|
|
The decision boundary
Gróf, Zoltán ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
The main aim of this master's thesis is to describe the subject of the implementation of decision boundaries with the help of artificial neural networks. The objective is to present theoretical knowledge concerning this field and on practical examples prove these statements. The work contains basic theoretical description of the field of pattern recognition and the field of feature based representation of objects. A classificator working on the basis of Bayes decision is presented in this part, and other types of classificators are named as well. The work then deals with artificial neural networks in more detail; it contains a theoretical description of their function and their abilities in the creation of decision boundaries in the feature plane. Examples are shown from literature for the use of neural networks in corresponding problems. As part of this work, the program ANN-DeBC was created using Matlab, for the generation of practical results about the usage of feed-forward neural networks for the implementation of decision boundaries. The work contains a detailed description of this program, and the achieved results are presented and analyzed. It is shown as well, how artificial neural networks are creating decision boundaries in the form of geometrical shapes. The effects of the chosen topology of the neural network and the number of training samples on the success of the classification are observed, and the minimal values of these parameters are determined for the successful creation of decision boundaries at the individual examples. Furthermore, it's presented how the neural networks behave at the classification of realistically distributed training samples, and what methods can affect the shape of the created decision boundaries.
|
|
|
Soutěže v umělé inteligenci
Šafář, Pavel ; Hynčica, Tomáš (oponent) ; Honzík, Petr (vedoucí práce)
Práce se zabývá oborem umělé inteligence a především soutěžemi, které v tomto oboru probíhají nebo probíhaly. Jedná se o soutěže související s obory robotiky, počítačového vidění, komunikace, predikce časových řad a herních programů. Dále je zkoumáno použití neuronové sítě jako nástroje pro řešení problému piškvorek. Neuronová síť zpracovává dané herní situace a nastavuje hodnoty výstupů podle předem naučených vzorů.
|
|
|
Bezdrátový prenos obrazu
Hynčica, Tomáš ; Fiedler, Petr (oponent) ; Bradáč, Zdeněk (vedoucí práce)
Práce se zabývá problematikou bezdrátového přenosu obrazové informace z CCD kamery. Řeší problematiku komunikace s kamerou se sériovým vstupem. Podle požadavků na výsledný systém je zvolen hardware pro obslužný modul kamery. Ten je také vybaven potřebným software. Dále je naprogramován software pro koordinátora bezdrátové sítě. Ovládání celého systému a ukládání snímků obstarává vytvořený řídicí program běžící na PC.
|
|
|
Příprava scény pro detekci elektronických součástek
Hynčica, Tomáš ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
Práce se zabývá řešením projektu automatizované výroby hrotu na ladičce oscilátoru (tuning fork with tip) pro mikroskop atomárních sil – AFM. Z důvodu proměnlivosti parametrů hrotů na ladičce oscilátoru vyráběných dosavadní ruční metodou (každý hrot je jiný) je vyvinuto výrobní zařízení, které odbourává nedostatky dosavadního ručního řešení – konstantní parametry. Práce obsahuje popis hardwarového a softwarového vybavení tohoto zařízení na výrobu.
|
|
|
Rozpoznávání registračních značek
Trkal, Ondřej ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Tato práce se zabývá rozpoznáváním státních poznávacích značek pomocí neuronových sítí s typem učení backpropagation. V teoretické části textu je stručně shrnuta teorie principu vytváření nových registračních značek, počítačového vidění a vícevrstvých neuronových sítí se způsobem učení typu backpropagation. V praktické části je popsán návrh metod sloužících k rozpoznávání jednořádkových registračních značek osobních automobilů v České republice. V práci bylo vyzkoušeno několik způsobů popisu značek a byl zkoumán vliv těchto popisů a topologie neuronové sítě na kvalitu rozpoznávání registračních značek.
|
|
|
Segmentace barevných snímků pomocí umělé neuronové sítě
Zátopek, Michal ; Jirsík, Václav (oponent) ; Hynčica, Tomáš (vedoucí práce)
Bakalářská práce se zabývá možnostmi využití umělých neuronových sítí v oblasti segmentace barevného obrazu. Popisuje umělé neuronové sítě obecně od základních pojmů. Nejprve se věnuje rozboru základních modelů využívaných pro segmentaci barevného obrazu a jejich porovnání. Z těchto sítí je vybrán nejvhodnější kandidát pro řešení zadaného problému (segmentace obrazu s vyčleněným objektem zájmu). Dále se věnuje popsání některých barevných modelů využívaných pro reprezentaci barev. Modely jsou porovnány a na základě jejich vlastností je vybrán nejvhodnější. Na základě předchozích výběrů, neuronové sítě a barevných prostorů, je vytvořena aplikace pro segmentaci vstupního obrazu. S její pomocí se otestují vybrané barevné modely z hlediska kvality segmentace.
|
|
|
Dolování dat
Stehno, David ; Hynčica, Tomáš (oponent) ; Honzík, Petr (vedoucí práce)
Cílem diplomové práce bylo nastudovat a popsat metodologii dolování dat CRISP-DM. Ze získané databáze byla prováděna predikce počtu hovorů na call centrum, přičemž bylo postupováno podle metodiky CRISP-DM. Ve fázi modelování byly použity 4 druhy modelů a to K-NN, neuronová síť, lineární regrese a model využívající metodu podpůrných vektorů. Pomocí různých druhů selekcí bylo zhodnoceno, které vstupní atributy mají důležitou roli pro výslednou predikci. Získané výsledky a poznatky mohou v budoucnu sloužit pro přesnější předpovědi nejen počtu hovorů, ale i jiných ukazatelů, důležitých pro call centrum.
|
|
|
Rozpoznávání číslic
Gorgol, Martin ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Tato práce popisuje základní pojmy a principy v oboru neuronových sítí. Blíže se pak zabývá problematikou rozpoznávání číslic pomocí těchto sítí, konkrétně pak pomocí metody back-propagation. Je zde rozebrán postup při volbě sady příznaků, typů příznaků a volbě topologie neuronové sítě. Cílem je získání konkrétních výsledků pomocí programu pro práci s neuronovými sítěmi.
|
|
|
Kohonenova síť
Kaňa, Michal ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
V bakalářské práci je stručně popsána problematika umělých neuronových sítí, konkrétně poté samoorganizujících neuronových sítí a jejich využití. Práce se hlouběji věnuje problematice Kohonenovy samoorganizující sítě, popisem principu jejího učení a aplikací v praxi. V praktické části se práce zabývá problematikou nastavení počatečních vah neuronů v Kohonenově síti a jejich vlivem na konečnou pozici vítězného neuronu. U zvolené tréninkové množiny tento vliv demonstruje pomocí programového prostředí MATLAB.
|
|
|
Kohonenova síť
Fic, Miloslav ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce se zabývá problematikou samoorganizujících neuronových sítí a jejich učícím mechanismem. Je rozebráno učení, aktivace a aplikace Kohonenovy sítě. Část bakalářské práce je věnována programu Kohonenovy neuronové sítě. Praktická část práce obsahuje citlivostní analýzu výsledného stavu sítě na učící parametry a jejich vliv na průběh učení. Na zvolených variacích parametrů učení je zkoumán vliv počátečního nastavení vah na výslednou „pozici“ vítězných neuronů.
|
host ::
RSS.