Národní úložiště šedé literatury Nalezeno 5 záznamů.  Hledání trvalo 0.01 vteřin. 
Soutěživá koevoluce v kartézském genetickém programování
Skřivánková, Barbora ; Petrlík, Jiří (oponent) ; Drahošová, Michaela (vedoucí práce)
Symbolická regrese je metoda hledání předpisů funkcí, které co nejpřesněji prochází danými body v rovině nebo prostoru. V této práci je řešena symbolická regrese s využitím kartézského genetického programování a soutěživé koevoluce. Tato úloha byla již dříve řešena pomocí kartézského genetického programování a koevoluce prediktorů fitness. V této práci je zkoumáno, zda-li jednodušší soutěživá koevoluce dokáže dosáhnout obdobných výsledků jako koevoluce prediktorů fitness. Symbolická regrese je v této práci testována na pěti různě složitých úlohách. Při testování se ukázalo, že při řešení jednodušších úloh dosahuje soutěživá koevoluce oproti klasickému kartézskému genetickému programování výrazně vyššího zrychlení než koevoluce prediktorů fitness. Složitější úlohy, ve kterých koevoluce prediktorů fitness obstála stejně dobře jako v jednodušších, však soutěživá koevoluce vyřešit nedokázala.
Anonymizace SPZ vozidel
Skřivánková, Barbora ; Zachariášová, Marcela (oponent) ; Drahošová, Michaela (vedoucí práce)
Při procházení online map jsou dnes dostupné i souvislé snímky prohlížených míst. Pokud jsou však snímky pořizovány ve veřejném prostoru, nacházejí se na nich také kolemjdoucí lidé a kolemjedoucí vozidla. Cílem této práce je vytvoření automatizovaného systému pro anonymizaci SPZ vozidel ve fotografiích optimalizovaného pro službu Panorama společnosti Seznam.cz a.s.. Problém anonymizace SPZ vozidel je v této práci rozdělen do dvou fází. V první fázi jsou ze snímku pořízeného na veřejném prostranství vybrána místa, na kterých se nachází vozidla s SPZ, ve druhé fázi je potom ve vybrané části obrázku s vozidlem lokalizována konkrétní oblast, na které se SPZ vozidla nachází. Detekce automobilů je prováděna pomocí hluboké neuronové sítě. Následná lokalizace SPZ vozidel je zpracovávána pomocí dopředné plně propojené neuronové sítě. Cílem této práce je překonat problémy, na kterých selhávají aktuální komerční řešení. Jedná se zejména o častou falešně pozitivní detekci SPZ a velkou výpočetní náročnost. Výsledky této práce však nejsou uspokojivé, což mohlo být způsobeno použitou trénovací sadou pro neuronové sítě. Ačkoliv se tato sada dodaná společností Seznam.cz a.s. zdála býti dostatečně robustní, nakonec se ukázala jako nedostačující pro naučení složitější neuronové sítě.
Gender v kontextu sociální práce - obsahová analýza odborných periodik od roku 2000
Skřivánková, Barbora ; Kaňák, Jan (vedoucí práce) ; Nová, Monika (oponent)
Bakalářská práce na téma "Gender v kontextu sociální práce - obsahová analýza odborných periodik od roku 2000" má pouze teoretickou část podloženou texty z vybraných odborných recenzovaných periodik. Teoretická část je rozdělena do šesti kapitol. Každá z jednotlivých kapitol je jeden okruh sociální práce, kterému se věnují vybraná periodika. V první kapitole je nastíněn cíl bakalářské práce. Ve druhé kapitole jsou charakterizované texty z vybraných odborných recenzovaných periodik od roku 2000. Třetí kapitola obsahuje vysvětlení pojmu gender a jeho vývoj u nás i v zahraničí. Ve čtvrté kapitole přecházím konkrétně k genderu v sociální práci. V páté až sedmé kapitole se zabývám konkrétními oblastmi sociální práce, kde je gender velmi podstatnou součástí. Práce je vhodná jak pro laiky, tak pro odbornou veřejnost. KLÍČOVÁ SLOVA Feminismus, gender, gender v sociální práci, homoparentní rodiny, registrované partnerství
Anonymizace SPZ vozidel
Skřivánková, Barbora ; Zachariášová, Marcela (oponent) ; Drahošová, Michaela (vedoucí práce)
Při procházení online map jsou dnes dostupné i souvislé snímky prohlížených míst. Pokud jsou však snímky pořizovány ve veřejném prostoru, nacházejí se na nich také kolemjdoucí lidé a kolemjedoucí vozidla. Cílem této práce je vytvoření automatizovaného systému pro anonymizaci SPZ vozidel ve fotografiích optimalizovaného pro službu Panorama společnosti Seznam.cz a.s.. Problém anonymizace SPZ vozidel je v této práci rozdělen do dvou fází. V první fázi jsou ze snímku pořízeného na veřejném prostranství vybrána místa, na kterých se nachází vozidla s SPZ, ve druhé fázi je potom ve vybrané části obrázku s vozidlem lokalizována konkrétní oblast, na které se SPZ vozidla nachází. Detekce automobilů je prováděna pomocí hluboké neuronové sítě. Následná lokalizace SPZ vozidel je zpracovávána pomocí dopředné plně propojené neuronové sítě. Cílem této práce je překonat problémy, na kterých selhávají aktuální komerční řešení. Jedná se zejména o častou falešně pozitivní detekci SPZ a velkou výpočetní náročnost. Výsledky této práce však nejsou uspokojivé, což mohlo být způsobeno použitou trénovací sadou pro neuronové sítě. Ačkoliv se tato sada dodaná společností Seznam.cz a.s. zdála býti dostatečně robustní, nakonec se ukázala jako nedostačující pro naučení složitější neuronové sítě.
Soutěživá koevoluce v kartézském genetickém programování
Skřivánková, Barbora ; Petrlík, Jiří (oponent) ; Drahošová, Michaela (vedoucí práce)
Symbolická regrese je metoda hledání předpisů funkcí, které co nejpřesněji prochází danými body v rovině nebo prostoru. V této práci je řešena symbolická regrese s využitím kartézského genetického programování a soutěživé koevoluce. Tato úloha byla již dříve řešena pomocí kartézského genetického programování a koevoluce prediktorů fitness. V této práci je zkoumáno, zda-li jednodušší soutěživá koevoluce dokáže dosáhnout obdobných výsledků jako koevoluce prediktorů fitness. Symbolická regrese je v této práci testována na pěti různě složitých úlohách. Při testování se ukázalo, že při řešení jednodušších úloh dosahuje soutěživá koevoluce oproti klasickému kartézskému genetickému programování výrazně vyššího zrychlení než koevoluce prediktorů fitness. Složitější úlohy, ve kterých koevoluce prediktorů fitness obstála stejně dobře jako v jednodušších, však soutěživá koevoluce vyřešit nedokázala.

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