|
|
Molecular Signature as Optima of Multi-Objective Function with Applications to Prediction in Oncogenomics
Aligerová, Zuzana ; Maděránková, Denisa (oponent) ; Provazník, Ivo (vedoucí práce)
Content of this work is theoretical introduction and follow-up practical processing of topic Molecular signature as optima of multi-objective function with applications to prediction in oncogenomics. Opening chapters are targeted on topic of cancer, mainly on breast cancer and its subtype Triple Negative Breast Cancer. Succeeds the literature review of optimization methods, mainly on meta-heuristic methods for multi-objective optimization and problematic of machine learning. Part is focused on the oncogenomics and on the principal of microarray and also to statistics methods with emphasis on the calculation of p-value and Bimodality Index. Practical part of work consists from concrete research and conclusions lead to next steps of research. Implementation of selected methods was realised in Matlab and R, with use of other programming languages Java and Python.
|
|
|
Nové metody zpracování textu pro klasifikaci emocí
Onderka, Jakub ; Burget, Radim (oponent) ; Mašek, Jan (vedoucí práce)
Tato diplomová práce se zabývá možnostmi extrakce emocí z textu, konkrétně strojovými metodami bez učitele. Podrobněji jsou popsány metody sémantického modelování LSA, pLSA a LDA. Byla vytvořena implementace metody LDA v jazyce Java, která byla použita pro emocionální klasifikaci 860 česky psaných dokumentů do šesti odlišných emocí. Maximální přesnost při optimalizaci parametrů modelu byla 24 %.
|
|
|
Analýza obchodních dat využitím metod rozpoznání vzoru
Prišť, Lukáš ; Burget, Radim (oponent) ; Atassi, Hicham (vedoucí práce)
Tato práce se věnuje základním metodám analýzy časových řad a jejich rozkladu s použitím aditivního modelu. Popisuje tvorbu tříd v jazyce Python pro tvorbu časové řady a její rozklad. Zabývá se také tvorbou grafického rozhraní pro program v prostředí MATLAB pro generování a značkování časových řad. Rozebírám zde implementaci funkcí pro rozklad časových řad vytvořených dříve v jazyce Python. Vybral jsem sedm vlastností, které jsem u časových řad značkoval. Stanovil jsem jak obecné, tak konkrétně volené příznaky pro reprezentaci sledovaných vlastností. Časové řady vygenerované pomocí tohoto programu jsou použity pro trénování klasifikátoru pro automatický sémantický popis. Takto natrénovaný klasifikátor jsem poté použil pro predikci označení vlastností neznámých časových řad.
|
|
|
Podobnost obrazů na základě bodů zájmu
Jelínek, Ondřej ; Uher, Václav (oponent) ; Burget, Radim (vedoucí práce)
V této práci je představena nová metoda pro určení přítomnosti hledaného objektu v prozkoumávaném obrazu. Tato metoda je postavena na analýze klíčových bodů obrazu a výpočtu jejich parametrů. Získané parametry jsou potom použity pro vytvoření rozhodovacího modelu s využitím metod strojového učení. Model dokáže na základě vstupních dat určit, zda se hledaný objekt v obrazu nachází a také jak moc je nalezený objekt podobný vybranému vzoru. Nová metoda je zde podrobně popsána, je vyhodnocena její přesnost a porovnána s již existujícími detektory. Oproti těmto detektorům, mezi které patří například SURF, je úspěšnost detekce nové metody o více než 40% vyšší. Pro pochopení problematiky detekce objektu v obrazu je zde shrnut a popsán postup detekce včetně nejpoužívanějších algoritmů provádějících funkci daného kroku detekce.
|
|
|
Rozpoznávání emocí v česky psaných textech
Červenec, Radek ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Díky rozvoji informačních a komunikačních technologií v posledních letech došlo k velkému nárůstu množství informací, které denně vznikají ve formě elektronických dokumentů. Třídění a zpracování informací se stalo pro člověka velmi obtížné, a proto vzrůstá obliba systémů automatického dolování znalostí z textu. Zajímavou podoblastí jsou systémy pro analýzu sentimentu a automatického rozpoznání emocí v textech, které mají potencionálně široké uplatnění. V rámci této práce byl navržen a implementován systém využívající technik dolování znalostí z textu za účelem rozpoznávání emocí v česky psaných textech a bylo provedeno zhodnocení jeho úspěšnosti. Protože je systém postaven převážně na metodě strojového učení, byla navrhnuta a vytvořena trénovací množina, která byla posléze použita k vytvoření modelu klasifikátoru pomocí algoritmu podpůrných vektorů (SVM). Pro potřeby zpřesnění výsledků klasifikace textových dokumentů do předem definovaných emočních tříd, jsou do systému integrovány další prvky, jako např.: lexikální databáze, lemmatizátor a odvozený slovník klíčových slov. Součástí práce je také zhodnocení několika přístupů ke klasifikaci s různými modifikacemi navrženého systému.
|
|
|
Strojové učení pro analýzu MR obrazů mozku
Král, Jakub ; Říha, Ivo (oponent) ; Provazník, Ivo (vedoucí práce)
Diplomová práce se věnuje metodám strojového učení v rozpoznávání první fáze schizofrenie na obrazech získaných z nukleární magnetické rezonance. Úvod práce je zaměřen především na fyzikální princip magnetické rezonance. V práci se dále pozornost věnuje registračním metodám, redukci dat a strojovému učení. V části klasifikace jsou popsány míry podobnosti, metoda podpůrných vektorů, nejbližších sousedů a metoda K-means. Závěr teoretické části se věnuje hodnocení klasifikátorů. V praktické části práce jsou uvedeny výsledky redukce dat metodou PCA, CRLS-PCA a subjektové PCA. Dále je praktická část zaměřena na rozpoznávání tvarů metodou K-NN a K-means a testování klasifikátoru K-NN na reálných datech. Abnormality rozpoznané některou z klasifikačních metod pak mohou umožnit rozlišení pacientů se schizofrenií od zdravých dobrovolníků.
|
|
|
Vyhledávání vzorů v dynamických datech
Budík, Jan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
V první kapitole je nastíněna problematika rozpoznávání vzorů. Druhá kapitola pojednává o možných řešeních problému za použití umělé inteligence a popisuje základní teorie statistiky a chaosu. Třetí kapitola je zaměřena na problematiku časových řad, jejich typů, problémů a předzpracování. Je zde také popsán typ časových řad ve finančnictví. Čtvrtá kapitola pojednává o problematice rozpoznávání vzorů a predikce. Je zde popsána metoda učení, která je použita. Poslední kapitola popisuje vývoj programu a jeho jednotlivé části a jsou zde zobrazeny dosažené výsledky.
|
|
|
Rozpoznávání obličejů v obraze
Krhut, Miloš ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Diplomová práce se zabývá tématikou detekcí obličejů v digitálních obrazech. Jsou v ní obecně popsány a roztříděny nejčastěji používané metody a zmíněny jejich výhody a nevýhody. Podrobněji je popsána metoda detekce kůže pomocí barev, detekce očí, úst a dále teoreticky popsány algoritmy strojového učení a detekce Haarovými příznaky. Dále se práce věnuje implementaci těchto metod v knihovně OpenCV, jsou zde zmíněny praktické možnosti použití a nakonec provedeno srovnání detekcí různými dostupnými natrénovanými soubory.
|
|
|
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.
|
|
| |
host ::
RSS.