|
|
Generátor neuronových sítí pro potřeby měření podobnosti obrazu
Hipča, Tomáš ; Kolařík, Martin (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá návrhem a implementací automatického softwarového generátoru dopředných neuronových sítí pro klasifikaci obrazu. Teoretická část práce objasňuje pojmy jako neuronová síť nebo formální neuron. Dále práce prezentuje rozdělení neuronových sítí na základě typu jejich architektury sítě a stylu učení. Práce se zaměřuje na konkrétní typ neuronových sítí, a sice sítě konvoluční. Jsou prezentované vybrané výzkumy z~této oblasti. Následují informace o~implementaci použité v~praktické části práce, tedy jaký byl zvolen programovací jazyk a který aplikační rámec byl použit. Stejně tak je obsahem stručný popis implementace, přehled implementovaných vrstev neuronové sítě, zvolená databáze fotografií a postup testování sítí. Výsledky toho testování jsou prezentovány a příslušně okomentovány.
|
|
|
Automatický hydroponický systém
Borsuk, Adam ; Kolařík, Martin (oponent) ; Číka, Petr (vedoucí práce)
Cieľom bakalárskej práce je preštudovať problematiku návrhu a tvorby automatického hydroponického systému pre pestovanie rastlín a riešiť tvorbu súčastí systému podľa základných podmienok pre rast rastlín a následne ich testovanie a overenie ich vlastností, pri tom vyhodnotiť ich funkčnosť. Druhým cieľom je vytvoriť komunikačné rozhranie pre odosielanie a ukladanie údajov zo systému a zároveň vytvoriť prehľadné zobrazovanie uložených a aktuálnych dát. Tretím cieľom je overiť funkčnosť a stabilitu vybraného mikrokontroléra ako riadiacej jednotky.
|
|
|
Zpětnovazební učení pro řešení herních algoritmů
Daňhelová, Jana ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování.
|
|
|
Automatic 3D segmentation of brain images
Bafrnec, Matúš ; Dorazil, Jan (oponent) ; Kolařík, Martin (vedoucí práce)
This bachelor thesis describes the design and implementation of the system for automatic 3D segmentation of a brain based on convolutional neural networks. The first part is dedicated to a brief history of neural networks and a theoretical description of the functionality of convolutional neural networks. It represents a fast introduction to the problematics and provides theoretical basics needed for the understanding and creation of the system. Individual layers of the neural network and principles of their functionality and mutual relations are also described in this part. The second part of the thesis is about problem analysis, designing of a solution and a comparison between neural networks and other solutions. The result of a magnetic resonance imaging of the head is a series of black-and-white images representing a 3D scan. The task is to tag a brain and to remove unnecessary information in the form of surrounding tissues. The final image of the brain can be utilized in a volumetry or during a diagnostic of neurodegenerative diseases. The advantage of neural networks in comparison with deterministic systems is their flexibility. They allow an adaptation to other segmentation problems just by changing the training dataset, without a need of changes in the architecture. One of the systems performing fully automatic 3D segmentation is called U-Net – its name comes from the similarity of the architecture with the letter U. Three real solutions, the first implementation of U-Net, extended U-Net and recurrent U-Net were presented. The first version of U-Net has been very memory-demanding, it required a training on a processor instead of a graphic card and has not allowed data processing in full resolution. The extended U-Net has resolved these problems by loading data in overlaying series of three images. In addition to the possibility of a training on a graphic card with related decrease in learning time, the accuracy was increased by adding interconnections to the internal architecture of the network. The last version, recurrent U-Net, aims for the optimization of extended U-Net based on the reusage of existing levels. This brings a decrease in a time and resource difficulty. The number of parameters of the network was lowered to less than 20%, without any increase in case of further level addition. This network is one of first recurrent networks used on the problem of 3D segmentation and provides a foundation to further research. The last part focuses on the evaluation of results and the comparison of accuracy, speed and requirements between particular networks. The accuracy of human and machine segmentation is also compared. The extended and recurrent U-Net have surpassed their human opponent, which in real case could save a lot of doctors time and prevent human mistakes. The result of this work is a theoretical basis providing an introduction to the problematics of convolutional neural networks and segmentation, fully working systems for automatic 3D segmentation and the foundation for further research in the field of recurrent networks.
|
|
|
Time series analysis using deep learning
Hladík, Jakub ; Kolařík, Martin (oponent) ; Uher, Václav (vedoucí práce)
The aim of the thesis was to create a tool for time-series prediction based on deep learning. The first part of the work is a brief description of deep learning and its comparison to classical machine learning. In the next section contains brief analysis of some tools, that are already used for time-series forecasting. The last part is focused on the analysis of the problem as well as on the actual creation of the program.
|
|
|
Rekurentní neuronové sítě pro klasifikaci textů
Myška, Vojtěch ; Kolařík, Martin (oponent) ; Povoda, Lukáš (vedoucí práce)
Diplomová práce se zabývá návrhem neuronových sítí pro klasifikaci pozitivních a negativních textů. Vývoj probíhal v programovacím jazyce Python. Návrh modelů hlubokých neuronových sítí byl proveden pomocí vysokoúrovňového API Keras využívající knihovnu pro numerické výpočty TensorFlow. Výpočetní operace byly provedeny pomocí GPU využívající CUDA architekturu. Výstupem práce je jazykově nezávislý model neuronových sítí umožňující klasifikaci textů na úrovni znaků. Vzorky byly úspěšně klasifikovány až v 93,64% případů. Trénovací a testovací data byla poskytnuta vícejazyčnou a Yelp databází. Simulace byly provedeny na 1200000 anglických, 12000 českých, německých a španělských textů.
|
|
|
Moderní anorganické slévárenské pojivové systémy
Kolařík, Martin ; Rusín, Karel (oponent) ; Cupák, Petr (vedoucí práce)
Tato bakalářská práce se zabývá nově vyvinutými anorganickými pojivovými systémy. Ty jsou vyvíjeny zejména pro jejich ekologické přednosti. U některých zmíněných pojivových systémů se ale dosahuje i lepších technologických vlastností. Jsou zde popsány anorganické pojivové systémy jak na bázi alkalických silikátů, tak na bázi anorganických solí. Pozornost je věnována také bentonitu, který je stále nejpoužívanějším pojivem na světě. Ukazuje se, že tyto pojivové systémy budou mít význam pro budoucnost slévárenského průmyslu.
|
|
|
Hluboké učení pro klasifikaci textů
Kolařík, Martin ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Práce se zabývá rozborem současných metod strojového učení používaných pro emoční klasifikaci textových dat a testováním různých architektur neuronových sítí na problému binární klasifikace textů na pozitivní a negativní. Výstupem práce je návrh vlastní architektury hluboké konvoluční neuronové sítě, která je optimalizovaná pro problém a dosáhla úspěšnosti 79,9 procent. Navrhovaná metoda není závislá na použitém jazyce a je možno ji aplikovat i při využití méně detailně vytvořených vstupních trénovacích databází. Trénovací a testovací množina dat se skládala z kratších amatérských filmových recenzí v češtině a angličtině. Skripty byly psány v programovacím jazyce Python, využita byla knihovna pro modelování neuronových sítí Keras a výpočetní knihovna Theano. Kvůli zvýšení rychlosti výpočtu byly početní operace prováděny přes architekturu CUDA na grafické kartě. Součástí práce je také přehled teoretického základu pro práci s konvolučními neuronovými sítěmi a historie neuronových sítí.
|
|
| |
|
|
Programovatelný MIDI ovladač
Kolařík, Martin ; Lattenberg, Ivo (oponent) ; Schimmel, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá realizací programovatelného MIDI ovladače. Teoretická část práce popisuje protokol MIDI, jeho strukturu a použití. Současně rozebírá vlastnosti použitých součástek, zejména procesoru ATmega32-16PU a LCD displeje s řadičem HD44780. Praktická část práce se zaměřuje na popis zapojení, návrh desky plošných spojů a rozbor programu. Pro naprogramování byl použit programátor Biprog a vývojová platforma Atmel studio 6.1. Ovladač umožňuje odeslání MIDI zprávy při každé akci uživatele, včetně zpráv systémových, je programovatelný z počítače pomocí MIDI zpráv System Exclusive a obsahuje funkci soft-thru.
|
host ::
RSS.