|
| |
|
| |
|
| |
|
| |
|
|
Úvod do statistického rozpoznávání
Pudil, Pavel ; Somol, Petr ; Haindl, Michal
Problém rozpoznávání je stručně charakterizován jako proces strojového učení. Jeho hlavní etapy (redukce dimenzionality, návrh klasifikátoru) jsou definovány. Prioritou článku je statistický přístup. Dva přístupy k redukci dimenzionality - výběr příznaků (FS) a extrakce příznaků (FE) jsou zmíněny. Přestože je FS speciálním případem FE, tyto přístupy se velmi liší z praktického pohledu a proto musí studovány odděleně.
|
|
|
Rozpoznávání založené na vícerozměrných modelech
Haindl, Michal ; Pudil, Pavel ; Somol, Petr
Tato kapitola vysvětluje obecné přístupy k některým aplikacím rozpoznávání dat založené na modelech. Součástí je i stručný popis tří základních tříd vícerozměrných datových modelů. Pro každou třídu modelů je popsán odhad parametrů a syntéza modelových dat. Na závěr jsou shrnuty výhody a nevýhody studovaných tříd vícerozměrných datových modelů.
|
|
| |
|
| |
|
|
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.
|
|
|
Extrakce informací z textu
Michalko, Boris ; Labský, Martin (vedoucí práce) ; Svátek, Vojtěch (oponent) ; Nováček, Jan (oponent)
Cieľom tejto práce je preskúmať dostupné systémy pre extrakciu informácií a možnosti ich použitia v projekte MedIEQ. Teoretickú časť obsahuje úvod do oblasti extrakcie informácií. Popisujem účel, potreby a použitie a vzťah k iným úlohám spracovania prirodzeného jazyka. Prechádzam históriou, nedávnym vývojom, meraním výkonnosti a jeho kritikou. Taktiež popisujem všeobecnú architektúru IE systému a základné úlohy, ktoré má riešiť, s dôrazom na extrakciu entít. V praktickej časti sa nacházda prehľad algoritmov používaných v systémoch pre extrakciu informácií. Opisujem oba typy algoritmov ? pravidlové aj štatistické. V ďalšej kapitole je zoznam a krátky popis existujúcich voľných systémov. Nakoniec robím vlastný experiment s dvomi systémami ? LingPipe a GATE na vybraných korpusoch. Meriam rôzne výkonnostné štatistiky. Taktiež som vytvoril malý slovník a regulárny výraz pre email aby som demonštroval taktiež pravidlá pre extrahovanie určitých špecifických informácií.
|
host ::
RSS.