|
|
Využití umělé inteligence v kryptografii
Lavický, Vojtěch ; Rosenberg, Martin (oponent) ; Babnič, Patrik (vedoucí práce)
Cílem práce je se seznámit se s problematikou neuronových sítí a používaných bezpečnostních protokolů v kryptografii. Teoretická práce se zabývá rozborem neuronových sítí s přihlédnutím na výběr typu sítě později využitý v modelu kryptografického systému. V praktické části je vytvořen koncept zcela nového bezpečnostního protokolu, který využívá vytipovanou neuronovou síť.
|
|
|
Klasifikace EKG signálů s použitím neuronových sítí
Loviška, David ; Vítek, Martin (oponent) ; Hrubeš, Jan (vedoucí práce)
Cílem projektu Klasifikace EKG signálů pomocí neuronových sítí je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout vytvořením programu schopného jednoduše a téměř okamžitě klasifikovat EKG signál s použitím umělé neuronové sítě. Vytvořený program poskytne lékaři základní informace o vloženém elektrokardiogramu, jako jsou časové intervaly a amplitudy signálu v jednotlivých zkoumaných úsecích. Následně lékaře upozorní na odchylky od normálu. Součástí programu je i grafické okno se zobrazeným signálem a na něm barevně zvýrazněny body a úseky vyhodnocené programem za zvláštní. V další fázi bude program sám klasifikovat získané údaje a určí nezávisle na lékaři diagnózu, kterou může lékař vyhodnotit a případně vlastním podpisem uznat za skutečnou diagnózu pacienta. Tento program je rovněž vhodný pro několikahodinové, až týdenní záznamy Holterova monitorování EKG.
|
|
|
Potential application of neural networks in network elements
Babnič, Patrik ; Vymazal, Michal (oponent) ; Vychodil, Petr (vedoucí práce)
The goal was to get acquainted with the problems of network elements to describe neural networks that can be used to manage such a feature. The theoretical part deals with the neural networks from their inception to the present. It focuses mainly on the network, witch can be used for management control. These are the two network: Hopfield network and Kohonen network. The practical part deals with the network element model and ist implementation. It contains a practical element model using a neural network, witch is controlled by a network element.
|
|
|
Lokalizace obličejů ve video sekvencích v reálném čase
Juráček, Aleš ; Přinosil, Jiří (oponent) ; Richter, Miloslav (vedoucí práce)
Má diplomová práce se zabývá detekcí obličeje v obraze. Snažím se nastínit problematiku počítačového vidění, umělé inteligence a strojového učení. Popsal jsem zde podrobně detekci navrženou Violou a Jonesem, která pro sestavení klasifikátoru využívá algoritmus AdaBoost. Tato metoda byla záměrně vybrána z důvodu rychlosti detekce. Tento detektor byl realizován v programovacím jazyce C/C++ s využitím knihovny OpenCV. K celkovému natrénování byla využita databáze obličejových obrazů „MIT CVCL Face Database“. Cílem byla možnost nasazení detektoru tváří ve videosekvencích.
|
|
|
Návrh algoritmů pro neuronové sítě řídicí síťový prvek
Stískal, Břetislav ; Kacálek, Jan (oponent) ; Škorpil, Vladislav (vedoucí práce)
V teoretické části této práce se uvádí základní informace o historii a vývoji umělých neuronových sítí (UNS) z minulého období až po dnešek. Praktická část podává důkazy předpokladů zmiňovaných v teoretické části této práce, např. znázornění učení, trénování jednotlivých typů neurónových sítí na různých praktických úkolech, jejich následná simulace a vynesení poznání a závěrů z těchto simulací. Cílem je simulování aktivního prvku v síti, řízeného pomocí umělé inteligence. Tedy učení (trénování) neuronové sítě a její následná simulace pro řízení přepínače. V práci je uveden a popsán algoritmus směrování pomocí Hopfieldovy sítě založeném na typickém problému obchodního cestujícího. Následuje nastínění optimalizačních problémů a jejich řešení, porovnání s dalšími typy rekurentních (zpětnovazebních) sítí (Elman a Layer Recurrent) jejich hlavní rozdíly, způsoby optimalizace, výhody a nevýhody. Z poznatků této práce, je uveden návrh dalšího řešení řízení pomocí neuronových sítí do budoucna.
|
|
|
Adaptivní komprese dat pomocí neuronových sítí
Kučera, Michal ; Přinosil, Jiří (oponent) ; Koula, Ivan (vedoucí práce)
Tématem práce je využití neuronových sítí pro kompresy dat. Tento nástroj přináší nové možnosti jak při bezeztrátové tak ztrátové kompresi. Návrh několika kompresních algoritmů ukazuje chování, výhody i slabiny těchto systémů. Jako řešení využijeme znalosti o vícevrstvé perceptronové síti a zkusíme změnou struktury a dílčích parametrů naučit takovouto síť komprimovat data, dle našich vstupních požadavků. Tyto sítě mají i nevýhody, které jsou zatím překážkou ve vyžití v praxi. Cílem práce je vyzkoušet některé algoritmy. Prozkoumat jejich vlastnosti a možnosti využití. Dále pak navrhnout další možné řešení a vylepšení těchto algoritmů.
|
|
|
Moderní trendy v oboru počítačová fyzika
SURYNEK, Radek
Diplomová práce nabízí přehled základních moderních metod, které mohou být využity v oblasti počítačové fyziky. Jedná se konkrétně o paralelní výpočty, neuronové sítě, genetické algoritmy a fuzzy logiku. V každé kapitole je uveden teoretický popis metody, zjednodušené matematické vyjádření, návrhy technické realizace a stručně jsou zmíněny i konkrétní aplikace. Text je doplněn řadou jednoduchých příkladů. Závěr práce shrnuje získané poznatky a nastiňuje budoucí vývoj.
|
|
| |
|
| |
|
|
Využití neuronových sítí při obchodování s akciemi
Lahodová, Martina ; Veselá, Jitka (vedoucí práce) ; Stádník, Bohumil (oponent)
Neuronové sítě se v poslední době staly nejrychleji se rozvíjející oblastí počítačových věd. Mají výrazný interdisciplinární charakter, což umožňuje jejich aplikace v mnoha odvětvích lidské činnosti např. v prostředí kapitálových trhů. Cílem této práce je aplikovat model perceptronu pro výpočet budoucí ceny u vzorku akcií, zjistit přesnost predikce a vyvodit závěr o spolehlivém uplatnění neuronových sítí. Úvodní kapitoly práce se zabývají obecnými principy fungování neuronových sítí, jejich tříděním a překládají různé způsoby učení. Analytická část se věnuje tvorbě a použití modelu perceptronu a analýze dosažených výsledků.
|
host ::
RSS.