|
|
Využití autoenkodérů pro tvorbu hlubokých sítí
Lohniský, Michal ; Veselý, Karel (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá předtrénováním hlubokých sítí autoenkodéry. V prvních kapitolách jsou popsány prvky neuronové sítě. Další kapitoly jsou věnovány trénování hlubokých sítí a výsledkům, ve kterých je porovnáváno předtrénování autoenkodéry a algoritmus Backpropagation. Z výsledků experimentů na dvou datasetech vyplývá, že předtrénování autoenkodéry má kladný přínos, zvláště v kombinaci s Finetuningem.
|
|
| |
|
|
Přidávání nových slov v dynamickém dekodéru pro rozpoznávání řeči
Škrdlík, Kryštof ; Veselý, Karel (oponent) ; Schwarz, Petr (vedoucí práce)
Výstupem této práce je modifikovaný rozpoznávač řeči firmy Phonexia, do kterého je možné za běhu přidávat nová slova, která nejsou obsažena v jeho slovníku. Zvolená implementovaná metoda funguje na principu vkládání konečných automatů s novými slovy přímo do modifikované statické rozpoznávací sítě popisující kombinovaný jazykový a výslovnostní model rozpoznávače na předem připravená místa. Tato metoda poskytuje srovnatelné výsledky s výchozím rozpoznávačem.
|
|
|
Paralelní trénování neuronových sítí pro rozpoznávání řeči
Veselý, Karel ; Fousek, Petr (oponent) ; Burget, Lukáš (vedoucí práce)
Tato diplomová práce je zaměřena na paralelizaci trénování neuronových sítí pro rozpoznávání řeči. V rámci této diplomové práce byly implementovány a porovnány dvě strategie paralelizace. První strategií je paralelizace dat s využitím rozdělení trénování do několika POSIX vláken. Druhou strategií je paralelizace uzlů s využitím platformy pro obecné výpočty na grafických kartách CUDA. V případě první strategie bylo dosaženo 4x urychlení, v případě využití platformy CUDA bylo dosaženo téměř 10x urychlení. Pro trénování byl použit algoritmus Stochastic Gradient Descent se zpětným šířením chyb. Po krátkém úvodu následuje druhá kapitola práce, která je motivační a zasazuje probém do kontextu rozpoznávání řeči. Třetí kapitola práce je teoretická a diskutuje neuronové sítě a metodu trénování. Následující kapitoly jsou zaměřené na návrh a implementaci a popisují iterativní vývoj tohoto projektu. Poslední obsáhlá kapitola popisuje testovací systém a uvádí výsledky provedených experimentů. V závěru jsou krátce zhodnoceny dosažené výsledky a nastíněna perspektiva dalšího vývoje projektu.
|
|
|
Návrh na zvýšení obchodní úspěšnosti elektronického obchodu
Kuna, Martin ; Veselý, Karel (oponent) ; Dydowicz, Petr (vedoucí práce)
Tato bakalářská práce se zabývá zhodnocením základních faktorů, které ovlivňují obchodní úspěšnost elektronického obchodu Anglia-Trading.cz, a návrhem změn, jež by měly jeho obchodní úspěšnost dále zvýšit. První část obsahuje stručný úvod do problematiky elektronického prodeje a obchodní úspěšnosti webu. Jsou zde rovněž představeny faktory, které úspěšnost elektronického obchodu v této oblasti ovlivňují, a to včetně ukazatelů, které je možno pro měření úspěšnosti využívat. Tyto teoretické poznatky jsou následně využity ve druhé, praktické, části ke zpracování analýzy uvedených faktorů, jež je zaměřena zejména na identifikaci slabých míst a příležitostí pro zlepšení. Z tohoto rozboru následně vychází popis návrhů řešení nalezených problémů, který je stěžejní částí práce. Práci pak uzavírá kapitola, ve které jsou popsány hlavní přínosy zavedení navržených změn v praxi.
|
|
|
Rekurentní neuronové sítě pro rozpoznávání řeči
Nováčik, Tomáš ; Karafiát, Martin (oponent) ; Veselý, Karel (vedoucí práce)
Tato diplomová práce se zabývá implementací rekurentních neuronových sítí v prostředí jazyka lua za pomocí knihovny torch. Řeší problematiku trénování rekurentních neuronových sítí a to jak z hlediska optimální trénovací strategie, tak z hlediska urychlení trénovacího procesu. Zkoumá zakomponování technik batch normalizace a dropout do architektur rekurentních neuronových sítí. Jednotlivé typy rekurentních sítí jsou následně porovnány na úkolu rozpoznávání řeči prostřednictvým datové sady AMI, kde slouží pro modelování akustického modelu, a dochází ke srovnání s klasickou dopřednou neuronovou sítí. Nejlepší výsledek je dosažen prostřednictvým rekurentní neuronové sítě BLSTM. Následně dojde k natrénování rekurentních neuronových sítí prostřednictvím objektivní funkce CTC na databázi TIMIT, kde nejlepšího výsledku opět dosáhne BLSTM.
|
|
|
Bytový dům
Veselý, Karel ; Průša, David (oponent) ; Brukner, Bohuslav (vedoucí práce)
Předmětem bakalářské práce je projektová dokumentace pro provedení novostavby bytového domu v Humpolci. Stavba je určena pro bydlení, má pět nadzemních a jedno podzemní podlaží, s výtahem, obsahuje sedmnáct bytových jednotek s výstupem na balkony a možností vlastního parkování přímo v objektu. Podzemní podlaží z velké části tvoří parkovací stání – hromadná garáž o devatenácti parkovacích stání. Zbylou část podzemního podlaží tvoří chodba, strojovna vzduchotechniky, místnost s elektroměry, místnost se sklepními kójemi, technická a úklidová místnost. V ostatních podlažích se nachází celkem sedmnáct bytových jednotek o dispozicích 1+kk, 2+kk, 3+kk a 4+kk. Bytový dům je založen na železobetonových základových pasech. Svislé nosné konstrukce jsou navrženy z keramických tvárnic, v suterénu je monolitické železobetonové opláštění zatepleno kontaktním zateplovacím systémem dle ETICS. Stropní konstrukce tvoří monolitické železobetonové desky, pouze nad bytem v 5.NP je nosná část stropu řešena pomocí dřevěných trámů. Schodiště je řešeno jako železobetonové prefabrikované. Budova je zastřešena plochou jednoplášťovou střechou.
|
|
|
Accelerating Face Anti-Spoofing Algorithms
Beňuš, Ondřej ; Havel, Jiří (oponent) ; Veselý, Karel (vedoucí práce)
This thesis is specializes on algorithm acceleration from the field of face-based anti-spoofing. Graphics hardware is used as platform for data-parallel processing. As framework, the OpenCL is used. It allows execution on devices such as powerful desktop computers or hand-held devices as well as usage of different kind of processing units such as GPU, ASIC or CPU without any bound to hardware vendor or operating system. Author presents to reader analysis and accelerated implementation of widely used algorithm and impact of such improvement in execution time.
|
|
|
The Use of Artificial Intelligence on Stock Market
Kuna, Martin ; Veselý, Karel (oponent) ; Dostál, Petr (vedoucí práce)
This Master’s thesis is focused on application of selected artificial intelligence methods on stock markets. Specifically, it is concerned with utilisation of artificial neural networks for trend prediction, and with the possibility to apply genetic algorithms to the investment portfolio optimisation problem. It contains suggestions on how these problems might be solved in practice. These suggestions are framed as models created in the Matlab development environment.
|
|
|
Rozpoznávání řeči pro leteckou komunikaci
Žmolíková, Kateřina ; Burget, Lukáš (oponent) ; Veselý, Karel (vedoucí práce)
Tato bakalářská práce se zabývá rozpoznáváním řeči. Jejím cílem je postavit systém rozpoznávání řeči založený na neuronových sítích a otestovat jej na nahrávkách letecké komunikace. Výsledný akustický model bude použit v projektu A-PiMod. Postavený systém dosáhl na testovacích datech úspěšnost 29.5% WER. Dalším úkolem práce byly experimenty s neuronovými sítěmi, které jsou součástí akustického modelu. První experimenty zkoumaly možnost jejich zjednodušení a urychlení a dopad na úspěšnost rozpoznávání. Další se zabývaly aktivační funkcí rectifier a také konvolučními neuronovými sítěmi. V experimentech s konvolučními neuronovými sítěmi bylo dosáhnuto 1.5% zlepšení a dosáhly tak o 0.4% lepšího výsledku než plně propojená neuronová síť se stejnou architekturou.
|
host ::
RSS.