroj FMUtoolbox doplňující prostředí Matlab/Simulink o možnost načtení a simulace modelů ve formátu Functional Mock-up Unit. Nástroj poskytuje blok pro Simulink, grafické uživatelské rozhraní a možnost ovládání prostřednictvím příkazové řádky.
|
|
|
Modelování a řízení systému FytoScope
Stoklásek, Petr ; Glos, Jan (oponent) ; Blaha, Petr (vedoucí práce)
Práce se zabývá modelováním komory, která slouží k pěstování rostlin za definovaných podmínek. První část je věnována rešerši o termodynamice a problematice vlhkého vzduchu. V další části byl navržen model popisující komoru. Při následné identifikaci byla ověřena funkčnost modelu a byly určeny jeho parametry. Na základě znalosti modelu byl navržen regulační algoritmus, který byl implementován do řídicí jednotky a prakticky vyzkoušen.
|
|
|
Deep Learning AI in Game Environments
Glós, Kristián ; Bobák, Petr (oponent) ; Polášek, Tomáš (vedoucí práce)
This thesis is focused on analysing deep learning algorithms and their ability to complete given tasks implemented in game environments created via the Unity game engine. Secondary objective was to research and specify possible use-cases of deep learning during game development. The algorithms used fall into Reinforcement learning, Imitation learning and Neuroevolution, while Reinforcement learning was used throughout the whole game scene development cycle. Analysis and results were collected through training the networks in different game scene states and other factors.
|
|
|
Využití sítí typu GAN pro zpřesňování detekce a rozpoznávání dopravních značek
Glos, Michal ; Musil, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce bylo rozšíření datové sady pro detekci dopravních značek. K řešení byly použity generativní neuronové sítě typu PatchGAN a Wasserstein GAN, kombinující architektury DenseNet a U-Net. Modely byly navrženy k syntéze snímků reálně vypadajících dopravních značek z obrázků jejich norem. Model pro detekci objektů typu SSD, natrénován pouze na syntetických datech, dosáhl přesnosti 59.6 % mAP, což je o 9.4 % lepší výsledek oproti referenčnímu modelu, natrénovaném pouze na původních datech. V případě natrénování modelu na kombinaci syntetických a původních dat, dosáhl SSD model přesnosti až 80.1 % mAP.
|
|
|
Deep Learning AI in Game Environments
Glós, Kristián ; Bobák, Petr (oponent) ; Polášek, Tomáš (vedoucí práce)
This thesis is focused on analysing deep learning algorithms and their ability to complete given tasks implemented in game environments created via the Unity game engine. Secondary objective was to research and specify possible use-cases of deep learning during game development. The algorithms used fall into Reinforcement learning, Imitation learning and Neuroevolution, while Reinforcement learning was used throughout the whole game scene development cycle. Analysis and results were collected through training the networks in different game scene states and other factors.
|
|
|
Využití sítí typu GAN pro zpřesňování detekce a rozpoznávání dopravních značek
Glos, Michal ; Musil, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce bylo rozšíření datové sady pro detekci dopravních značek. K řešení byly použity generativní neuronové sítě typu PatchGAN a Wasserstein GAN, kombinující architektury DenseNet a U-Net. Modely byly navrženy k syntéze snímků reálně vypadajících dopravních značek z obrázků jejich norem. Model pro detekci objektů typu SSD, natrénován pouze na syntetických datech, dosáhl přesnosti 59.6 % mAP, což je o 9.4 % lepší výsledek oproti referenčnímu modelu, natrénovaném pouze na původních datech. V případě natrénování modelu na kombinaci syntetických a původních dat, dosáhl SSD model přesnosti až 80.1 % mAP.
|
|
|
Modelování a řízení systému FytoScope
Stoklásek, Petr ; Glos, Jan (oponent) ; Blaha, Petr (vedoucí práce)
Práce se zabývá modelováním komory, která slouží k pěstování rostlin za definovaných podmínek. První část je věnována rešerši o termodynamice a problematice vlhkého vzduchu. V další části byl navržen model popisující komoru. Při následné identifikaci byla ověřena funkčnost modelu a byly určeny jeho parametry. Na základě znalosti modelu byl navržen regulační algoritmus, který byl implementován do řídicí jednotky a prakticky vyzkoušen.
|
|
|
Využití modelů v jazyce Modelica v prostředí Matlab-Simulink
Glos, Jan ; Blaha, Petr (oponent) ; Václavek, Pavel (vedoucí práce)
Tato diplomová práce řeší použití modelů vytvořených v jazyce Modelica v prostředí Matlab/Simulink. První část práce se věnuje jazyku Modelica a standardu Functional Mock-up Interface, což je standard pro výměnu a souběžnou simulaci dynamických modelů, který je podporován ve většině modelovacích nástrojů pro jazyk Modelica. Na základě tohoto standardu byl vytvořen nástroj FMUtoolbox doplňující prostředí Matlab/Simulink o možnost načtení a simulace modelů ve formátu Functional Mock-up Unit. Nástroj poskytuje blok pro Simulink, grafické uživatelské rozhraní a možnost ovládání prostřednictvím příkazové řádky.
|
host ::
RSS.