|
|
Řízení přístupu v sítích IP
Frdlík, Tomáš ; Krajsa, Ondřej (oponent) ; Baroňák, Ivan (vedoucí práce)
V práci je popsána problematika zabezpečení QoS pro různé poskytované služby prostřednictvím IP sítí. Tyto aplikace mají vysoké nároky na parametry QoS jako zpoždění, ztrátovost a kolísání zpoždění. Požadovanou kvalitu zabezpečujeme pomocí různých metod, které mají za úkol monitorování sítě a řízení provozu. Jedním z hlavních prvků QoS, kterému se v této práci věnujeme, jsou metody přístupové neboli AC metody. Tyto metody mají za úkol rozhodovat, zda přijmou nebo zamítnou nové spojení na základě jeho parametrů, aniž by ovlivnily QoS ostatních spojení. Dále se tato práce zabývá problematikou využití neuronových sítí v AC metodách. Na závěr práce jsou simulovány a porovnány dvě metody, Gaussova metoda a metoda s využití neuronové sítě pro 100, 1 000 a 10 000 přístupů.
|
|
|
Metody detekce znakové řeči - rešeršní studie
Petr, Luboš ; Venglář, Vojtěch (oponent) ; Krejsa, Jiří (vedoucí práce)
Cílem této práce je popsat různé metody detekce znakové řeči. Výstupem jednotlivých metod je funkční překlad znakové řeči do textu v reálném čase. Kromě detekce pomocí rukavic a zařízení kinect se tato práce zabývá možnostmi detekce znakové řeči z obrazového záznamu, což je vzhledem k dostupnosti do budoucna nejvíce perspektivní způsob detekce. Práce je dále zaměřena na klasifikaci znaků pomocí neuronových sítí.
|
|
| |
|
|
Implementace struktur FPNN v C++
Skalník, Marek ; Lojda, Jakub (oponent) ; Krčma, Martin (vedoucí práce)
Tato práce se zabývá implementací simulátoru neuronových sítí v FPNN. V práci je rozebráno fungování neuronových sítí, implementace neuronových sítí v hardware a FPNN. Je zde rozebrán návrh implementace a samotná implementace simulátoru s využitím více vláken.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Vrábelová, Pavla ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá aplikací neuronových sítí na problém segmentace obrazových dat. První část práce je věnována úvodu do problematiky zpracování obrazu a neuronových sítí, v druhé části je popsán vytvořený segmentační systém a jsou prezentovány výsledky provedených experimentů. Vytvořený segmentační systém umožňuje použití různých typů klasifikátorů, extrakci různých příznaků pro klasifikaci a také vyhodnocení úspěšnosti segmentace. Byly vytvořeny dva klasifikátory - neuronová síť (samoorganizační mapa) a algoritmus K-means. Pro klasifikaci byly použity barevné (RGB a HSV) a texturní příznaky a jejich kombinace. Texturní příznaky byly získány pomocí sady Gáborových filtrů. Byly provedeny experimenty s vytvořenými klasifikátory a extraktory a porovnány výsledky.
|
|
|
Vytvoření databáze uměle zašumených audionahrávek v akusticky kontrolované místnosti
Hájek, Vojtěch ; Povoda, Lukáš (oponent) ; Harár, Pavol (vedoucí práce)
V této bakalářské práci se zabývám tvorbou databáze zvukových nahrávek a následným vytvoření databáze nahrávek hlasu, které byly nahrány v bezodrazové komoře. Databáze byla vytvořena tak, aby mohla být použita pro učení neuronové sítě s cílem oddělit řeč od hluku pozadí. Z tohoto důvodu jsou součástí databáze i záznamy hluků, které slouží pro umělé zašumění nahrávek hlasu. Dataset zahrnuje nahrávky 18 řečníků ve věku od 16 do 76 let. Polovina řečníků byli muži, polovina ženy. Dataset obsahuje 405 nahrávek hlasu o průměrné délce 46,7 vteřin a celkové délce 315 minut. Kombinací každé nahrávky hlasu s každou nahrávkou šumu ve třech úrovních odstupu signálu od šumu vzniklo 7290 uměle zašumených nahrávek hlasu.
|
|
|
Využití neuronových sítí pro klasifikaci alternací vlny T
Procházka, Tomáš ; Harabiš, Vratislav (oponent) ; Hrubeš, Jan (vedoucí práce)
Tato práce se zabývá analýzou pravidelných změn vlny T v EKG signálu nazývaných TWA. Přítomnost těchto alternací může znamenat zvýšené riziko náhlé srdeční smrti. K analýze TWA je zde využito algoritmů trénování neuronových sítí, konkrétně pak samoorganizujících se map. Výstupem této práce je program, který v testovaném EKG signálu nejprve detekuje QRS komplexy a získané referenční body následně využije k detekci T-vln. Vektor specifických bodů reprezentujících nalezené T-vlny je potom analyzován pomocí neuronové sítě. Výsledkem je rozhodnutí o míře přítomnosti TWA v analyzovaném signálu.
|
|
|
Rekurentní neuronové sítě pro klasifikaci textů
Myška, Vojtěch ; Kolařík, Martin (oponent) ; Povoda, Lukáš (vedoucí práce)
Diplomová práce se zabývá návrhem neuronových sítí pro klasifikaci pozitivních a negativních textů. Vývoj probíhal v programovacím jazyce Python. Návrh modelů hlubokých neuronových sítí byl proveden pomocí vysokoúrovňového API Keras využívající knihovnu pro numerické výpočty TensorFlow. Výpočetní operace byly provedeny pomocí GPU využívající CUDA architekturu. Výstupem práce je jazykově nezávislý model neuronových sítí umožňující klasifikaci textů na úrovni znaků. Vzorky byly úspěšně klasifikovány až v 93,64% případů. Trénovací a testovací data byla poskytnuta vícejazyčnou a Yelp databází. Simulace byly provedeny na 1200000 anglických, 12000 českých, německých a španělských textů.
|
|
|
Detection and Recognition of License Plates
Tykva, Jiří ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
The goal of this Bachelor's thesis is to design, implement, and test a system that can detect and recognize license plates in real-time by using neural networks. The collected data will be saved into the database. The system's architecture is divided into three main parts. The first part handles the license plate detection in the image by making use of the TensorFlow Object Detection API. The detector reaches the accuracy of 98.15 % AP with a speed of roughly 14 fps. The second part deals with license plate tracking by using the algorithm SORT. The third part holistically recognizes the text of the license plate and can reach up to 0.6% character error rate and 2% word error rate. The system may be used by law enforcement for purposes such as for keeping track of stolen vehicles or for the automatic road tolling.
|
|
|
Automatické hodnocení humoru
Katrňák, Josef ; Ondřej, Karel (oponent) ; Dočekal, Martin (vedoucí práce)
Cílem této práce je vytvoření systému pro automatické hodnocení humoru. Systém umožňuje predikovat vtipnost a kategorii pro vstup zadaný v angličtině. Hlavní podstatou je vytvoření klasifikátoru a trénování modelu na vytvořených datových sadách pro získání co nejlepších výsledků. Architektura klasifikátoru je založena na neuronových sítích. Systém zároveň obsahuje webové uživatelské rozhraní pro komunikaci s uživatelem. Výsledek je webová aplikace propojená s klasifikátorem umožňující hodnocení uživatelského vstupu a poskytování zpětné vazby od uživatelů.
|
host ::
RSS.