|
|
Strojové učení v přirozeném jazyce
Otrusina, Lubomír ; Šilhavá, Jana (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá zjednoznačňováním slovních významů pomocí metod strojového učení. Čtenář je krátce seznámen s danou problematikou a jejím historickým vývojem. Jsou zde popsány nejpoužívanější metody a přístupy, speciálně pak naivní Bayesův klasifikátor, který je implementován v systému. Je zde uveden i názorný příklad pro tento klasifikátor. V praktické části je popsán návrh systému využívající tohoto klasifikátoru včetně popisu různých algoritmů použitých v systému. Na závěr je uvedeno vyhodnocení výsledků systému a jejich analýza. Implementovaný systém se zúčastnil soutěže v rámci mezinárodní konfernce sémantického vyhodnocování SemEval-2007.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
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.
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Přehled současných přístupů ke klasifikacím
Brezánský, Tomáš ; Šůstek, Martin (oponent) ; Zbořil, František (vedoucí práce)
Táto bakalárska práca sa zaoberá prehľadom súčasných prístupov ku klasifikáciám. Popisuje rôzne prístupy ku klasifikáciám a ich algoritmy, zameriava sa na neuronové siete, bayesové klasifikátory a rozhodovacie stromy. Hlavnou úlohou tejto prace je vykonať experimenty s tromi klasifikačnými algoritmami, konkrétne sú to, algoritmus ID3, RCE neurónová sieť a naivný bayesov klasifikátor. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
|
Behaviour-Based Identification of Network Devices
Polák, Michael Adam ; Holkovič, Martin (oponent) ; Polčák, Libor (vedoucí práce)
This thesis deals with the topic of identifying devices based on their behaviour. With the increasing number of devices on the network, it is becoming more and more important to be able to identify these devices based on their behaviour, due to the increased security risks. General networking concepts and multiple methods that have been used in the past to identify devices are discussed throughout the work. Subsequently, machine learning algorithms and their advantages and disadvantages are introduced. Finally, this thesis tests two traditional machine learning algorithms and proposes two new approaches to network device identification. The resulting final algorithm achieves the accuracy of 89% on a real life data-set with over 10,000 devices using a set of only eight features.
|
|
|
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.
|
|
|
Využití vybraných metod strojového učení pro modelování kreditního rizika
Drábek, Matěj ; Witzany, Jiří (vedoucí práce) ; Málek, Jiří (oponent)
Diplomová práce je členěna na tři základní části. V té první se věnuji P2P úvěrování, jeho charakteristikám, základním konceptům a jejich promítnutím v praxi. Srovnávám v ní také P2P trh u nás, ve Velké Británii a v USA. V druhé části této práce popisuji teoretická východiska vybraných metod strojového učení, kterými jsou naivní bayesovský klasifikátor, klasifikační strom, náhodný les a logistická regrese. Také zde popisuji způsoby stanovení úspěšnosti těchto modelů. Ve třetí části pak uvádím postup, kterým se tyto metody převádí do praxe, a to od přípravy dat přes optimalizaci parametrů až po zhodnocení úspěšnosti modelu.
|
|
| |
|
|
Analýza dat z výrobního procesu
Krčmář, Martin ; Honzík, Petr (oponent) ; Zezulka, František (vedoucí práce)
Tato bakalářská práce se věnuje klasifikaci výrobních dat pomocí algoritmů: neuronové sítě, rozhodovací stromy a naivní bayesovský klasifikátor. Z neuronových sítí se věnuje dopředným vícevrstvým sítím s učícím algoritmem backpropagation. V bakalářské práci jsou tyto algoritmy popsány a zhodnoceny jejich klady a zápory. Další část práce se zabývá vývojem programu v jazyce C# pro tvorbu těchto algoritmů. Poslední část práce je věnována zhodnocení dosažených výsledků. Bakalářská práce obsahuje ukázku vytvořených klasifikačních modelů rozhodovacího stromu a naivního bayesovského klasifikátoru.
|
host ::
RSS.