|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
| |
|
|
Využití autoenkodérů pro tvorbu hlubokých sítí
Lohniský, Michal ; Veselý, Karel (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá předtrénováním hlubokých sítí autoenkodéry. V prvních kapitolách jsou popsány prvky neuronové sítě. Další kapitoly jsou věnovány trénování hlubokých sítí a výsledkům, ve kterých je porovnáváno předtrénování autoenkodéry a algoritmus Backpropagation. Z výsledků experimentů na dvou datasetech vyplývá, že předtrénování autoenkodéry má kladný přínos, zvláště v kombinaci s Finetuningem.
|
|
|
Rekurentní neuronové sítě v počítačovém vidění
Křepský, Jan ; Řezníček, Ivo (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá využitím rekurentních neuronových sítí v oblasti počítačového vidění. V teoretické části jsou popsány základní poznatky o umělých neuronových sítích se zaměřením na rekurentní architektury. Dále jsou zde prezentovány některé z jejich možných aplikací a nasazení při řešení reálných problémů. Praktická část práce je věnována rozpoznávání obličejů ze sekvence snímků pomocí Elmanovy jednoduché rekurentní sítě. K učení jsou použity algoritmy backpropagation a backpropagation through time.
|
|
|
Programová knihovna pro práci s umělými neuronovými sítěmi s akcelerací na GPU
Trnkóci, Andrej ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Umelé neuronové siete sú náročné na výpočtovú silu počítaču. Ich urýchlenie môže zname- nať otvorenie nových možností výskumu či aplikácie v tejto oblasti. Práve to je cieľom tejto práce. Použitie grafických kariet na učenie neurónových sietí je jeden spôsob ako spomínané urýchlenie dosiahnuť. Táto práca rozoberá teoretické východiská a následne implementá- ciu softvérovej knižnice pre učenie algoritmom Backpropagation s podporou urýchlenia na grafickej karte.
|
|
|
Koevoluce kartézských genetických algoritmů a neuronových sítí
Kolář, Adam ; Král, Jiří (oponent) ; Zbořil, František (vedoucí práce)
Cílem práce bylo ověřit možnost spojení metod kartézského genetického programování a neuronových sítí. Výsledek práce reprezentuje sada experimentů s úlohami vyvažování tyče, průchodu agenta bludištěm a detekce buňek rakoviny prsu, provedených za pomocí implementované knihovny. Použil jsem jak nepřímé, tak přímé zakódování dopředné i rekurentní sítě. Zaměřil jsem se na nalezení nejlepší konfigurace výpočtu, detekci přeučování jedinců během evoluce, míru robustnosti řešení a možnosti stimulace řešení pomocí fitness funkce. Zjistil jsem, že obecně nejlépe konvergují řešení s nižšími hodnotami parametru n_c a n_r a jsou také méně náchylné k přeučování. Úpravami fitness funkce jsem evolvoval kontrolér, který redukoval rozkmit vyvažované tyče. Klasifikátor buňek rakoviny rozpoznával korektně více než 98% vzorků, čímž překonal většinu srovnávaných metod. Podařilo se také navrhnout model bludiště, ve kterém agent úspěšně plnil vícekrokové úlohy.
|
|
|
Neuro-fuzzy systémy
Dalecký, Štěpán ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Diplomová práce se zabývá teorií umělých neuronových sítí, následně jsou popsány fuzzy množiny a vysvětlena fuzzy logika. Na základě neuronových sítí, fuzzy množin a fuzzy logiky je navržen hybridní neuro-fuzzy systém vycházející ze systému ANFIS. Funkčnost zmíněných systémů byla ověřena na úloze řízení inverzního kyvadla. Pro řízení byly navrženy tři regulátory - první na bázi neuronových sítí, druhý fuzzy regulátor a třetí založený na systému ANFIS. Cílem práce je popsané systémy, na základě kterých byly navrženy regulátory, porovnat a zhodnotit přínos hybridního neuro-fuzzy systému ANFIS oproti přístupu založenému na samostatných teoriích. V závěru práce jsou popsány experimenty s navrženými systémy a zhodnoceny dosažené výsledky.
|
|
| |
|
|
Agent pro kurzové sázení
Bělohlávek, Jiří ; Rozman, Jaroslav (oponent) ; Grulich, Lukáš (vedoucí práce)
Tato práce vysvětluje návrh a implementaci agenta pro podporu kurzového sázení. Nechybí ani teoretické pozadí o online kurzovém sázení, pravděpodobnosti a statistice. V části dolování dat je nastíněn princip dolování dat z datových skladů, metody řešení různých typů úloh. Podrobněji je zpracována metoda řešení pomocí neuronových sítí např. pomocí algoritmu backpropagation. Najdete zde i množství grafů a histogramů, z analýzy dat, vytvořených programem SAS Enterprise Miner. V závěru práce se nachází shrnutí výsledů a další možnosti rozšíření agenta.
|
|
|
Vytvoření modulu pro dolování dat z databází
Krásenský, David ; Burgetová, Ivana (oponent) ; Lukáš, Roman (vedoucí práce)
Cílem této práce je vytvořit modul pro získávání znalostí z databází pro informační systém Belindy firmy Voxnet s.r.o. V první fázi budou pomocí programu SAS Enterprise Miner analyzována data z databáze klientů firmy pomocí několika dolovacích metod a výsledky budou porovnány. Ve druhé fázi bude vhodná metoda implementována jako modul informačního systému Belinda. Součástí práce je také zhodnocení dosažených výsledků a možného využití v praxi.
|
host ::
RSS.