|
| |
|
| |
|
|
Využití Soft Computingu v rámci řízení objednávkového cyklu
Šustrová, Tereza ; Fecenko, Josef (oponent) ; Jurová, Marie (oponent) ; Marček, Dušan (oponent) ; Dostál, Petr (vedoucí práce)
Dizertační práce se zabývá možnostmi využití pokročilých metod rozhodování Soft Computingu při řízení objednávkového cyklu podniku. Hlavním cílem dizertační práce je navržení modelu umělé neuronové sítě s optimální architekturou pro řízení objednávkového cyklu podniku v rámci řízení dodavatelského řetězce. Vytvořený model bude sloužit v organizaci působící v oblasti obchodního podnikání pro zajištění plynulého materiálového toku. Součástí dizertační práce je rovněž konstrukce a ověření modelu umělé neuronové sítě pro predikci prodeje a srovnání výsledků a vhodnosti použití s běžnými a dosud používanými statistickými metodami. Dále se dizertační práce zabývá nalezením vhodné architektury umělé neuronové sítě pro stanovení velikosti objednávky na základě zadaných vstupů. Ke zpracování modelu bylo využito metod statistického zpracování dat, ekonomického modelování, Soft Computingu a poznatků ohledně stavu vědeckého poznání řešené problematiky z posledních let.
|
|
|
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
|
|
|
Bayesovské a neuronové sítě
Hložek, Bohuslav ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce představuje Bayesovskou neuronovou síť na základě modelu Occamovy břitvy. První část práce shrnuje základní poznatky o neuronových sítích a Bayesovo pravidlo. Je vysvětlen princip Occamova ostří a detaily Bayesovské neuronové sítě. Rovněž je představen reálný příklad použití k predikci sesuvu půdy. V druhé části práce je představeno, jak vytvořit Bayesovskou neuronovou sít v jazyce Python. Je ukázán demonstrační program, který na experimentálních datech ukazuje vlastnosti Bayesovských neuronových sítí.
|
|
| |
|
|
Využití prostředků inverzní analýzy spolehlivosti při pravděpodobnostním návrhu vybraných parametrů konstrukcí
Lipowczan, Martin ; Novák, Drahomír (oponent) ; Lehký, David (vedoucí práce)
Podstatou předložené bakalářské práce je aplikace metodiky a prostředků inverzní analýzy při pravděpodobnostním návrhu vybraných parametrů konstrukcí. Prvním krokem bylo seznámení se s pravděpodobnostním návrhem a posouzením konstrukcí, následně pak s vlastní metodikou inverzní analýzy založené na umělých neuronových sítí. Po nastudování daného tématu bylo možné přejít k samotné problematice. Zprvu pro uvedení teorie do praxe se začalo na lehčích příkladech. Jednalo se o matematické funkce a jeden praktičtější příklad. U těchto příkladů byly předem známé výsledky. Tato skutečnost vedla k snadné kontrole dosažených hodnot. Postupným zdokonalováním v užívání softwarových nástrojů a to zejména programu DLNNET bylo možné přejít na příklady z praxe. Zvoleny byly příklady z předmětů nižších ročníků bakalářského studia na Fakultě stavební VUT Brno. Prvním z nich byl návrh železobetonové desky, u které byly hledanými návrhovými parametry výška desky a plocha vyztužení. Druhým příkladem byl návrh montážního ocelového šroubového spoje u diagonály vazníku. Zde se provedlo dimenzování průměru šroubu a jeho počet.
|
|
|
Automatické čtení SPZ s využitím technik hlubokého učení
Dobrovský, Ladislav ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Předmětem této práce je rešerše hlubokých konvolučních umělých neuronových sítí a jejich využití na řešení problému automatického rozpoznávání státních poznávacích značek. Po přehledu teorie a současných trendů byl určen další směr vývoje. Práce zkoumá několik typů konvolučních neuronových sítí a komplexní architekturu systému spolupracujících aplikací. V praktické části je popsána implementace a výsledky experimentů se zhodnocením vhodnosti zkoumaných sítí pro praktické využití.
|
|
|
Detekce Elliotových vln
Kaleta, Marek ; Šperka, Svatopluk (oponent) ; Petřík, Patrik (vedoucí práce)
Práce se zabývá detekcí Elliottových vln, statistického nástroje k popisu a předvídání trhu. Práce obsahuje návrhy možných metod jejich detekce a jejich zhodnocení. Z možných metod je pak rozpracována detekce impulsů pomocí umělých neuronových sítí, konkrétně množiny vícevrstvých perceptronů zapojených do jednoduché committee machine. Výstupem práce je program detekující Elliottovy vlny. Program hledá vlny přímo na vstupní časové řadě pomocí neuronových sítí a pak na tvoří hierarchickou strukturu vln.
|
|
|
Klasifikace srdečních cyklů z více svodového EKG pomocí metody hlavních komponent
Vlček, Milan ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je seznámit se s metodou hlavních komponent. Dále se zaměřit na její využití při zpracování srdečních cyklů. Tato metoda umožňuje zredukovat množství dat beze ztráty užitečných informaci, což je důvodem proč se v posledních letech často používá pro zpracování dat a pro jejich následnou klasifikaci, kterou se tato práce také zabývá. Data byla získána ústavem biomedicínského inženýrství na FEKT VUT v Brně. Jejich následná analýza byla provedena v programu Matlab.
|
host ::
RSS.