|
|
Handwritten text recognition using a sliding window
Ďuriš, Denis ; Povoda, Lukáš (oponent) ; Rajnoha, Martin (vedoucí práce)
This bachelor thesis deals with optical character recognition. It focuses on recognizing hand-written text. The theoretical introduction describes the methods used for optical character recognition and selected machine learning methods. Subsequently, the work describes two methods for making cutouts of characters, using a sliding window. Cutouts are used in training and testing datasets of machine learning models. The document includes methods to improve the accuracy of character recognition. The accuracy of the models is evaluated in conclusion. Charcters in cutouts are clasified by an automated recognition program.
|
|
|
Detekce arytmií v EKG
Šoltés, Tomáš ; Filipenská, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Bakalářská práce popisuje často se vyskytující vybrané arytmie (resp. komorové extrasystoly a blokády Tawarových ramének) a jejich konvenční i moderní detekční metody, včetně metod využívající neuronové sítě. V praktické části jsou realizovány metody pro jednotlivé arytmie: Statistické analýzy QRS komplexů a jejich klasifikaci pomocí metody K-nejbližších sousedů pro blokády Tawarových ramének a komorových extrasystol.
|
|
|
Detekce arytmií v EKG
Šoltés, Tomáš ; Filipenská, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Bakalářská práce popisuje často se vyskytující vybrané arytmie (resp. komorové extrasystoly a blokády Tawarových ramen) a jejich konvenční i moderní detekční metody, včetně metod využívající neuronové sítě. V praktické části jsou realizovány metody pro jednotlivé arytmie: Analýza RR intervalů pro detekci komorových extrasystol a statistická analýza QRS komplexů a jejich shlukování pomocí metody K-nejbližších sousedů pro blokády Tawarových ramen.
|
|
|
Metody hledání k-nejbližších sousedů
Cigánik, Marek ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
V práci je popsán základní koncept algoritmu K-nejbližších sousedů a jeho vazba s lidským pojetím podobnosti objektů. Jsou rozvedeny pojmy a klíčové myšlenky jako vzdálenostní funkce nebo prokletí dimenzionality. Práce zahrnuje detailní popis metod KD-Strom, Kulovitý strom, Locality-Sensitive Hashing, Strom náhodných projekcí a rodiny algoritmů založené na grafu nejbližších sousedů. Ke každé metodě je poskytnuto vysvětlení ideje s vizualizacemi, pseudokódy a asymptotickými složitostmi. Metody byly podrobeny experimentům a byly měřeny základní i pokročilejší metriky, ze kterých byly vyhodnoceny případy vhodnosti pro jednotlivé metody.
|
|
|
Detekce kategorie obsahu webové stránky prostřednictvím metod strojového učení.
DOHNAL, Patrik
Tato bakalářská práce se zabývá návrhem systému pro klasifikaci obsahu webových stránek včetně následné implementace v programovacím jazyce Python. K samotné klasifikaci jsou využívány modely strojového učení jako jsou Naivní Bayesův klasifikátor, K-Nejbližších sousedů a Support Vector Machines. V rámci celého procesu se rovněž předpokládá tvorba vlastní množiny dat, na kterých jsou tyto modely trénovány a následně testovány. Součástí práce je i podrobná rešerše použitých metod.
|
|
|
Analýza dat firmy produkující zdravotnické potřeby
Kulhánková, Monika ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato bakalářská práce se zabývá analýzou prodejních dat společnosti, konkrétně klasifikací typu zákazníka podle jeho prodejních dat. Poskytuje teoretický úvod k získávání znalostí z dat. Popisuje proces klasifikace, metody pro vytváření klasifikátorů a je zde představen model CRISP-DM. V práci jsou popsány poskytnuté datové sady, ze kterých jsou vybrány relevantní atributy. Data jsou předzpracována a použita při tvorbě a testování klasifikačních modelů. Výsledkem práce je porovnání dosažených výsledků.
|
|
|
Detekce přítomnosti osob pomocí IoT senzorů
Kolarčík, Tomáš ; Jeřábek, Kamil (oponent) ; Pluskal, Jan (vedoucí práce)
Cílem této práce bylo vytvořit modul do domácího automatizačního nástroje Home Assistant. Modul je schopen určit ve kterých místnostech se někdo nachází a odhadnout jeho přesnější pozici. Pro tyto účely nelze použít známou lokalizaci pomocí GPS, jelikož je uvnitř budov nepřesná, a proto je potřeba použít některou z technik určení polohy uvnitř budov. Jako řešení tohoto problému byla využita lokalizace pomocí bezdrátové technologie Bluetooth Low Energy. Technikou lokalizace je metoda fingerprinting, která je založená na odhadu pozice podle síly signálu na určitých bodech v prostoru, které jsou porovnány s databází těchto bodů s využitím strojového učení. Systém je možné doplnit pohybovými senzory, které se postarají o rychlou odezvu při vstupu do místnosti. Tento systém je možné nasadit v rámci domu, bytu nebo menší až střední firmy pro určení pozice osob v objektu a může sloužit jako velice silný prvek domácí automatizace.
|
|
|
Využití umělé inteligence v technické diagnostice
Konečný, Antonín ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce je zaměřena na využití metod umělé inteligence pro vyhodnocení poruchového stavu strojního zařízení. Vyhodnocovaná data jsou z vibrodiagnostického modelu pro simulaci statické a dynamické nevývahy. Aplikovány jsou metody strojového učení, konkrétně učení s učitelem. V práci je popsáno softwarové prostředí Spyder, jeho alternativy, a programovací jazyk Python, ve kterém jsou skripty napsány. Obsahuje přehled s popisem použitých knihoven Scikit-learn, SciPy, Pandas ...) a metod, kterými jsou klasifikace metodou nejbližšího souseda (KNN), metoda podpůrných vektorů (SVM), rozhodovací stromy (DT) a klasifikace metodou náhodného lesa (RF). Výsledky úspěšnosti klasifikace jsou vizualizovány ve výsledné klasifikační matici pro každou metodu. Součástí přílohy jsou napsané skripty pro zpracování a výpočet prediktorů, hledání nejvhodnějších parametrů modelu, hodnocení úspěšnosti učení a klasifikace s vizualizací výsledku.
|
|
|
Porovnání klasifikačních metod
Dočekal, Martin ; Zendulka, Jaroslav (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato práce se zabývá porovnáním klasifikátorů. Nejprve jsou popsány klasifikační techniky založené na strojovém učení, poté je navržen a implementován systém pro porovnání klasifikátorů. Dále jsou popsány klasifikační úlohy a datové sady, na kterých je systém otestován. Vyhodnocení je prováděno pomocí standardních metrik. V rámci práce je též navržen a implementován klasifikátor založený na principu evolučních algoritmů.
|
|
| |
host ::
RSS.