|
|
Generativní neuronová síť pro tvorbu syntetických fotorealistických obrazů
Hora, Adam ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Hlavním cílem této práce je vybrat a navrhnout model neuronové sítě, který bude schopen generovat realistické obrázky tématicky zapadající do vybrané datové sady. Pro řešení je použita architektura hluboké konvoluční generativní adverzní sítě. Tato síť je implementována v programovacím jazyce Python pomocí aplikačních programovacích rozhraní Tensorflow a v něm obsaženém rozhraní Keras. Model je natrénován na vybrané datové sadě a jsou zobrazeny výsledné vygenerované snímky. Finální model a jednotlivé snímky jsou nakonec vyhodnoceny pomocí různých metod hodnocení kvality.
|
|
|
Automatizovaná tvorba modelů hlubokých neuronových sítí pro klasifikaci obrazu
DOHNAL, Patrik
Tato práce se zabývá návrhem a implementací systému pro automatickou tvorbu modelů hlubokých neuronových sítí (HNS) pro klasifikaci obrazu včetně evaluace výsledků na datových sadách Cifar-10 a Mnist-Fashion. Pro nalezení aproximačně nejlepšího modelu HNS je využito genetického algoritmu. V rámci práce je prozkoumáno několik přístupů k zakódování genetické informace modelů HNS. Dále je popsána řada experimentů s architekturou VGG-16, na jejichž základě je systém implementován. Součástí práce je i popis a řešení mnoha problémů s cyklickým trénováním na grafické kartě pomocí knihovny Tensorflow pro programovací jazyk Python.
|
|
|
Artificial Intelligence Poetry
Jurečka, Otakar ; Zmrzlá, Petra (oponent) ; Kotásek, Miroslav (vedoucí práce)
This thesis conducts an overview of existing computer engines that are designed to write poetry texts. It contains information on how to work with each presented application and their capabilities are demonstrated through their exemplary use. The generated writings are analyzed. The operation of these computer programs is explained. Additionally, it includes information about the origins of the idea of artificial intelligence, as well as its more recent technological developments.
|
|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
In the practical part of the diploma thesis, the task of identifying the manufacturer and model of a vehicle (VMMR) was implemented. In the first part, a dataset of vehicles was compiled for machine learning purposes that consists of images from the Internet. This resulted in over 6 million images of cars, buses, motorbikes and trucks usable for the VMMR task. Next, as part of the experiments, a standard classification was used on a part of the dataset, when the encoder is followed by a classification layer implemented using a neural network. Also an approach with a supervised contrastive learning method, clustering embeddings from encoder for easier classification, was used. Since the first mentioned approach returned more accurate results, it was used in the further experiments. There, a larger portion of images from our dataset was used for training a classifier for the VMMR task. Other classifiers were trained on the Stanford Cars and Comprehensive cars datasets. Lastly, when comparing the functionality of the classifiers on different datasets we have found that the classifier trained on our dataset performed the best.
|
|
|
Identifikace známých segmentů ve zvukovém signálu pomocí strojového učení
Pařízek, Radim ; Galáž, Zoltán (oponent) ; Zvončák, Vojtěch (vedoucí práce)
Bakalářská práce se věnuje návrhu systému pro identifikaci zvuků přírodního prostředí ve zvukovém záznamu. V práci jsou prozkoumány datasety a modely využívané pro tento typ úloh a je popsána jejich struktura. Byly navrhnuty systémy pro identifikaci zvuků v jedné vrstvě a ve dvou vrstvách pro sedm vybraných označení. Klasifikátor použitý pro tento systém byl vytvořen přetrénováním transformer modelu z platformy Hugging Face. Byly zhodnoceny výsledky dvou přístupů trénování a jednoho systému pro identifikaci.
|
|
|
Aproximace funkcí stanovující aktivitu včelstva za pomoci neuronových sítí
Nevláčil, Jakub ; Ligocki, Adam (oponent) ; Honec, Peter (vedoucí práce)
Včely jsou jako hlavní opylovači neopomenutelným přínosem pro celosvětové zemědělství a produkci potravy. Nicméně v poslední době se jejich počty neustále snižují a to zejména kvůli klimatickým změnám, parazitům nebo vlivem používání pesticidů. Porozumění jejich chování a spolehlivé stanovení jejich aktivity a zdraví by mohlo výrazným způsobem předejít nebo zpomalit jejich úbytek. Proto se tato práce zabývá vývojem zařízení pro akvizici užitečných dat ze včelích úlů, které by mohly být použity ke stanovení aktivity a zdraví včel. Dále se tato práce zabývá analýzou těchto nashromážděných dat za pomoci metod strojového učení s důrazem na stanovení aktivity a zdraví včelstva.
|
|
|
Essays on Data-driven, Non-parametric Modelling of Time-series
Hanus, Luboš ; Vácha, Lukáš (vedoucí práce) ; Witzany, Jiří (oponent) ; Ellington, Michael (oponent) ; Trimborn, Simon (oponent)
Tato dizertační práce se skládá ze čtyř článků přispívající k literatuře o datově řízeném a neparametrickém modelování časových řad. V prvním příspěvku studujeme synchronizaci hospodářských cyklů a navrhujeme vícerozměr- nou míru sladěnosti založenou na časové frekvenční kohezi. Naznačujeme, že ekonomická integrace může vést k vyšší sladěnosti hospodářských cyklů, což může odrážet výhody konvergence a koordinace hospodářských poli- tik. Druhý článek představuje novou metodiku pro identifikaci perzistence makroekonomických proměnných. Pomocí časově proměnných funkcí frek- venční odezvy identifikujeme heterogenní efekty perzistence v makroekono- mických proměnných USA. Třetí a čtvrtý článek navrhují metody založené na datech pro předpovídání distribucí časových řad s využitím strojového učení. Zavádíme vícevýstupovou neuronovou síť, která pro data vybírá nej- vhodnější rozdělení. Distribuční neuronová síť je přínosná pro modelování dat s nelineární, negaussovskou a asymetrickou strukturou. Třetí článek de- monstruje užitečnost této metody k odhadu informačně bohatých makroeko- nomických vějířových grafů a pravděpodobnostních předpovědí výnosů ak- cií. V posledním článku představujeme distribuční neuronovou síť k získání pravděpodobnostního rozdělení předpovědí cen elektřiny. Předpovídáme hodinové ceny...
|
|
|
Lokalizace intrakraniálních hemoragií v axiálních řezech CT snímků hlavy.
Kopečný, Kryštof ; Chmelík, Jiří (oponent) ; Nemček, Jakub (vedoucí práce)
Tématem této práce je lokalizace intrakraniálních krvácení na snímcích počítačové tomografie pomocí jednofázového a dvoufázového detektoru založených na konvolučních neuronových sítích. Práce mimo základní poznatky z umělé inteligence klíčové pro pochopení procesu detekce objektů podává medicínské informace o patologii a zobrazování krvácení. Znalosti ze zmíněných okruhů se využijí pro vlastní návrh algoritmu pracujícím s veřejně dostupnými databázemi CT snímků hlavy a jejich anotací CQ500 a BHX. Součástí práce je vyhodnocení výsledků a jejich diskuse.
|
|
|
Využití umělé inteligence ve vibrodiagnostice
Dočekalová, Petra ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce pojednává o strojovém učení, expertních systémech, fuzzy logice, genetických algoritmech, neuronových sítích a teorii chaosu, které spadají do kategorie umělé inteligence. Cílem práce je popsat a implementovat tři různé klasifikační metody, podle kterých bude zpracován soubor dat. Pro aplikaci dat bylo zvoleno SW prostředí GNU Octave z licenčních důvodů. Dále vyhodnotit úspěšnost klasifikace dat včetně vizualizace. Pro srovnání jsou použity tři různé klasifikační metody, abychom mohli zpracovaná data mezi sebou porovnávat.
|
|
|
Možnosti volně dostupné umělé inteligence
Ostrý, Lubomír ; Kumpán, Pavel (oponent) ; Appel, Martin (vedoucí práce)
Tato práce je zaměřena na volně dostupné nástroje a zdroje z oblasti umělé inteligence, konkrétně z odvětví machine learning. Jejím úkolem je prozkoumat současný stav, možnosti a omezení práce s open source programy umělé inteligence. První část práce popisuje vybrané základní pojmy týkající se machine learningu zejména neuronové sítě, jejich učení a využití. Další sekce se zaměřuje na nástroje pro machine learning, jsou zde popsány charakteristiky jednotlivých programů, kompatibilita a jejich využití. Zdroje volně přístupných dat pro učení neuronových sítí jsou tématem další z kapitol. Na ukázku byl vytvořen program používající některé z popsaných nástrojů demonstrující jejich možnosti a využití.
|
host ::
RSS.