|
|
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.
|
|
|
Předpověď počasí na základě různých zdrojů
Hořák, Martin ; Kořenek, Jan (oponent) ; Novotný, Tomáš (vedoucí práce)
Bakalářská práce se zabývá předpovědí počasí prostřednictvím umělé neuronové sítě s algoritmem učení zpětného šíření chyby. Předpověď je založená na datech získaných z volně dostupných služeb nabízejících informace o počasí. Vytvořená aplikace stahuje a ukládá předpovědi ze serverů a vytváří novou předpověď. Výsledky predikce jsou srovnávány s realitou a původními službami.
|
|
|
Neuronová síť pro přenos stylu
Kadlec, Filip ; Matoušek, Radomil (oponent) ; Hůlka, Tomáš (vedoucí práce)
V této bakalářské práci je popsáno strojové učení, typy umělých neuronových sítí a pochody v neuronových sítích, jako dopředné zpracování dat či trénování a učení samotných sítí. Také se zde srovnávají a popisují prostředky pro implementaci neuronových sítí. Praktická část je věnována problematice přenosu uměleckého stylu pomocí konvoluční neuronové sítě.
|
|
|
Rozpoznávání textu z obrazových dat
Marinič, Michal ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá rozpoznáváním textu v obrazových datech s pomocí různých metod, které jsou využity ke klasifikaci neznámých objektů v obraze. V první teoretické části se práce zaměřuje na vysvětlení všech důležitých částí systému pro optické rozpoznávání znaků. Praktická část práce popisuje ukázku segmentace obrazu, realizaci umělé neuronové sítě pro rozpoznávání obrazových dat a vytvoření jednoduché trénovací množiny dat pro vyhodnocení této sítě. Rovněž popisuje proces trénování nástroje Tesseract a jeho implementaci v jednoduché aplikaci EasyTessOCR pro rozpoznávání znaků.
|
|
|
Využití umělé inteligence na kapitálových trzích
Skočík, Michal ; Pekárek, Jan (oponent) ; Budík, Jan (vedoucí práce)
Práce je zaměřena na problematiku týkající se umělých neuronových sítí a jejich využití na kapitálových trzích. V práci je vytvořen program, pomocí kterého se načtou vstupní data a vytvoří se neuronová síť, která slouží k predikci vývoje cen akcií. Tento program je vytvořen pomocí výpočetního prostředí MATLAB. Vytvořená síť je testována na simulaci obchodního modelu. Na základě výsledku simulace jsou diskutovány výsledky.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Šeda, Jan ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
rčení vývoje ceny na světových trzích je aktuální problematikou, která v posledních dekádách nabývá na významu. Důležitou roli v tom sehrává rozvoj výpočetní techniky. V této práci je navržen mechanizmus pro predikci budoucí ceny na trhu. Na základě toho je pak sestavena obchodní strategie. Jádro predikčního systému používá pro svou činnost umělé neuronové sítě. Vstupem sítě jsou pak vybrané indikátory technické analýzy trhu. Obchodní systém byl implementován a úspěšně ověřen na historických datech.
|
|
|
Predikce časových řad pomocí statistických metod
Beluský, Ondrej ; Bidlo, Michal (oponent) ; Schwarz, Josef (vedoucí práce)
Různé společnosti považují za neodmyslitelné získávat předpověď časových řad nejistých hodnot proměnných, které ovlivňují jejich rozhodnutí. Marketing obsahuje vícero rozhodnutí, která závisí na spolehlivé předpovědi. Předpovědi jsou založeny přímo nebo nepřímo na informacích, které jsou získány z historických dat. Tato data mohou obsahovat různé vzory - jako je trend, horizontální vzor, sezónní vzor nebo i cyklický vzor. Většina metod je založena na rozpoznávaní těchto vzorů, jejich promítnutí do budoucnosti a následného vytvoření předpovědi. Jiné přístupy jako jsou například neuronové sítě jsou černými skříňkami, které využívají učení.
|
|
|
Matematické modelování výkonnosti podniku užitím neuronových sítí v Maple
Bartulec, Tomasz ; Vašátko, Jiří (oponent) ; Chvátalová, Zuzana (vedoucí práce)
Cílem této diplomové práce je analyzovat možnosti využití umělých neuronových sítí jako netradičních matematických prostředků k analýze finanční výkonnosti firmy, zjistit, jaké jsou současné požadavky na hodnocení výkonnosti firem, a najít možnou cestu, jak by bylo možné takový poměrně nový koncept v této oblasti uplatnit. Při zpracování bude využito možností počítačového programu pro matematické výpočty Maple. Výsledkem práce bude i vyhodnocení úspěšnosti tohoto přístupu k finanční analýze a zhodnocení jeho použití v praxi. Dílčí cíle, kterých bude třeba pro splnění cíle hlavního dosáhnout, jsou: seznámení se s základním principem, na kterém umělé neuronové sítě fungují, provedení analýzy finanční výkonnosti konkrétní firmy a zhodnocení případné predikční schopnosti navržené sítě.
|
|
|
Harmonizace melodie
Trnkóci, Andrej ; Jaroš, Jiří (oponent) ; Fapšo, Michal (vedoucí práce)
Vedci z oboru informačných technológií oddávna považovali hudbu za obzvlášť zaujímavé umenie. Pravdou je, že história hudby tvorenej počítačom je skoro tak dlhá ako história počítačovej vedy. Programy pre komponovanie, alebo tvorenie hudby" na rôznych úrovniach procesu kompozície boli vyvíjané už od 50tych rokov minulého storočia. Táto bakalárska práca uvádza hlavné prístupy v oblasti automatickej harmonizácie t.j. Problém produkovania hudobného aranžmá (nôt) z daných melódií, a sústreďuje sa na najpoužívanejšie techniky jeho riešenia. Hlavným cieľom tejto práce je návrh a implementácia softvérového systému pre automatickú harmonizáciu, ktorý by mal byť schopný naučiť sa pravidlá harmónie z databázy midi súborov. V tejto práci popíšem existujúce harmonizačné systémy a ďalej sa zameriam hlavne na princípy strojového učenia - teóriu a aplikáciu umelých neurónových sietí a ich použitie pre harmonizáciu.
|
|
|
Umělá inteligence v průmyslu 4.0
Hirsch, Radim ; Kroupa, Jiří (oponent) ; Kovář, Jiří (vedoucí práce)
Cílem této práce je poskytnout přehled aplikací metod umělé inteligence v kontextu průmyslu 4.0. První kapitola je věnována definici konceptu průmyslu 4.0, předchozímu vývoji průmyslu a zařazení vědního oboru umělé inteligence do tohoto konceptu. Druhá kapitola je zaměřena na rešerši aplikací metod umělé inteligence v oblasti obrábění, výrobního průmyslu, automatizace a energetiky. Závěr práce je věnován zhodnocení metod, jejich výhod a úskalí z pohledu jednotlivých praktických aplikací a zmiňuje možné směry budoucího vývoje.
|
host ::
RSS.