Národní úložiště šedé literatury Nalezeno 4 záznamů.  Hledání trvalo 0.01 vteřin. 
Konvoluční neuronové sítě
Lietavcová, Zuzana ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Táto práca sa zaoberá problematikou učenia konvolučných neuronových sietí.  Ide o druh hlbokých neuronových sietí, ktoré sa v súčasnosti hojne používajú predovšetkým v oblasti rozpoznávania obrazu a spracovania prirodzeného jazyka. Práca popisuje špecifiká konvolučných neuronových sietí oproti tradičným neuronovým sieťam a zameriava sa na vnútorné výpočty, ktoré realizujú pri učení. Konvolučné neurónové siete sa typicky skladajú z niekoľkých typov vrstiev neurónov a cieľom práce je demonštrovať výpočet jednotlivých typov vrstiev. V práci bol navrhnutý a implementovaný demonštračný program učenia jednoduchej konvolučnej siete s využitím vlastnej implementácie neurónovej siete. Správnosť implementácie bola overená natrénovaním siete pre riešenie klasifikačnej úlohy, boli vykonané experimenty s rôznymi architektúrami sietí a ich výsledky porovnané.
Pokrytím řízené testování vícevláknových programů
Lietavcová, Zuzana ; Šimková, Hana (oponent) ; Letko, Zdeněk (vedoucí práce)
Tato práce se zabývá problematikou hledání chyb ve vícevláknových programech pomocí techniky pokrytím řízeného testování, jak je chápáno ve studovaném nástroji Maple. Testování se se skládá ze dvou fází. V první fázi se buduje množina pokrytelných chování testovaného programu. Následně se algoritmus snaží dosáhnout těchto chování za pomoci deterministického vykonání testu.Hlavní přínos práce spočívá v uceleném popisu nástroje Maple, včetně technických detailů.Na základě studia jsou identifikovány slabá místa. Některé z nich, konkrétně využívání náhodného rozhodování a prioritizace vynucovaných chování, jsou blíže studovány.Výsledkem je několik úprav nástroje Maple, ze kterých některé vedou k většímu počtu úspěšných dosažení chování a v určitých případech k vyššímu počtu vyvolání chyb, což je experimentálně demonstrováno na sadě vícevláknových programů.
Konvoluční neuronové sítě
Lietavcová, Zuzana ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Táto práca sa zaoberá problematikou učenia konvolučných neuronových sietí.  Ide o druh hlbokých neuronových sietí, ktoré sa v súčasnosti hojne používajú predovšetkým v oblasti rozpoznávania obrazu a spracovania prirodzeného jazyka. Práca popisuje špecifiká konvolučných neuronových sietí oproti tradičným neuronovým sieťam a zameriava sa na vnútorné výpočty, ktoré realizujú pri učení. Konvolučné neurónové siete sa typicky skladajú z niekoľkých typov vrstiev neurónov a cieľom práce je demonštrovať výpočet jednotlivých typov vrstiev. V práci bol navrhnutý a implementovaný demonštračný program učenia jednoduchej konvolučnej siete s využitím vlastnej implementácie neurónovej siete. Správnosť implementácie bola overená natrénovaním siete pre riešenie klasifikačnej úlohy, boli vykonané experimenty s rôznymi architektúrami sietí a ich výsledky porovnané.
Pokrytím řízené testování vícevláknových programů
Lietavcová, Zuzana ; Šimková, Hana (oponent) ; Letko, Zdeněk (vedoucí práce)
Tato práce se zabývá problematikou hledání chyb ve vícevláknových programech pomocí techniky pokrytím řízeného testování, jak je chápáno ve studovaném nástroji Maple. Testování se se skládá ze dvou fází. V první fázi se buduje množina pokrytelných chování testovaného programu. Následně se algoritmus snaží dosáhnout těchto chování za pomoci deterministického vykonání testu.Hlavní přínos práce spočívá v uceleném popisu nástroje Maple, včetně technických detailů.Na základě studia jsou identifikovány slabá místa. Některé z nich, konkrétně využívání náhodného rozhodování a prioritizace vynucovaných chování, jsou blíže studovány.Výsledkem je několik úprav nástroje Maple, ze kterých některé vedou k většímu počtu úspěšných dosažení chování a v určitých případech k vyššímu počtu vyvolání chyb, což je experimentálně demonstrováno na sadě vícevláknových programů.

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