Hlavní stránka > Výsledky hledání: Hübsch, Ondřej
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Reducing Number of Parameters in Convolutional Neural Networks
 Hübsch, Ondřej ; Pilát, Martin (vedoucí práce) ; Neruda, Roman (oponent)
V současné době hlubokého učenı́ se často použı́vajı́ konvolučnı́ neuronové sı́tě jako základ systémů zpracovávajı́cı́ch obrázky nebo videa. Mnoho exis- tujı́cı́ch architektur takových sı́tı́ je ale zbytečně přeparametrizováno a jejich výsledky mohou být dosáhnuty také pomocı́ alternativ, které použı́vajı́ mnohem méně parametrů. Našı́m cı́lem v této práci je navrhnout metodu, která by byla schopna hledat takové alternativnı́ architektury na základě nějaké již existujı́cı́ konvolučnı́ sı́tě. Navrhujeme obecné schéma k redukci architektur, a vyhodnocu- jeme tři různé metody, jak v takovém schématu najı́t co možná nejlepšı́ reduko- vanou architekturu. Experimenty provádı́me na architekturách ResNet a Wide ResNet nad datasetem CIFAR-10. Nejlepšı́ navržená metoda zvládá redukovat počet parametrů o 75-85% bez libovolné ztráty přesnosti i v těchto již relativně úsporných architekturách. 1
Úplný záznam
Core Fidelity of Translation Options in Phrase-Based Machine Translation
 Hübsch, Ondřej ; Bojar, Ondřej (vedoucí práce) ; Libovický, Jindřich (oponent)
Jeden z často používaných přístupů ve strojovém překladu je tzv. frázový překlad. Ten překládá po krátkých úsecích slov - překládaná věta je nejprve rozdělena na malé části, ty jsou přeloženy nezávisle na sobě a následně jsou seskládány zpět dohromady. Překlady těchto krátkých částí se příslušný model naučí dopředu z velkého množství dvojjazyčných vět. Cílem této práce je detekce sémantických chyb v takto naučených překladech krátkých úseků. Jedním ze zdrojů potenciálních problémů může být horší kvalita trénovacích dat; naprosto odpovídající si sady stejných vět jsou totiž velmi vzácné. Horší jsou ale chyby způsobené některými prvky českého jazyka, zejména zdvojené negace - ty totiž způsobí, že vypro- dukované překlady mohou mít zcela protikladný význam k významu vstupní věty. V práci jsme nejprve zkusili poupravit již existující přístupy k filtrování modelů (aby nemohly překládat protikladně). Tyto existující metody se ale příliš neosvědčily, proto jsme navrhli a natrénovali vlastní model založený na neuronových sítích. Ten pro daný frázový pár řekne pravděpodobnost, s jakou si myslí, že je tento pár sémanticky korektní. Vyzkoušeli jsme, nakolik pomáhá...
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English