|
| |
|
|
Modul pro vyhledávání nevhodných obrázků
Žurek, Aleš
Práce je zaměřena na klasifikování fotografií, které jsou nahrávány na seznamovací službu Lidé.cz. Fotografie jsou klasifikovány do kategorií závadné a nezávadné dle toho, jestli obsahují pornografický obsah. Pro klasifikaci je využito konvolučních neuronových sítí, které jsou učeny pomocí frameworku Caffe. Výsledek práce splnil všechny požadavky kladené společností Seznam.cz, a.s. Na vytvořeném datasetu s 5643 fotografiemi bylo dosaženo přesnosti klasifikátoru 93,64 % a doba klasifikace jedné fotografie je natolik nízká, aby se dala provádět v reálném čase. První část práce obsahuje analýzu současného stavu klasifikace fotografií. Druhá část je zaměřena na analýzu a návrh řešení a v třetí části je popsaná implementace řešení a průběh testování modelů neuronových sítí.
|
|
|
Webová aplikace pro testování obchodních strategií a predikci časových řad
Matyáš, Michal
Diplomová práce se zabývá problematikou tvorby a testování obchodních strategií založených na technické analýze a predikcí časových řad pomocí neuronových sítí. Teoretická část práce čtenáře seznamuje se základními metodami analýzy trhu a to zejména s analýzou technickou. V praktické části jsou zanalyzovány dostupné možnosti testování obchodních strategií a navrženy funkce a struktura aplikace, podle kterých je následně výsledná webová aplikace naimplementována.
|
|
|
Automatické rozpoznávání stavu elektroměru z fotografie
HANZLÍK, Ondřej
Práce se zabývá problematikou rozpoznávání stavu elektroměru ze snímaného obrazu. Konkrétně jde o snímání elektroměru fotoaparátem mobilního telefonu. Na snímaném obraze je detekována plocha s číselníkem elektroměru a na té jsou následně detekována jednotlivá čísla. Ta jsou rozpoznávána za pomoci neuronové sítě. Pro získání informací z obrazu elektroměru, díky kterým dokážeme jeho stav rozpoznat, je využito technik segmentace obrazu. Pro klasifikaci výstupů segmentace je využito klasifikačních nástrojů, konkrétně vektorového stroje (SVM) a neuronové sítě. Pro řešení problematiky segmentace obrazu je použita knihovna OpenCV, stejně tak jako k implementaci vektorového stroje. Číslice na číselníku elektroměru jsou klasifikovány pomocí neuronové sítě, která byla vlastnoručně implementována. Celá aplikace pro rozpoznání je na platformě Android. Součástí práce je i vytvoření desktopové aplikace, která slouží pro testování neuronové sítě a vytváření jejích modelů. Práce současně popisuje, jak ukládat potřebná data získávaná v průběhu rozpoznávání, která jsou využívaná pro práci s neuronovou sítí. Součástí práce je spuštěný web, který bude rozvíjen pro možnost zapojení se do dalšího vývoje systému. Na webu je dostupný veřejný repozitář se zdrojovými kódy vytvořenými při implementaci.
|
|
|
Aplikace metod strojového učení na dolování znalosti z dat
Kraus, Jan
Diplomová práce se zabývá problematikou dolování znalostí z rozsáhlých kolekcí textových dat. Konkrétně je práce zaměřena na analýzu sentimentu uživatele na základě subjektivního slovního hodnocení v přirozeném jazyce. Teoretická část diplomové práce seznamuje čtenáře se základními pojmy z oblasti strojového učení a získávání znalostí zejména z rozsáhlých textových kolekcí. Dále jsou v této části popsány metody předzpracování textových dat a principy algoritmů strojového učení. V praktické části práce jsou navrženy samotné experimenty, které jsou ná-sledně realizovány pomocí softwarového nástroje SPSS Modeler. Experimentální část je zaměřena zejména na identifikaci význačných atributů a nalezení vztahů mezi nimi. Důraz je kladen zvláště na důkladnou interpretaci dosažených výsledků.
|
|
| |
|
|
Systém pro rozpoznávání tišteného písma
HANZLÍK, Ondřej
Práce se zabývá návrhem systému pro rozpoznání tišteného textu (OCR), který pro rozpoznávání písmen používá neuronovou sít. Neuronová sít je implementována za pomoci programu RapidMiner. Pro rízení neuronové síte jsou použity procesy vytvorené programem RapidMiner. Tyto procesy jsou spoušteny prímo z java aplikace. RapidMiner je implementován do java aplikace a za pomoci jeho knihoven je z java aplikace prímo spoušten.
|
|
|
Teoretické základy neuronových sítí
ROKŮSEK, Zdeněk
Tato bakalářská práce se zaměřuje na teoretické základy neuronových sítí, na popis základních modelů neuronových sítí a jejich použití v praxi. Poskytuje stručný přehled historie bádání v oblasti neurovýpočtů a objasňuje neurofyziologické motivace vedoucí k matematickému modelu neuronu a neuronové sítě. Počet možných alternativ modelů neuronových sítí a jejich použití je poměrně velký. Neuronov sítě lze použít k rozpoznávání obrazců, ke kompresi dat atd. K nejznámějším modelům neuronové sítě patří vícevrstvá neuronová síť, model MADALINE, asociativní síť a Hopfieldova síť.
|
|
|
Porovnání přístupů ke tvorbě scoringových modelů
Hofman, Elena ; Šedivý, Jan (vedoucí práce)
Tato práce je zaměřena na řízení přímého úvěrového rizika, které vzniká bance při klasických úvěrových obchodech vůči fyzickým osobám. Zabývá se teorií ohodnocení rizika parametrem PD (Probability of Default) na základě různých scoringových modelů. Cílem práce je uvedení do problematiky úvěrového rizika a jeho řízení obecně, pozornost je věnována detailnímu postupu tvorby scoringového modelu. Jsou uvedeny 3 konkrétní modelovací techniky a to logistická regrese, rozhodovací stromy a neuronové sítě. Metody jsou podrobně vysvětleny a jsou uvedeny možnosti jejich vzájemného porovnání. Aplikační část práce je věnována vyhodnocení a srovnání scoringových modelů postavených na uvedených metodách.
|
|
|
Historie umělé inteligence - Neuronové sítě
Šuchman, Ondřej ; Jirků, Petr (vedoucí práce) ; Berka, Petr (oponent)
Cílem mé bakalářské práce je zmapovat historický vývoj neuronových sítí od jejich počátku, za který lze považovat první matematický model neuronu v roce 1943, až po současnost a aplikaci neuronových sítí do "inteligentních" přístrojů, které dokáží rozpoznávat znaky, grafické údaje nebo dokáží převádět anglicky psaný text do mluvené podoby (NETtalk). Pro dosažení tohoto cíle jsem pečlivě prostudoval literaturu uvedenou v kapitole "Literatura a zdroje." V první kapitole získáme teoretický přehled o oblasti umělé inteligence a neuronových sítí. Dále je pak práce přehledně řazena do pěti časových období, která byla pro neuronové sítě v kladném nebo záporném slova smyslu podstatná. U nejvýznamnějších objevů je podrobněji rozepsána jejich funkce a příklady použití. Tato práce si neklade za cíl úplný výčet neuronových sítí, na to by obsahově ani zdaleka nestačila. Podstatnější je pro ni demonstrace určitých typů sítí, jejich první použití, nejdůležitější algoritmy a také zmínka o některých významných aplikačních použitích.
|
host ::
RSS.