|
|
Chatbot postavený na umělých neuronových sítích
Červíček, Petr ; Novotný, Ondřej (oponent) ; Szőke, Igor (vedoucí práce)
Bakalářská práce se zabývá implementací chatbota pomocí neuronových sítí. Využívá Long short term memory networks, které slouží k zapamatování dlouhodobých závislostí. Chatbot byl implementován v jazyce Python s nadstavbou Keras a je založen na principu sequence-to-sequence. Po implementaci byl chatbot testován pomocí metriky BLEU a dále předložen několika uživatelům ke konverzování. Pro lepší pochopení chatbotů je v této bakalářské práci taktéž popsána historie chatbotů a dán jednoduchý popis použitých technologií.
|
|
|
Algoritmické obchodování na burze s využitím dat z Twitteru
Kříž, Jakub ; Plchot, Oldřich (oponent) ; Szőke, Igor (vedoucí práce)
Práce se zabývá tvorbou systému, který na základě analýzy historických burzovních dat a zpráv z Twitteru predikuje budoucí vývoj trhu. Tweety ze dvou různých sad jsou analyzovány pomocí náladových slovníků nebo přes rekurentní neuronovou síť. Z výsledků této analýzy a technické analýzy burzovních dat je pomocí vrstvené neuronové sítě prováděna predikce. Dle predikce poté systém vytvoří a otestuje obchodní strategii. V rámci práce je navržen a implementován celý systém, který pomocí dat z analýzy tweetů dosáhl zvýšení výnosu některých obchodních strategií o více než 25 %. Toto zlepšení však platí jen pro konkrétní data a časové období.
|
|
|
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.
|
|
| |
|
|
Elektromagnetická analýza
Kolofík, Josef ; Reichert, Pavel (oponent) ; Martinásek, Zdeněk (vedoucí práce)
Tato práce se zabývá problematikou elektromagnetické analýzy a aplikací elektromagnetického postranního kanálu. První a druhá část práce popisují základy kryptografie, funkci kryptografického modulu a útoky vedené postranními kanály. Třetí část práce rozebírá možnosti elektromagnetické analýzy, konstrukci sondy, popis laboratorního pracoviště, elektromagnetickou emisi PIC16F84A, algoritmus AES a přípravu na laboratorní měření. Čtvrtá část práce popisuje konkrétní laboratorní měření a extrakci užitečného signálu. V páté části práce jsou uvedeny výsledky zpracování naměřených hodnot, výstupy vytvořených skriptů a zjištěné souvislosti mezi naměřenými průběhy a šifrovacím klíčem algoritmu AES. V šesté části práce jsou rozebrány základní možnosti obrany proti útoku postranním kanálem.
|
|
|
Využití umělé inteligence na kapitálových trzích ke snížení rizika obchodování
Orság, Štěpán ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato práce se zabývá problematikou predikcí obchodování na finančních trzích a pomocí predikce se snaží snížit riziko spojené se vstupem na trh. Predikce je zpracována za využití prostředků umělé inteligence. Ta je v této práci zastoupena neuronovými sítěmi, které modelují a predikují chování trhu. Práce obsahuje popis finančních trhů, burzovního obchodování a jeho analýzami a metod umělé inteligence. Hlavní částí práce je model pro predikci vývoje ceny konkrétního instrumentu. Tento model byl vyvinut v prostředí MATLAB a měl by sloužit jako podpora pro obchodní rozhodování. Jeho cílem je předpovědět směr a velikost pohybu cenové hladiny pro následující obchodní den. Výstup tohoto modelu je zpracovány pomocí platformy MetaTrader 4. Na závěr jsou vyčísleny možné zisky plynoucí z tohoto řešení.
|
|
|
Využití umělé inteligence v kryptografii
Lavický, Vojtěch ; Rosenberg, Martin (oponent) ; Babnič, Patrik (vedoucí práce)
Cílem práce je se seznámit se s problematikou neuronových sítí a používaných bezpečnostních protokolů v kryptografii. Teoretická práce se zabývá rozborem neuronových sítí s přihlédnutím na výběr typu sítě později využitý v modelu kryptografického systému. V praktické části je vytvořen koncept zcela nového bezpečnostního protokolu, který využívá vytipovanou neuronovou síť.
|
|
|
Artificial Intelligence
Ragas, Luděk ; Žouželková Bartošová, Marie (oponent) ; Sedláček, Pavel (vedoucí práce)
The aim of this bachelor thesis is to provide insight into the extensive field of artificial intelligence. At first, the thesis provides a definition of artificial intelligence and a brief overview of its history. Thereafter, this work also briefly describes technologies of artificial intelligence, such as neural networks, expert systems, and genetic algorithms. Lastly, this thesis describes influence and position of artificial intelligence in society.
|
|
|
Identifikace parametrů elasto-plastických modelů materiálu z experimentálních dat
Jeník, Ivan ; Šebek, František (oponent) ; Kubík, Petr (vedoucí práce)
Tato diplomová práce se zabývá problematikou identifikace křivky plastického zpevnění materiálu ze záznamu tahové zkoušky hladkého válcového vzorku. Nejprve je uveden teoretický základ nezbytný k řešení problému. Jsou definovány základní pojmy inkrementální teorie plasticity, popsáno provedení tahové zkoušky a zpracování jejích výstupů. Dále možnosti matematického vyjádření konstitutivního vztahu elasto-plastického materiálu, tedy samotné křivky zpevnění. Stručně je vysvětlen také mechanismus tvárného porušování materiálu. Je předložen přehled současně používaných metod identifikace křivky zpevnění materiálu z mechanických zkoušek, kdy napjatost není jednoosá. Jedná se buď o různé druhy analytické korekce přepočtových vztahů, odvozených pro napjatost jednoosou, nebo využití metod matematické optimalizace v kombinaci s numerickou simulací tahové zkoušky. Zmíněna je také nekonvenční metoda neuronových sítí. Pro 8 vybraných materiálů je provedena identifikace jejich křivky zpevnění metodou analytické korekce, optimalizace, sekvenční identifikace a pomocí neuronové sítě. Algoritmy posledních dvou metod byly modifikovány. Na základě analýzy získaných výsledků je doporučena oblast použití a nastavení parametrů jednotlivých algoritmů. Jako efektivní cesta k věrohodnému výsledku se ukázala kombinace principielně různých metod během procesu identifikace.
|
|
| |
host ::
RSS.