|
|
Malý modulární reaktor
Mareček, David ; Šnajdárek, Ladislav (oponent) ; Kracík, Petr (vedoucí práce)
Tato bakalářská práce se zabývá novým perspektivním typem jaderných reaktorů, a to malými modulárními reaktory (MMR). Zahrnut je stručný úvod do základů jaderné energetiky, jaderné fyziky a jejich historie. Jsou definovány základní pojmy spojené s MMR a pojem MMR sa-motný. Dále jsou uvedeny jednotlivé vlastnosti MMR a jejich výhody. Obsažen je také popis 9 typů MMR a jejich porovnání. Zahrnuta je i podrobnější charakteristika 10 nejpokročilejších projektů MMR a jejich srovnání. Nechybí také přehled legislativních požadavků pro uplatnění MMR v České republice. Jako poslední je uvedeno, proč by mělo dojít k uplatnění MMR v nízkoemisní energetice a také možnosti jejich využití.
|
|
|
Parkovací asistent
Mareček, David ; Dluhoš, Ondřej (oponent) ; Kubát, David (vedoucí práce)
Tato práce se zabývá návrhem a realizací parkovacího asistenta. Seznamuje s typy senzorů pro měření vzdálenosti a možnostmi využití kamerového systému. Při realizaci je využíváno ultrazvukových senzorů, konkrétně dálkoměrů SRF08 a webových kamer. Také bylo navrženo a implementováno uživatelské rozhraní, které slučuje údaje z jednotlivých senzorů. Parkovací asistent obsahuje funkci pro detekci hran, zvukovou a grafickou signalizaci vzdálenosti spolu s možností automatického nočního režimu.
|
|
|
Strategie budování značky podniku
Botek, Aleš ; Mareček, David (oponent) ; Zich, Robert (vedoucí práce)
Diplomová práce je zaměřena na stanovení strategie budování značky podniku StarkGlass, který se zaměřuje na online prodej ochranných fólií pro mobilní telefony. Práce zkoumá především zkušenosti stávajících zákazníků značky, které následně využívá pro návrhy ke zlepšení a pro určení budoucí strategie budování značky StarkGlass.
|
|
|
Příprava grafenových vzorků pro experimenty v UHV podmínkách
Mareček, David ; Mach, Jindřich (oponent) ; Čechal, Jan (vedoucí práce)
Tato bakalářská práce pojednává o elektrické vodivosti grafenu a přípravě grafenového polem řízeného tranzistoru. Teoretická část popisuje elektrické vlastnosti grafenu, jeho přípravu pomocí metody CVD a přenos na SiO_2. Experimentální část této práce se zabývá přípravou grafenového polem řízeného tranzistoru s velkou vzdáleností elektrod. Kapitola se věnuje návrhu držáku vzorku a přivedením kontaktů v UHV podmínkách. Poslední část popisuje naměření závislosti vodivosti grafenové vrstvy na hradlovém napětí se zřetelem na polohu Diracova bodu při úpravě vzorku v UHV podmínkách.
|
|
|
Vliv elektronového svazku na grafenové polem řízené tranzistory
Mareček, David ; Čech,, Vladimír (oponent) ; Čechal, Jan (vedoucí práce)
Tato diplomová práce se věnuje elektrické vodivosti grafenu, přípravě grafenového polem řízeného tranzistoru a jeho ozařování elektronovým svazkem. Teoretická část popisuje elektrické vlastnosti grafenu, jeho přípravu pomocí metody CVD a přenos na křemíkový substrát s vrstvou SiO_2. Experimentální část této práce se zabývá přípravou grafenového polem řízeného tranzistoru pro použití v UHV podmínkách. Dále popisuje skenování elektronového svazku přes vyrobený tranzistor a tvorbu proudových map tranzistoru. V poslední části se věnuje vlivu elektronového svazku na transportní vlastnosti grafenové vrstvy a dotování grafenové vrstvy, indukované elektronovým svazkem.
|
|
|
Automatic detection of fake-news on Slovak texts
Romanský, Patrik ; Mareček, David (vedoucí práce) ; Novák, Michal (oponent)
Šírenie fake-news je dlhodobým problémom, ale v posledných rokoch sa stáva ešte výraznejším. Preto sme v tejto práci analyzovali problém ich automatickej detekcie ako úlohu klasifikácie textu. Práca sa od iných, jej podobných štúdií, odlišuje primárne v tom, že sa zameriava na slovenčinu, kde doposiaľ nebola vykonaná takáto rozsiahla sada experi- mentov. Počas testov sme vytvorili vybalansovaný dataset. Vykonali sme taktiež viac ako 80 experimentov s cieľom nájsť optimálny klasifikátor pre riešenie tohto problému. Ako prvý sme použili predtrénované jazykové modely typu Transformer (BERT, mBERT, Ro- BERTA, XLM-RoBERTa a SlovakBERT) a pomocou štandardných metrík sme porovnali ich výkonnosť s inými metódami strojového učenia. Pre fine-tuning sme použili aj ang- lické datasety LIAR a COVID19 FN, na ktorých sme otestovali vplyv témy fake-news a prenos vlastnosti medzi jazykmi. Najlepšie výsledky dosiahol SlovakBERT v kombiná- cii s tréningom na výlučne slovenskom datasete (acc = 0, 9610). 1
|
|
|
Unsupervised segmentation of Gregorian chant melodies for exploring chant modality
Lanz, Vojtěch ; Hajič, Jan (vedoucí práce) ; Mareček, David (oponent)
Gregoriánský chorál, jako ústní hudební tradice, byl prováděn zpěváky, kteří se museli naučit tisíce melodií. Každá melodie má několik vlastností, z nichž jednou je, do jakého modu v rámci modálního systému patří. Pro pochopení principů vyučování chorálových melodií může být užitečné rozložit melodie na menší jednotky a analyzovat jejich vz- tah k modalitě. V této práci porovnáváme modely neřízené segmentace založené na Bayesovských metodách s těmi, které využívají neuronové sítě. Jejich schopnost segmen- tovat chorální melodie měříme námi navrženými metrikami s cílem prozkoumat vlastnosti chorálů, jak v kontextu modality, tak v kontextu řešení problému se zapamatováním si všech zpěvů. K tomuto účelu máme k dispozici dva datasety: jeden s více než třinácti tisíci antifonami a druhý s více než sedmi tisíci responsorií. Zjistili jsme, že metoda založená na Pitman-Yor procesu je pro tuto konkrétní úlohu vhodnějším modelem než BERT, zejména námi navržený podmíněný model Pitman-Yor procesu, který segmentuje každý modus samostatně. Uvádíme několik jasných argumentů, že modalita úzce souvisí se segmentací melodií. Rovněž zpochybňujeme tvrzení, že přirozená segmentace podle slov nebo slabik chorálu je z hlediska klasifikace modů nejlepší (Cornelissen et al. [2020]), a poskytujeme doposud nejlepší výsledek v úloze...
|
|
|
Automatické generování Einsteinových hádanek v přirozeném jazyce
Hubená, Michaela ; Mareček, David (vedoucí práce) ; Hajič, Jan (oponent)
V rámci bakalářské práce byla vytvořena aplikace na příkazové řádce pro generování Einsteinových hádanek v přirozeném jazyce pomocí jazyko- vého modelu GPT-3 (generativní předtrénovaný Transformer třetí generace). Pro generování Einsteinových hádanek byla použita metoda few-shot, kdy je jazykovému modelu kromě zadání požadované úlohy předáno i několik vy- řešených příkladů této úlohy, pomocí kterých se má jazykový model úlohu naučit přímo při generování. Vytvořená aplikace umožňuje generovat Einstei- novy hádanky různých velikostí a obtížností na libovolné téma v českém či anglickém jazyce. Při generování je kladen důraz na kreativitu a originalitu Einsteinových hádanek.
|
|
|
Vývoj mobilní aplikace a generátoru otázek pro hru Desítka
Tomiška, Tadeáš ; Mareček, David (vedoucí práce) ; Rosa, Rudolf (oponent)
Tato bakalářská práce se zaměřuje na vytvoření mobilní aplikace pro Android. Apli- kace umožní hrát online verzi hry Desítka od společnosti Mindok. Součástí práce je i vy- tvoření otázek pro hru. Ty budou generovány pomocí webových stránek z Wikipedie. Pro získání potřebných dat bude použita technika parsování stránek. Aplikace bude napsána v jazyce Java a bude určena pro Android verze 10 a vyšší. Pro komunikaci mezi zaříze- ními bude použita client-server architektura. Komunikačním prostředkem bude techno- logie wifi. Aplikace bude mít stejná pravidla jako hra Desítka a bude podporovat 2 herní režimy. Půjde hrát v režimu online s ostatními hráči nebo v režimu friend s přáteli. 1
|
|
|
Automatic detection of fake-news on Slovak texts
Romanský, Patrik ; Mareček, David (vedoucí práce) ; Novák, Michal (oponent)
Šírenie fake-news je dlhodobým problémom, ale v posledných rokoch sa stáve ešte výraznejším. Preto sme sa v tejto práci pozreli na problém ich automatickej detekcie ako na úlohu klasifikácie textu. Práca sa od iných, jej podobných štúdií, odlišuje primárne v tom, že sa zameriava na slovenčinu, kde doposiaľ nebola vykonaná takáto rozsiahla sada experimentov. Počas testov sme vytvorili vybalansovaný dataset. Vykonali sme taktiež viac ako 80 experimentov s cieľom nájsť optimálny klasifikátor pre riešenie tohto pro- blému. Ako prvý sme použili predtrénované jazykové modely typu Transformer (BERT, mBERT, RoBERTA, XLM-RoBERTa a SlovakBERT) a pomocou štandardných metrík sme porovnali ich výkonnosť s inými metódami strojového učenia. Pre fine-tuning sme použili aj anglické datasety LIAR a COVID19 FN, na ktorých sme otestovali vplyv témy fake-news a prenos vlastnosti medzi jazykmi. Najlepšie výsledky dosiahol SlovakBERT v kombinácii s tréningom na výlučne slovenskom datasete (acc = 0.9610). 1
|
host ::
RSS.