Národní úložiště šedé literatury Nalezeno 7 záznamů.  Hledání trvalo 0.02 vteřin. 
Detection of Fake News Using Machine Learning
Koreň, Matej ; Zbořil, František (oponent) ; Hříbek, David (vedoucí práce)
This thesis focuses on the use of machine learning in fake news detection. For this purpose, four models have been selected – Bayesian, Decision Tree, Support Vector Machine and a Neural Network. In five experiments on various datasets, these models were trained, tested, evaluated and compared with state-of-the-art methods. Final implementation is in the form of a Python package, which allows it’s users to replicate this procedure with their own data. Beyond the assignment, Slovak dataset Dezinfo SK was created.
Measuring the Thickness of Material Layers Removed from a Sample in an Electron Microscope
Kutálek, Jiří ; Hříbek, David (oponent) ; Čadík, Martin (vedoucí práce)
The motivation for this thesis arises from the aim of the Thermo Fisher Scientific company to develop a method for the measurement of thickness of material layers removed from a sample in an electron microscope. The primary goal of this work is to propose a more effective measurement method, from a practical point of view, compared to the existing ones. Besides, the secondary goal is finding a way to obtain a ground truth for the measurement, to be able to evaluate the proposed solution. This thesis introduces two new measurement methods, based on detecting a sample edge from images, and proposes an approach for obtaining the ground truth, lying in carving tiny circular features into the sample surface and detecting and counting their numbers in acquired images. I created three different datasets of images for evaluating the performance of the methods. The experimental results show that one of the proposed methods, the Top-Down FIB, measures consistent values, which are close to the expected average and performs slightly better than the state-of-the-art method, when compared to the ground truth. Moreover, the algorithm counting the circular features in image appears to be usable for obtaining the ground truth, as it produces more stable results than a ground truth created by manually annotating the data.
Active Learning for Work with Archive Materials
Štajerová, Alžbeta ; Hříbek, David (oponent) ; Rozman, Jaroslav (vedoucí práce)
The aim of this Master's thesis is to design and implement an OCR system for archival historical documents containing handwriting text. The first part of the thesis deals with the study of optical character recognition, the process of OCR pipepline. Then the topic of active learning and its methods is described. The thesis reviews the available solutions for recognition of handwritten historical documents. I further describe the neural network architectures used for text detection. The thesis results in the design and subsequent implementation of system for text recognition of historical documents, enabling user annotation, full-text search in annotation records.
Předpovídání vývoje časových řad
Dvořáček, Tomáš ; Rozman, Jaroslav (oponent) ; Hříbek, David (vedoucí práce)
Cílem této práce je navrhnout a implementovat program, který ze zadaného vstupu bude schopen analyzovat a predikovat budoucí vývoj univarietních a multivarietních časových řad. V řešení byly využity statistické přístupy a přístupy kdy se časová řada předpovídá pomocí neuronových sítí.
Metody pro shlukování a vyhledávání v obrazových datech z elektronových mikroskopů
Plachý, Tomáš ; Hříbek, David (oponent) ; Čadík, Martin (vedoucí práce)
Tato práce řeší problematiku shlukování obrázků z elektronové mikroskopie. Tyto obrázky lze shlukovat podle vizuální podobnosti nebo podle metadat zachycujících nastavení mikroskopu v době pořízení obrázku. Cílem práce je porovnat úspěšnosti obou výše zmíněných přístupů a prozkoumat možnost využití shlukování k rozdělení sady obrázků na obrázky korektní a obrázky zachycující chybu vzniklou při automatizované práci mikroskopu. Hlavním závěrem práce je zjištění, že mezi korektním a chybným obrázkem z elektronového mikroskopu je vizuální rozdíl i rozdíl v metadatech tak malý, že je pomocí shlukování bez učitele nelze správně odlišit. Pozitivním přínosem práce je ale demonstrování použitelnosti vybraných metod na automatické rozdělení sady obrázků do tříd odpovídajících různým fázím práce mikroskopu, což usnadní pracovníkům manuální analýzu obrázků.
Active Learning pro zpracování archivních pramenů
Hříbek, David ; Zbořil, František (oponent) ; Rozman, Jaroslav (vedoucí práce)
V teto praci je reseno vytvoreni systemu, ktery umoznuje nahrani a anotaci skenu historickych dokumentu a nasledne aktivni doucovani modelu pro rozpoznavani znaku (OCR) na dostupnych anotacich (vyznacenych radcich a jejich prepisech). V praci je popsan proces, klasifikovany techniky a uveden existujici system pro rozpoznavani znaku. Predevsim je kladen duraz na metody strojoveho uceni. Dale jsou vysvetleny metody aktivniho uceni a navrhnut zpusob doucovani OCR modelu z anotovanych skenu. Zbytek prace se zabyva konkretnim navrhem, implementaci, dostupnymi datasety, vyhodnocenim uspesnosti rozpoznavani znaku vlastnorucne vytvoreneho OCR modelu a testovanim celeho systemu.
Poloautomatická normalizace slov z matričních záznamů
Hříbek, David ; Zbořil, František (oponent) ; Rozman, Jaroslav (vedoucí práce)
V této práci je řešeno rozšíření webové aplikace DEMoS pro správu matričních záznamů o možnost normalizace (přiřazení normalizované podoby zápisu jednotlivým slovům) jmen, příjmení, povolání, obcí a dalších typů slov, která se vyskytují v matričních záznamech. V řešení byl použit proces detekce duplicitních záznamů, který umožnil roztřídění slov z matričních záznamů do shluků podobných slov. Díky vzniklým shlukům bylo následně možné sdílet normalizované varianty slov v rámci těchto shluků. Aplikace DEMoS tak pro uživatelem zadaná slova navrhuje normalizované varianty použité nejen u stejných slov, ale i u podobných slov. V rámci této práce bylo navrženo automatické testování úspěšnosti shlukování slov. Celkem bylo pro každý typ slov otestováno 640 různých kombinací parametrů shlukování. Následně byly pro každý typ slov vybrány nejlepší parametry shlukování. Díky normalizaci slov je v aplikaci DEMoS výrazně zvýšena efektivita vyhledávání matričních záznamů. Záznamy jsou také lépe čitelné.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.