Národní úložiště šedé literatury Nalezeno 83 záznamů.  začátekpředchozí21 - 30dalšíkonec  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Demonstrační úloha na učení bez učitele
Slezák, Milan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Bakalářská práce představuje použití „učení bez učitele“ a prezentuje možnosti shlukové analýzy. Součástí této práce je demonstrační program "Učení bez učitele". Tento program je vytvořen jako školní učební pomůcka. Obsahuje několik vstupních databází s různým rozložením dat. Na jejich základě je možné názorně vysvětlit základní principy shlukové analýzy a rozdíly mezi hierarchickým shlukováním a nehierarchickým shlukováním.
Vyhledávání podobných 3D modelů
Šťáva, Zdeněk ; Veľas, Martin (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá problematikou vyhledávání podobných 3D modelů v databázi obsahující až tisíce modelů. Věnuje se zejména porovnání již existujících deskriptorů užívaných pro popis 3D modelů a následné hodnocení podobnosti mezi modely. Porovnány jsou zejména deskriptory Rotation Invariant Spherical Harmonics a 3D Zernikeho deskriptor. Dále popisuje využívání knihoven na extrakci těchto deskriptorů a návrh různých experimentů s těmito knihovnami nad několika databázemi objektů. Zkoumá vliv škály, translace, deformace a rotace různých 3D modelů na výsledný deskriptor a celkovou přesnost obou vybraných metod. Tyto výsledky poté porovnává.
Identification and characterization of malicious behavior in behavioral graphs
Varga, Adam ; Burget, Radim (oponent) ; Hajný, Jan (vedoucí práce)
In recent years, there has been an increase in work involving comprehensive malware detection. It is often useful to use a graph format to capture behavior. This is the case with the Avast antivirus program, whose behavioral shield detects malicious behavior and stores it in the form of graphs. Since this is a proprietary solution and Avast antivirus works with its own set of characterized behavior, it was necessary to design our own detection method that will be built on top of these behavioral graphs. This work analyzes graphs of malware behavior captured by the behavioral shield of the Avast antivirus program for the process of deeper detection of malware. Detection of malicious behavior begins with the analysis and abstraction of patterns from the behavioral graph. Isolated patterns can more effectively identify dynamically changing malware. Behavior graphs are stored in the Neo4j graph database and thousands of them are captured every day. The aim of this work was to design an algorithm to identify the behavior of malicious software with emphasis on tagging speed and uniqueness of identified patterns of behavior. Identification of malicious behavior consists in finding the most important properties of trained classifiers and subsequent extraction of a subgraph consisting only of these important properties of nodes and the relationships between them. Subsequently, a rule for the evaluation of the extracted subgraph is proposed. The diploma thesis took place in cooperation with Avast Software s.r.o.
Vyhodnocení hydrodynamického zatížení přelévané mostovky
Řezník, Jindřich ; Dráb, Aleš (oponent) ; Špano, Miroslav (vedoucí práce)
Předmětem této práce je vyhodnocení hydrodynamického zatížení na fyzikálním modelu mostovky, především stanovení vztahu mezi mediánem a krajními kvantily jednotlivých složek hydrodynamického zatížení a posouzení vlivu tvaru mostovky na velikost tohoto zatížení. Zjištěné vztahy mohou být použity k určení návrhových hodnot zatížení od proudící vody, například při návrhu uložení mostovky na podpěrách.
Grafická reprezentace genomických a proteomických sekvencí
Pražák, Ondřej ; Kolářová, Jana (oponent) ; Maděránková, Denisa (vedoucí práce)
Úprava sekvencí DNA a jejich vhodné zobrazení je důležitou součástí analýzy, porovnání a dalšího zpracování. Úkolem této práce je seznámení s vlastnostmi genomických a proteomických sekvencí a nalezení metod pro jejich zobrazení. Z důvodu velkého množství postupů a jejich dělení, je v této práci uvedeno pouze několik zástupců. Všechny metody popsané v textu jsou dle zadání naprogramovány v prostředí Matlab. Pomocí krátkých sekvencí DNA několika živočichů jsou vyzkoušeny a porovnány s originálním výzkumem. Některé metody obsahují, vedle grafického zobrazení, i příklad dalšího zpracování, převážně podobnostní analýza. Závěrem práce je porovnání výsledků analýzy a vybrat nejvhodnější metodu.
Vyhledání podobných obrázků pomocí popisu barevným histogramem
Sailer, Zbyněk ; Hradiš, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce je postavena na popisu existujících metod vyhledávání podobných obrázků. Obsahuje souhrn způsobů popisu obrazu a kódování globálního i lokálního popisu (SIFT, atd.). Dále se věnuje způsobu efektivního vyhledávání v mnohorozměrném prostoru (LSH). Vlastní práce pak pokračuje návrhem a otestováním tří globálních deskriptorů využívajících barevné histogramy, histogram gradientů a kombinaci obou variant. Poslední část se věnuje vyhledávání podobných obrázků s využitím navržených deskriptorů a indexační metody LSH a porovnáním výsledků s existující metodou. Výsledkem práce je experimentální aplikace demonstrující navržené řešení.
Rozpoznávání podobností souborů na základě chování
Otočka, Dávid ; Vojnar, Tomáš (oponent) ; Peringer, Petr (vedoucí práce)
Cílem práce bylo navrhnout algoritmus, který na základě výstupu z analýzy chovaní programu, dokáže stanovit míru podobnosti s jinými programy. Pro potřeby algoritmu byla upravena Levenshteinova metoda pro výpočet rozdílu mezi dvěma řetězci a metoda NCD. U obou metod je v práci uveden spůsob jejich implementace a výsledky testů. V práci jsou popsány způsoby analýzy programů v prostředí virtuálního počítače i vysvětlení některých základních pojmů týkajících se analýzy škodlivého kódu.
Systém pro nalezení duplikátů nahrávek na základě audio informace
Švejcar, Michael ; Miklánek, Štěpán (oponent) ; Ištvánek, Matěj (vedoucí práce)
Tato diplomová práce se zabývá metodami pro rozpoznání hudebních duplikátů v databázi souborů. Problém tkví v tom, že soubory hudebních duplikátů nemusí být vždy zcela shodné - mohou se lišit například v kvalitě či obsaženém potlesku na konci jedné z nahrávek. Cílem bylo navrhnout a implementovat systém, který shodné nahrávky identifikuje, vzájemně k sobě přiřadí a zapíše do výstupního souboru. Systém by měl být dostatečně robustní vůči již zmíněným drobným rozdílům mezi duplikáty, zároveň by měl být natolik přesný, aby nedocházelo k chybnému přiřazení vzájemně neshodných nahrávek. K těmto účelům byl použit programovací jazyk Python společně s dostupnými knihovnami pro výpočet chromagramů, techniky Image Hashing a různých variant algoritmu dynamického borcení časové osy. V rámci výsledného systému byly implementované tři různé metody, lišící se v jejich přesnosti a výpočetní náročnosti. Metody byly následně otestované na předem připraveném datasetu a na základě získaných výsledků byly vytvořeny čtyři různé úrovně přednastavené přesnosti výsledného systému. Výsledný systém se jeví jako vysoce přesný a zároveň robustní vůči nahrávkám, které jsou si velmi podobné, nikoli však shodné, jako je tomu u různých interpretací stejné skladby.
Methods for Predicting Drug Side Effects in Silico
Cicková, Pavlína ; Lexa,, Matej (oponent) ; Berka,, Karel (oponent) ; Provazník, Ivo (vedoucí práce)
Drug discovery is a field of contemporary science, which has encompassed the use of various computational methods. Wet lab approaches are costly and time-consuming and hence, in silico methods play an important role. Notwithstanding the progress of computational techniques applied in drug discovery in the last few decades, the great majority of the investigational compounds still do not succeed in reaching the final approval stage. Not only for this reason state-of-the-art drug design strategies focus on reinvestigating already approved drugs and drug similarity analyzes are crucial to consider. This work presents the development and application of a set of workflows created within the KNIME Analytics Platform which implements an approach using machine-learning methods for drug side effect prediction. The presented set of workflows deals with data retrieval, pre-processing, similarity metrics computation and data exploratory analysis. Consequently, classification models are applied to predict specific side effects of drugs. The prediction is based on similarity-based techniques. Structural and other similarities of approved drug molecules were used to train the decision tree models for the prediction of potential drug-side effect associations. The main advantage of the work is the re-usability of the applied techniques. Our set of workflows provides an environment allowing for new research questions in terms of drug similarity to be addressed. Moreover, as the workflows created within KNIME Analytics Platform provide a user-friendly graphical interface, users do not require any advanced experience in machine learning or programming to perform their studies using the designed workflows.

Národní úložiště šedé literatury : Nalezeno 83 záznamů.   začátekpředchozí21 - 30dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.