|
|
Vrstevnaté neuronové sítě a vizualizace jejich struktury
Drobný, Michal ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Model vrstevnatých neuronových sítí je v současné době známý především díky svým univerzálním aproximačním schopnostem a již základní algoritmus zpětného šíření dává výsledky aplikovatelné v reálných problémech. Tato práce je věnována problematice vrstevnatých neuronových sítí, popisuje vybrané algoritmy pro adaptaci vah a prahů na základě předložených vzorů, především algoritmus zpětného šíření a algoritmus škálovaných konjugovaných gradientů, který řadíme mezi konvergenčně extrémně rychlé algoritmy druhého řádu. Součástí práce je také aplikace pro vizualizaci struktury vrstevnatých neuronových sítí implementující výše zmíněné algoritmy, jejíž řešení je navrženo s ohledem na její využití při výuce v oblasti umělé inteligence. První část práce je věnována úvodu do problematiky a popisu obou algoritmů, následuje stručné pojednání o dalších variantách algoritmů a jejich analýza. V další části je zdůvodněn výběr vhodného programovacího jazyka pro implementaci aplikace, stanovení cílů a popis implementačních prací. Závěrem jsou pak shrnuty výsledky rychlostního a implementačního porovnání implementovaných algoritmů s vybranou nekomerční implementací ENCOG.
|
|
|
Analysis of Operational Data and Detection od Anomalies during Supercomputer Job Execution
Stehlík, Petr ; Nikl, Vojtěch (oponent) ; Jaroš, Jiří (vedoucí práce)
Using the full potential of an HPC system can be difficult when such systems reach the exascale size. This problem is increased by the lack of monitoring tools tailored specifically for users of these systems. This thesis discusses the analysis and visualization of operational data gathered by Examon framework of a high-performance computing system. By applying various data mining techniques on the data, deep knowledge of data can be acquired. To fully utilize the acquired knowledge a tool with a soft-computing approach called Examon Web was made. This tool is able to detect anomalies and unwanted behaviour of submitted jobs on a monitored HPC system and inform the users about such behaviour via a simple to use web-based interface. It also makes available the operational data of the system in a visual, easy to use, manner using different views on the available data. Examon Web is an extension layer above the Examon framework which provides various fine-grain operational data of an HPC system. The resulting soft-computing tool is capable of classifying a job with 84 % success rate and currently, no similar tools are being developed. The Examon Web is developed using Angular for front-end and Python, accompanied by various libraries, for the back-end with the usage of IoT technologies for live data retrieval.
|
|
|
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.
|
|
|
Vrstevnaté neuronové sítě a vizualizace jejich struktury
Drobný, Michal ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Model vrstevnatých neuronových sítí je v současné době známý především díky svým univerzálním aproximačním schopnostem a již základní algoritmus zpětného šíření dává výsledky aplikovatelné v reálných problémech. Tato práce je věnována problematice vrstevnatých neuronových sítí, popisuje vybrané algoritmy pro adaptaci vah a prahů na základě předložených vzorů, především algoritmus zpětného šíření a algoritmus škálovaných konjugovaných gradientů, který řadíme mezi konvergenčně extrémně rychlé algoritmy druhého řádu. Součástí práce je také aplikace pro vizualizaci struktury vrstevnatých neuronových sítí implementující výše zmíněné algoritmy, jejíž řešení je navrženo s ohledem na její využití při výuce v oblasti umělé inteligence. První část práce je věnována úvodu do problematiky a popisu obou algoritmů, následuje stručné pojednání o dalších variantách algoritmů a jejich analýza. V další části je zdůvodněn výběr vhodného programovacího jazyka pro implementaci aplikace, stanovení cílů a popis implementačních prací. Závěrem jsou pak shrnuty výsledky rychlostního a implementačního porovnání implementovaných algoritmů s vybranou nekomerční implementací ENCOG.
|
|
|
Neuronové sítě v kryptografii
Borkovec, Tomáš ; Rášo, Ondřej (oponent) ; Martinásek, Zdeněk (vedoucí práce)
Bakalářská práce si klade za cíl představit neuronové sítě a jejich vlastnosti, které lze využít pro tvorbu kryptografických protokolů založených na neuronových sítích. Předkládá konkrétní případy využití neuronových sítí~v kryptografii a vytváří teoretický základ pro praktickou implementaci. V praktické části je rozebrána tvorba neuronové sítě, na jejímž základě je vystaven kryptografický model. Vytvořené modely jsou následně podrobeny testování. V závěru jsou diskutovány výhody a nevýhody možného použití v reálných kryptografických modulech.
|
|
|
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.
|
|
|
Rozpoznávání číslic pomocí neuronové sítě
Doupovec, Zdeněk ; Juránek, Roman (oponent) ; Šilhavá, Jana (vedoucí práce)
Tato práce popisuje základními pojmy a principy v oboru neuronových sítí. Blíže se pak věnuje problematice vícevrstvých perceptronových sítí, konkrétně metodě back-propagation. Jsou zde rozebrány výhody a nevýhody zmíněné metody, návrh možného systému rozpoznávání číslic pomocí back-propagation. Cílem je získat konkrétní výsledky z programu schopného rozpoznávat čísla.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
|
|
Predikce proteinových domén
Valenta, Martin ; Martínek, Tomáš (oponent) ; Burgetová, Ivana (vedoucí práce)
Práce představuje oblast proteinů a jejich domén. Stručně popisuje metody získání proteinové struktury na různých úrovních hierarchie. Pozornost je dále věnována existujícím nástrojům pro predikci proteinových domén a databázím sdružujícím informace o doménách. Dále jsou představeni vybraní zástupci metod predikce pracující jak s informacemi o vnitřní struktuře molekuly, tak se sekvencí aminokyselin. V příslušné kapitole je nastíněn realizovaný postup predikce hranic domén z primární struktury proteinu, využívající neuronovou síť. Zbývající část práce se zabývá testováním vytvořené implementace metodou křížové validace a možnostmi jejího dalšího rozvoje.
|
|
|
Využití umělé inteligence v kryptografii
Lavický, Vojtěch ; Rosenberg, Martin (oponent) ; Babnič, Patrik (vedoucí práce)
Cílem práce je se seznámit se s problematikou neuronových sítí a používaných bezpečnostních protokolů v kryptografii. Teoretická práce se zabývá rozborem neuronových sítí s přihlédnutím na výběr typu sítě později využitý v modelu kryptografického systému. V praktické části je vytvořen koncept zcela nového bezpečnostního protokolu, který využívá vytipovanou neuronovou síť.
|
host ::
RSS.