|
|
Neuronové sítě pro doporučování knih
Gráca, Martin ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá oblastí doporučovacích systémů využívající hluboké neuronové sítě pro doporučování knih. Jsou zde rozebrány tradiční doporučovací systémy a jejich reprezentace i systémy s pokročilejšími technikami na základě strojového učení. Jádrem práce je uplatnění konvolučních neuronových sítí pro zpracování přirozeného jazyka a vytvoření hybridního knižního doporučovacího systému. Navržený systém obsahuje faktorizaci matice jako techniku kolaborativního filtrování a doporučuje na základě minulých uživatelských hodnocení a knižních metadat, včetně textového popisu knih. Navrhl jsem 2 modely, jeden s bag-of-words a druhý s konvoluční sítí. Oba modely dosahují lepších výsledků než baseline metody. Na vytvořené datové sadě, která byla vytvořena z knižní databáze Goodreads, dosahuje model s konvoluční sítí ještě lepšího výsledku než model s BOW.
|
|
|
Low-Dimensional Matrix Factorization in End-To-End Speech Recognition Systems
Gajdár, Matúš ; Grézl, František (oponent) ; Karafiát, Martin (vedoucí práce)
The project covers automatic speech recognition with neural network training using low-dimensional matrix factorization. We are describing time delay neural networks with factorization (TDNN-F) and without it (TDNN) in Pytorch language. We are comparing the implementation between Pytorch and Kaldi toolkit, where we achieve similar results during experiments with various network architectures. The last chapter describes the impact of a low-dimensional matrix factorization on End-to-End speech recognition systems and also a modification of the system with TDNN(-F) networks. Using specific network settings, we were able to achieve better results with systems using factorization. Additionally, we reduced the complexity of training by decreasing network parameters with the use of TDNN(-F) networks.
|
|
|
Zlepšování kvality digitalizovaných textových dokumentů
Trčka, Jan ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
Cílem této práce je zvýšení úspěšnosti při rozpoznávání textových dokumentů. Práce je zaměřena především na texty nacházející se na degradovaném materiálu jako jsou noviny nebo staré knihy. K řešení tohoto problému jsou analyzovány současné metody a problémy spojené s rozpoznáváním textu. Na základě získaných poznatků je zvolena implementovaná metoda založena na GAN sítích. Na těchto sítích jsou provedeny experimenty pro nalezení jejich vhodné velikosti a parametrů učení. Následně je provedeno testování pro porovnání různých metod učení a srovnání jejich výsledků. Trénování a testování je provedeno na umělém datovém setu, u kterého se zvýší přesnost přepisu z 65.61 % pro nezpracované řádky textu na 93.23 % u řádků zpracovaných sítí GAN.
|
|
|
Odstraňování šumu v obraze pomocí metod hlubokého učení
Strejček, Jakub ; Jakubíček, Roman (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato práce se zabývá srovnáním metod odstranění šumu pomocí hlubokého učení a jejich implementací. V posledních letech se ukázalo, že k trénování konvolučních neuronových sítí není nutně potřeba mít párová data, tedy zašuměné a bezšumové obrázky, ale pro některé aplikace stačí pro odstranění šumu pouze ty zašuměné. Metodami uvedenými v této práci lze účinně odstranit např. aditivní Gaussovský šum a lze dosáhnout lepších výsledků než užitím některých statistických metod, které se pro odstranění šumu aktuálně používají.
|
|
|
The influence of first CNN layer initialization on training convergence
Krejsa, Jiří ; Věchet, Stanislav ; Chen, K.S.
During evaluation of convolution neural networks on the task of sign language single hand alphabet classification we have discovered that in small but not negligible number of cases the training of the network does not converge at all. This paper investigates the problem that we believe is independent of the application. While the true cause of training divergence was not discovered, we can offer the reader an easy solution from practical point of view – initialization of the first CNN layer using pretrained networks parameters.
|
|
|
Využití neuronových sítí pro fúzi obrazových a neobrazových dat
Pařilová, Michaela ; Reich, Bořek (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá využitím neuronových sítí pro fúzi obrazových a neobrazových dat. Primárně se zaměřuje na porovnání vlastností detekčních algoritmů pro obrazová data (data získaná z kamery) s detekčními algoritmy využívající fúzi obrazových dat a neobrazových dat (data získaná z kamery a radaru). V rámci porovnání těchto dvou přístupů byl vytvořen vlastní fúzní model, který byl následně otestován na zvolené datové sadě.
|
|
|
Design and implementation of the robotic platform for an experimental laboratory task
Juříček, Martin ; Matoušek, Radomil (oponent) ; Parák, Roman (vedoucí práce)
Advanced robotics does not always have to be associated with Industry 4.0, but can also be applied, for example, in the Smart Hospital concept. Developments in this field have been driven by the coronavirus disease (COVID-19), and any improvement in the work of medical staff is welcome. In this thesis, an experimental robotic platform was designed and implemented whose main function is the swabbing samples of the nasal vestibule. The robotic platform represents a complete integration of software and hardware, where the operator has access to a web-based application and can control a number of functions. The increased safety and collaborative approach cannot be overlooked. The result of this work is a functional prototype of the robotic platform that can be further extended, for example, by using alternative technologies, extending patient safety, or clinical testing and studies.
|
|
|
Identifikace projevů responzivní složky elektrodermální aktivity
Vraný, Jakub ; Vičar, Tomáš (oponent) ; Kolářová, Jana (vedoucí práce)
Elektrodermální aktivita je druh elektrochemického signálu generovaným v návaznosti na aktivitu autonomního nervového systému, který stimuluje potní žlázy. Tímto způsobem lze měřit aktivitu sympatické části nervstva a vyhodnotit kognitivní zátěž vyšetřované osoby, která se projevuje responzivními signály v záznamu EDA, resp. jejich vyšší četností. Cílem této práce je navrhnout algoritmus hlubokého učení pro identifikaci této složky v záznamu dat vypůjčených z databáze UBMI. Záznamy obsahují sekvenci měření konduktance na pokožce vyšetřovaného v čase, které byl podroben střídavě klidovému stavu a následně stavu mentální zátěže. Data byla anotována dle přítomnosti responzivní složky. Následně byl navržen a implementován vhodný algoritmus hlubokého učení určeného ke klasifikaci responzivních složek v měřeném signálu EDA. Model neuronové sítě byl následně setem anotovaných předzpracovaných dat naučen, optimalizován a implementován na vzorcích měření. Získaná data byla statisticky vyhodnocena z pohledu úspěšnosti klasifikace responzivních složek a rozdílů v záznamech mentálního klidu a zátěže. Výsledky klasifikace a porovnání záznamů EDA měřených při různých stavech dotyčného byly následně diskutovány.
|
|
|
Larvální morfologie, fylogeografie a automatická identifikace vybraných zlatohlávkovitých brouků (Scarabaeidae: Cetoniinae)
Vondráček, Dominik ; Šípek, Petr (vedoucí práce) ; Bezděk, Aleš (oponent) ; Kundrata, Robin (oponent)
V současné době je popsáno přes 4300 druhů zlatohlávkovitých brouků (Scarabaeidae: Cetoniinae) ve více jak 485 rodech, přičemž počet rodů, druhů a poddruhů přibývá každým rokem o desítky nových taxonů. Především v minulosti se však objevovaly i poměrně vágní a strohé popisy operující jen se zbarvením brouků, případně s extrémně jemnými rozdíly na samčích genitáliích bez podpory dalších dat a analýz. V disertační práci jsem se zaměřil na využití různých dat a metodických přístupů, které mohou pomoci pochopit evoluční procesy uvnitř této skupiny a její komplikovanou taxonomii i systematiku. Ta je i na vyšších taxonomických úrovních dosud značně neustálená. Ve dvou pracích jsme studovali morfologii nedospělých stadií zlatohlávků a jejich bionomii. V případě tribu Taenioderini, jehož imaturní stadia nebyla do té doby známá, jsme u osmi druhů objevili překvapivě výraznou morfologickou variabilitu, která je u larev zlatohlávků neobvyklá. Ve druhé práci jsme se věnovali rodu Oxythyrea. Popsali jsme larvy devíti z deseti aktuálně známých druhů a konfrontovali získané údaje s již existujícími popisy larev zlatohlávků subtribu Leucocelina, kam studovaný rod patří. Následovaly dvě fylogeografické studie, ve kterých jsme využili molekulární data k porovnání s morfologií dospělců. První práce se týkala tvarově...
|
|
|
Automated Human Recognition From Image Data
Dobiš, Lukáš
This paper describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face from image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. Network architectures with pretrained weights for each task are described. Script of interconnected CNN is explained and its results support further proposed expansion plans for live video inference.
|
host ::
RSS.