|
Využití algoritmů strojového učení pro konstrukci hlídacích obvodů
Lelkes, Olivér ; Mičulka, Lukáš (oponent) ; Kaštil, Jan (vedoucí práce)
Tato bakalářská práce se zabývá využitím algoritmů strojového učení pro konstrukci hlídacích obvodů. Práce obsahuje detailní popis jednotlivých algoritmů strojového učení, které byly vybrány pro splnění cíle bakalářské práce. V textu práce je uvedeno seznámení jak s teoretickými vlastnostmi, tak i s konkrétním využitím dotyčných algoritmů ve formě klasifikátorů. Klasifikátory mohou pracovat s různými nastaveními, které ovlivňují přesnost učení a následné klasifikace. V experimentální části práce je poukázáno na rozdíly mezi jednotlivými klasifikátory a jejich nastavením. Experimenty byly prováděny na různých obvodech, mimo jiné na řídících jednotkách robota, vyvíjených na Ústavu počítačových systémů Fakulty informačních technologií VUT v Brně.
|
|
Využití umělé inteligence v technické diagnostice
Konečný, Antonín ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce je zaměřena na využití metod umělé inteligence pro vyhodnocení poruchového stavu strojního zařízení. Vyhodnocovaná data jsou z vibrodiagnostického modelu pro simulaci statické a dynamické nevývahy. Aplikovány jsou metody strojového učení, konkrétně učení s učitelem. V práci je popsáno softwarové prostředí Spyder, jeho alternativy, a programovací jazyk Python, ve kterém jsou skripty napsány. Obsahuje přehled s popisem použitých knihoven Scikit-learn, SciPy, Pandas ...) a metod, kterými jsou klasifikace metodou nejbližšího souseda (KNN), metoda podpůrných vektorů (SVM), rozhodovací stromy (DT) a klasifikace metodou náhodného lesa (RF). Výsledky úspěšnosti klasifikace jsou vizualizovány ve výsledné klasifikační matici pro každou metodu. Součástí přílohy jsou napsané skripty pro zpracování a výpočet prediktorů, hledání nejvhodnějších parametrů modelu, hodnocení úspěšnosti učení a klasifikace s vizualizací výsledku.
|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
Použití umělých neuronových sítí pro klasifikaci srdečních cyklů
Doležalová, Radka ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá využitím neuronových sítí při klasifikaci EKG. Nejdříve je problematika EKG a neuronových sítí rozebrána teoreticky, v další části je popsáno využití Neural Network Toolboxu pro samotnou tvorbu sítě a vytvoření grafického uživatelského rozhraní v prostředí Matlab. Na učení i testování jsou zde použita EKG data získána při experimentu na králičích izolovaných srdcích, konkrétně jednotlivé cykly (QRST segmenty) z ortogonálního svodu X ze sedmi fází experimentu. Výsledkem práce je GUI, které umožňuje nastavení různých parametrů a struktury neuronové sítě, která je schopná po naučení klasifikovat srdeční cykly podle jejich morfologie do sedmi skupin.
|
|
Učení založené na instancích
Martikán, Miroslav ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
Tato práce je zaměřena na algoritmy učení založeného na instancích. Hlavním cílem je vytvoření výukové aplikace. V práci jsou teoreticky popsány algoritmy učení založeného na instancích (IBL), metoda nejbližšího souseda a kd-stromy. Praktická část je věnovaná tvorbě aplikace pro výuku. Aplikace umožňuje generování množin dat, jejich klasifikaci metodou nejbližšího souseda a testování algoritmů IB1, IB2 a IB3.
|
|
Application of Machine Learning Algorithms for the Generation of Checking Circuits
Lelkes, Olivér ; Krčma, Martin (oponent) ; Kaštil, Jan (vedoucí práce)
This thesis deals with the application of machine learning algorithms for generation of online checking circuits. It contains description of the principles of checking circuits and presents existing checking circuit implementations relevant to this thesis. The work is focused on applying checking circuits on hardware components with sequential logic. Machine learning algorithms are trained on data sets consisting of the hardware components' input-output sequences, stored as time series data. Processing time series requires special type of machine learning algorithms, which are described and compared.The individual algorithms are utilized as machine learning classifiers in order to determine their suitability for use in checking circuits. The experiments of the thesis were performed on a low-pass FIR filter. The settings of the employed machine learning classifiers are presented and the results with the individual classifier settings are evaluated. Based on the obtained results it is discussed which machine learning algorithms are applicable in checking circuits.
|
|
Využití umělé inteligence k monitorování stavu obráběcího stroje
Kubisz, Jan ; Kroupa, Jiří (oponent) ; Kovář, Jiří (vedoucí práce)
Diplomová práce se zabývá vytvořením vnitřní struktury neuronových sítí s cílem vytvoření umělé neuronové sítě schopné monitorovat stav stroje a vyhodnocovat jeho zbývající život. Cílem je vytvoření algoritmů a knihovny pro návrh a učení neuronové sítě, a tím i hlubší pochopení problematiky než při použití existujících knihoven. Zvolenou metodou byla dopředná síť s architekturou vícevrstvého perceptronu a učenou pomocí zpětné propagace. Dosaženým výsledkem bylo, že síť byla schopna určovat stav součásti z měření vibrací a na jeho základě byl odhadován zbývající život dané součásti.
|
|
Traffic analysis using on machine learning
Zelený, Ondřej ; Slanina, Martin (oponent) ; Frýza, Tomáš (vedoucí práce)
The aim of this semestral thesis is to investigate the problematic of object detection and clasification for traffic analysis. The theoretical part of the paper takes insight on numerous methods and techniques of object detection and clasification. Further the paper discuses popular frameworks and programming languages for implementation of convolutional neural networks. The practical part shows implementation of chosen model and hardware selection for real system.
|
|
Pilot proficiency classification from gaze
Ruta, Dominik ; Vlk, Jan (oponent) ; Chudý, Peter (vedoucí práce)
This work deals with the classification of pilot proficiency level and basic flight maneuvers from gaze. The goal is to provide additional valuable tool for aviation instructors to evaluate proficiency of pilot students and provides them with feedback. This idea is based on results of numerous relevant studies, which discovered correlation between effective scanning patterns and domain performance. This thesis considers two proficiency levels~---~amateur and experienced. This work utilizes common analysis metrics of visual scanning and machine-learning classification techniques. The Support Vector Machine algorithm is used for the proficiency classification and Hidden Markov Models are utilized in basic flight maneuvers classification. The result of this thesis is a high accuracy proficiency classification and good ability to distinguish between individual basic flight maneuvers performed by pilots.
|
| |