|
|
Význam týmu Scuderia Ferrari pro mistrovství světa F1
Martinec, Jan ; Voráček, Josef (vedoucí práce) ; Waic, Marek (oponent)
Název: Význam týmu Scuderia Ferrari pro mistrovství světa formule 1 Cíle: Hlavním cílem této diplomové práce je prostřednictvím historických událostí týmu Scuderia Ferrari analyzovat a identifikovat důvody významného postavení tohoto týmu pro mistrovství světa vozů formule 1 a potvrdit či vyvrátit obecný fakt, proč je Ferrari nepostradatelnou, těžko zastupitelnou součástí šampionátu F1. Metody: V této diplomové práci jsou použity následující metody: obsáhlá rešerše dostupných zdrojů o Scuderii Ferrari, metody používané ke zpracování historické práce - přímá metoda, metoda dedukce, progresivní metoda, komparativní metoda, biografická metoda a metoda kolektivní biografie. Výsledky: Scuderia Ferrari je pro mistrovství světa F1 jedním z její pilířů. Ferrari má své DNA založeno na závodech Grand Prix, narozdíl od ostatních automobilek působících v F1 a je rovněž nositelem hodnot odkazujících na počátek šampionátu, kdy se utvářel. Tým je svou kulturou, odvozenou ze svého italského původu, odlišným od ostatních týmů, které mají svá sídla v germánsky hovořících zemích. Potvrdilo, že za úspěšnými organizacemi stojí silné osobnosti, které utvářely historii, pozici a vnímání Scuderie Ferrari. Tým se rovněž zásadně podílel na politice F1 v průběhu jejího vývoje a zasadil se o vznik Concordské dohody -...
|
|
|
Vliv vybraných probiotických bakterií na růst hostitele v gnotobiotickém myším modelu
Drgoňová, Veronika ; Janďourek, Ondřej (vedoucí práce) ; Konečná, Klára (oponent)
Univerzita Karlova Farmaceutická fakulta v Hradci Králové Katedra biologických a lékařských věd Studijní obor: Farmacie Autor: Veronika Drgoňová Vedoucí práce: PharmDr. Ondřej Janďourek, Ph.D. Konzultant: Mgr. Martin Schwarzer, Ph.D. Název diplomové práce: Vliv vybraných probiotických bakterií na růst hostitele v gnotobiotickém myším modelu Tato diplomová práce rozšiřuje znalosti o schopnosti bakterie Lactiplantibacillus plantarum WJL podporovat růst gnotobiotického hostitele v modelu chronické podvýživy. Bylo zkoumáno, zda i další bakterie mají podobné schopnosti a zda jsou tyto vlastnosti druhově a kmenově specifické. Testovány byly kmeny Bifidobacterium longum ssp. longum a Bifidobacterium adolescentis v gnotobiotickém juvenilním myším modelu chronické podvýživy a byl sledován jejich vliv na somatotropní osu hostitele. Současně bylo analyzováno, jak podvýživa ovlivňuje bakterie ve střevě hostitele a úroveň kolonizace střeva. Bezmikrobní myši C57BL/6J byly monokolonizovány intragastrickou sondou testovanými bakteriálními kmeny. Po ověření stabilní kolonizace byly myši připuštěny a samčí potomci F1 byli převedeni 21. den po narození na experimentální dietu s nízkým obsahem bílkovin a tuků. Každý týden byl sledován jejich růst měřením délky těla a hmotnosti. Myši byly utraceny po 5 týdnech a byly...
|
|
|
Detekce malware domén pomocí metod strojového učení
Ebert, Tomáš ; Poliakov, Daniel (oponent) ; Hranický, Radek (vedoucí práce)
Tato bakalářská práce se zabývá detekcí malware domén pomocí metod strojového učení na základě různých informací získaných o doméně (DNS záznamy, geolokační údaje atd.). S rychle rozšiřujícími se hrozbami, nejen formou malwaru, jsou často současné přístupy nedostačující ať už jen rychlostí detekce malware domén, nebo celkovým rozeznáním, zda se jedná o nebezpečnou doménu. Výstupem této práce je natrénovaný model klasifikátoru XGBoost, jehož výhodou je rychlá a efektivní detekce v reálném čase oproti detekci pomocí černých listin, které získávají data domén často s týdenním zpožděním. Pro tento model bylo získáno 131 tisíc malware domén, pomocí kterých bylo možné získat model s vysokými hodnotami. Pomocí experimentů bylo dosaženo skóre F1 96.8786 % u klasifikátoru XGBoost s poměrem falešně pozitivních detekcí 0.004887.
|
|
|
Optimization of Classification Models for Malicious Domain Detection
Pouč, Petr ; Jeřábek, Kamil (oponent) ; Hranický, Radek (vedoucí práce)
This thesis focuses on the development of advanced methods for malicious domain name detection using optimization techniques in machine learning. The thesis investigates and evaluates the effectiveness of different optimization strategies for classification. As evaluation tools, I selected classification algorithms that differ in their approach, including deep learning, decision tree techniques, or hyperplane search. These methods are investigated in terms of their ability to effectively classify domain names depending on the implemented optimization techniques. Optimization strategies include the creation of ground-truth datasets, application of data processing methods, advanced feature selection, solving the class imbalance problem, and hyperparameter tuning. The final part of the paper presents a detailed analysis of the benefits of each optimization approach. The experimental part of the study demonstrates exceptional results by combining several methodologies. The top CNN models obtained up to 0.9926 F1 while lowering FPR to 0.3%. The contribution of this study is to provide specific methodologies and tactics for the successful identification of malicious domain names in the cybersecurity area.
|
|
|
Lokalizace fibrilace síní pro vyhodnocení zatížení pacienta
Martinásková, Klára ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Diplomová práce se zabývá problematikou detekce fibrilace síní ze záznamů EKG a lokalizace daných úseků fibrilace u signálů s paroxysmální fibrilací. Je vypracována rešerše týkající se fibrilace síní, vzniku této atologie a metod detekce fibrilace z EKG záznamů pomocí hlubokého učení. V jazyce Python je následně implementován model konvoluční neuronové sítě s reziduálními bloky pro klasifikaci krátkých (3 s) segmentů EKG signálu. Následně jsou výsledky klasifikace zpracovány a v signálech s paroxysmální fibrilací jsou lokalizovány úseky s fibrilací. Díky klasifikaci a lokalizaci je dále vyhodnoceno zatížení pacienta fibrilací. Implementovaný klasifikátor na testovací množině dosahuje výsledků F1 skóre 96,15 %. Při lokalizaci úseků s fibrilací algoritmem je dosaženo hodnoty MAE 0,95 s pro detekci začátků a 1,29 s pro detekci konců vůči referenčním polohám. Odhadované zatížení pacienta je porovnáno se skutečnou zátěží a dosahuje MAE 3 %.
|
|
|
Analyzing a person’s handwriting for recognizing his/her emotional state
Chudárek, Aleš ; Matoušek, Jiří (oponent) ; Malik, Aamir Saeed (vedoucí práce)
Emotion recognition from handwriting is a challenging and interdisciplinary task that can provide insights into the psychological and emotional aspects of the writer. In this study, we developed and evaluated a machine learning model that can predict the emotional state of a writer from their handwriting samples. We utilized the EMOTHAW dataset, which consists of handwriting and drawing samples from subjects whose emotional states are measured by the DASS test, which gives a score for depression, anxiety, and stress and the CIU Handwritten database for verification and experimentation. We extracted a large number of features that are inspired by the standard graphology work, as well as features that are specific to online data. We used ANOVA to select statistically significant features and normalized the data using Z-Score, MinMax, IQR or Log. We reduced the dimensionality of the features using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA). We employed a meta approach Ensemble learning that seeks to reduce the errors of a single model by exploiting the diversity and complementarity of multiple models. The structure of our classifier is dependent on multiple arguments resulting in over 300,000 different configurations. We optimized arguments using argument freezing. We found the best classifiers for binary and trinary classification for each emotion, resulting in six optimal models. We evaluated our models using different metrics, such as accuracy, precision, recall, and F1-score. Our models reached adequate results in all metrics. In addition to finding the classifiers, this thesis explored the importance of each extracted feature, providing a sorted list of the most significant features used for emotion recognition from handwriting. We also enhanced the EMOTHAW database by identifying tasks that are more indicative of specific emotions, thereby reducing the need for a full task battery for emotional analysis.
|
|
|
Detekce nežádoucích požadavků na webu
Slovák, Michal ; Setinský, Jiří (oponent) ; Hranický, Radek (vedoucí práce)
Práce se zabývá vývojem klasifikátoru pro detekci nežádoucích požadavků na webový server s využitím metod strojového učení. Tento přístup vyžaduje vznik anotované datové sady a analýzu společných vlastnostní a charakteristik nelegitimních požadavků, které lze využít pro jejich kategorizaci. Dále se práce zabývá výběrem vhodného klasifikačního algoritmu. Výsledný model dosahuje váhovaného skóre F1 99.95 %, je spolehlivý a rychlý, což jej činí vhodným pro praktické nasazení.
|
|
|
Automatizovaná extrakce strukturovaných dat dokumentů
Křivánek, Jakub ; Vaško, Marek (oponent) ; Kohút, Jan (vedoucí práce)
Tato bakalářská práce řeší problém získávání strukturovaných dat ze skenů dokumentů českých knihoven. Cílem práce je usnadnit časově náročný manuální proces knihovníkům. Zaměřil jsem se vytvoření datových sad z dokumentů českých knihoven a na detekci metadat na těchto datasetech. Datové sady jsem vytvořil pro knihy a druhou pro periodika. Detekce byla realizována způsoben klasifikace řádků přečtených z dokumentů. Pro to jsou použita plně propojená neuronoví síť a síť využívající Transformer Encoder. Druhý způsob detekce metadat je založen na detekci objektů na skenech dokumentů pomocí modelu YOLOv8. Detekce pomocí plně propojené neuronové sítě dosahuje F1 skóre 0,83 na datasetu knih a 0,78 na datasetu periodik. F1 skóre sítě s Transformer Encoder dosahuje hodnot 0,84 na datasetu knih a 0,59 na datasetu periodik. Model YOLO dosahuje F1 skóre 0,86 (confidece na 0,549) na datasetu knih a 0,7 (confidence na 0,336) na datasetu periodik.
|
|
|
Možnosti neuronových sítí využívajících transformery pro zpracování medicínských obrazů
Valík, Tomáš ; Nohel, Michal (oponent) ; Chmelík, Jiří (vedoucí práce)
Tato diplomová práce se zabývá možnostmi využití neuronových sítí založených na architektuře transformerů pro zpracování medicínských obrazů. Hlavním cílem bylo porovnat výkonnost modelů ResNet18 a Vision Transformer (ViT-B-16) na dvou odlišných datasetech, konkrétně Intel Image Classification a ChestXray. Modely byly optimalizovány pomocí frameworku Optuna a nakonec byl každý z nich trénován desetkrát pro zajištění robustnosti výsledků. ty ukazují, že modely využívající Vision Transformery dosahují vyšších hodnot váženého F1 skóre ve srovnání s modely ResNet18. Konkrétně dosáhl model ViT-B-16 nejvyššího F1 skóre 0,939 na datasetu Intel Image a 0,907 na datasetu ChestXray, zatímco ResNet18 dosáhl hodnot 0,883, respektivě 0,885. Statistické analýzy pomocí Wilcoxonova testu potvrdily, že rozdíly ve výkonnosti mezi modely jsou statisticky signifikantní, což naznačuje výhodu použití Vision Transformerů pro tyto úlohy. Uveden je také rozbor výpočetní náročnosti, která je pro ViT mnohem vyšší.
|
|
|
Aplikace hlubokého učení v detekci spánkové apnoe
Láznička, Jakub ; Šaclová, Lucie (oponent) ; Králík, Martin (vedoucí práce)
Tato diplomová práce se zaměřuje na využití metod hlubokého učení pro detekci spánkové apnoe, poruchy spánku charakterizované opakovanými epizodami zastavení nebo významného snížení průtoku dýchacích cest během spánku. Studie zkoumá efektivitu konvolučních neuronových sítí (CNN) a modelů Bidirectional Long Short-Term Memory (BiLSTM) v automatické detekci různých typů spánkové apnoe s využitím polysomnografických záznamů. V práci jsou využity datasety z databáze MESA, které byly speciálně připraveny a upraveny pro potřeby hlubokého učení. Modely s nejlepšími výsledky dosáhly hodnot F1 skóre 0,87 a 0,83, což ukazuje, že hluboké učení může poskytovat přesné nástroje pro diagnostiku spánkové apnoe, představující potenciální zlepšení v klinické praxi. Práce také diskutuje možnosti integrace těchto modelů do klinických diagnostických procesů a nastiňuje směry pro budoucí výzkum v této oblasti.
|
host ::
RSS.