|
| |
|
|
Rozpoznávání registračních značek
Trkal, Ondřej ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Tato práce se zabývá rozpoznáváním státních poznávacích značek pomocí neuronových sítí s typem učení backpropagation. V teoretické části textu je stručně shrnuta teorie principu vytváření nových registračních značek, počítačového vidění a vícevrstvých neuronových sítí se způsobem učení typu backpropagation. V praktické části je popsán návrh metod sloužících k rozpoznávání jednořádkových registračních značek osobních automobilů v České republice. V práci bylo vyzkoušeno několik způsobů popisu značek a byl zkoumán vliv těchto popisů a topologie neuronové sítě na kvalitu rozpoznávání registračních značek.
|
|
|
Playing Gomoku with Neural Networks
Slávka, Michal ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
This thesis explores the usage of AlphaZero algorithm for the game of Gomoku. AlphaZero is a reinforcement learning algorithm, which does not require any existing datasets and is able to improve only by using self-play. It uses a tree search for policy improvement, which is subsequently used for training. This approach was able to defeat the previous state of the art methods. Generating training data of high quality requires a lot of computationally expensive iterations, which makes them algorithm slow to train. Experiments show that the strength of the play is growing with each subsequent iteration, this might indicate that it still has room for improvement with more training and that it has not reached its full potential.
|
|
| |
|
|
Neuro-fuzzy systémy
Dalecký, Štěpán ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Diplomová práce se zabývá teorií umělých neuronových sítí, následně jsou popsány fuzzy množiny a vysvětlena fuzzy logika. Na základě neuronových sítí, fuzzy množin a fuzzy logiky je navržen hybridní neuro-fuzzy systém vycházející ze systému ANFIS. Funkčnost zmíněných systémů byla ověřena na úloze řízení inverzního kyvadla. Pro řízení byly navrženy tři regulátory - první na bázi neuronových sítí, druhý fuzzy regulátor a třetí založený na systému ANFIS. Cílem práce je popsané systémy, na základě kterých byly navrženy regulátory, porovnat a zhodnotit přínos hybridního neuro-fuzzy systému ANFIS oproti přístupu založenému na samostatných teoriích. V závěru práce jsou popsány experimenty s navrženými systémy a zhodnoceny dosažené výsledky.
|
|
|
Využití umělé inteligence k monitorování stavu obráběcího stroje
Kubisz, Jan ; Kroupa, Jiří (oponent) ; Kovář, Jiří (vedoucí práce)
Diplomová práce se zabývá vytvořením vnitřní struktury neuronových sítí s cílem vytvoření umělé neuronové sítě schopné monitorovat stav stroje a vyhodnocovat jeho zbývající život. Cílem je vytvoření algoritmů a knihovny pro návrh a učení neuronové sítě, a tím i hlubší pochopení problematiky než při použití existujících knihoven. Zvolenou metodou byla dopředná síť s architekturou vícevrstvého perceptronu a učenou pomocí zpětné propagace. Dosaženým výsledkem bylo, že síť byla schopna určovat stav součásti z měření vibrací a na jeho základě byl odhadován zbývající život dané součásti.
|
|
|
Porovnání knihoven pro práci s umělými neuronovými sítěmi
Dohnal, Zdeněk ; Zbořil, František (oponent) ; Dalecký, Štěpán (vedoucí práce)
Práce se zabývá porovnáním knihoven pro práci umělými neuronovými sítěmi. Je vysvětlena základní teorie neuronu, neuronových sítí a jejich učení. Pro experimenty je vybrán vícevrstvý perceptron, Kohonenova síť a Hopfieldova síť. Následně jsou zvolena kritéria porovnávání jako je licence, komunita nebo poslední aktualizace, a pro experimenty jsou vybrány úlohy aproximace funkce pro vícevrstvý perceptron, asociace pro Hopfieldovu síť a shlukování pro Kohonenovu síť. Následně jsou implementovány programy s využitím daných knihoven. Závěrem je porovnání výsledků experimentů a kritérií.
|
|
| |
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Rekurentní neuronové sítě v počítačovém vidění
Křepský, Jan ; Řezníček, Ivo (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá využitím rekurentních neuronových sítí v oblasti počítačového vidění. V teoretické části jsou popsány základní poznatky o umělých neuronových sítích se zaměřením na rekurentní architektury. Dále jsou zde prezentovány některé z jejich možných aplikací a nasazení při řešení reálných problémů. Praktická část práce je věnována rozpoznávání obličejů ze sekvence snímků pomocí Elmanovy jednoduché rekurentní sítě. K učení jsou použity algoritmy backpropagation a backpropagation through time.
|
host ::
RSS.