|
| |
|
|
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.
|
|
|
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.
|
|
|
Analýza experimentálních EKG
Mackových, Marek ; Kolářová, Jana (oponent) ; Ronzhina, Marina (vedoucí práce)
Táto práca sa zaoberá analýzou experimentálnych EKG záznamov vyhotovených na izolovaných králičích srdciach a je zameraná na popis zmien v EKG spôsobených ischémiou a hypertrofiou ľavej srdečnej komory. Pozostáva z teoretického rozboru problematiky hodnotenia EKG pri ischémii a hypertrofii a z popisu experimentálneho snímania EKG. Na teoretickú časť nadväzuje praktická časť, ktorá popisuje spôsob výpočtu morfologických parametrov, ďalej nasleduje ROC analýza pre zhodnotenie ich vhodnosti pre klasifikáciu hypertrofie a v závere samotná klasifikácia.
|
|
|
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.
|
|
|
Metody strojového učení ve zpracování přirozeného jazyka
Vodička, Jan ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
Bakalářská práce se zajímá hodnocením sentimentu textu v českém jazyce za pomocí metod strojového učení, hlavně za použití naivního bayesovského klasifikátoru. Členění probíhá do dvou kategorií - pozitivní, negativní zprávy. Jako datové zdroje pro automatické vytvoření korpusu jsou použity zprávy ze sociální sítě Twitter, zbožového porovnávače Heuréka, filmové databáze ČSFD a restauračního portálu Scuk. Jsou porovnány z hlediska výkonnosti při hodnocení sentimentu. Následně je sestavena výsledná tréninková sada, která je použita při hodnocení zpráv z Twitteru v téměř reálném čase.
|
|
|
Adaptivní klient pro sociální síť Twitter
Guňka, Jiří ; Kajan, Rudolf (oponent) ; Šperka, Svatopluk (vedoucí práce)
Účelem této práce je vytvořit uživatelsky přívětivého klienta pro službu Twitter, využívajícího metod strojového učení k doporučování zajímavých příspěvků uživateli na základě jeho dosavadního chování. Klient nabízí klasické funkce poskytované obecně všemi klienty a k tomu přidává funkčnost v podobě doporučování příspěvků a grafického znázornění aktuálních příspěvků.
|
|
|
Zjednoznačňování slovních významů
Kraus, Michal ; Glembek, Ondřej (oponent) ; Smrž, Pavel (vedoucí práce)
Diplomová práce je zaměřena na rozpoznávání a zjednoznačňování českých slov. Nejprve se čtenář seznámí s historickým kontextem úkolu, poté jsou mu předvedeny použité algoritmy: naivní Bayesův klasifikátor, klasifikátor AdaBoost, metoda maximální entropie a rozhodovací strom. Použité metody jsou názorně předvedeny na příkladu. V dalších částech práce jsou popsány datové sady a parametry pro klasifikaci. V závěrečné části práce dojde na zhodnocení výsledků a nastínění možných úprav.
|
|
| |
|
|
Zlepšování učinnosti prevence v telemedicíně
Nálevka, Petr ; Svátek, Vojtěch (vedoucí práce) ; Berka, Petr (oponent) ; Štěpánková, Olga (oponent) ; Šárek, Milan (oponent)
Cílem této práce je zlepšení účinnosti telemedicínských preventivních programů s využitím nástrojů z oblasti dobývání znalostí z databází a moderních telekomunikačních technologií. Tato práce využívá program ITAREPS jako případovou studii a ukazuje, že rozšíření tohoto programu postavené na navrhovaných metodách může výrazně zlepšit úspěšnost prevence. ITAREPS je sám o sobě ukázkou úspěšné aplikace telemedicíny a asi největším podobným počinem v oblasti prevence schizofrenie. Funguje již od roku 2006. Byl nasazen v osmi zemích světa a jen v České republice pomohl více než 400 pacientům v prevenci relapsu. Výsledky této práce mají širší využití, a to při prevenci jiných psychotických, ale i nepsychotických nemocí, které mají tendenci k recidivě a splňují další podmínky vymezené v této práci. Tato práce navrhuje dvě hlavní oblasti pro zlepšení. Zaprvé, využití historických dat a aplikaci různých metod temporálního dobývaní znalostí pro zlepšení úspěšnosti predikce relapsu. Zadruhé, využití nejnovějších telekomunikačních technologií pro zlepšení kvality získávaných diagnostických dat přímo u zdroje.
|
host ::
RSS.