|
|
Doporučování zboží ve webových obchodech
Helmich, Jiří ; Sýkora, Ondřej (vedoucí práce) ; Kukačka, Marek (oponent)
Doporučování zboží při nákupu je základní funkcí většiny webových obchodů. V současnosti jsou systémy pro doporučování zboží postaveny na analýze nákupního košíku a sledování vazeb mezi nabízeymi produkty. Použitelnoi alternativou však může být systém založený na sledování akcí zákazníků. Studenst analyzuje používáné přístup k doporučování zboží založené na algoritmu zpětnovazebného učení na základě výzkumu implementuje pototyp systému pro doporučování zboží ve webovském obchodě.
|
|
|
Artificial neural networks for pattern recognition
Kukačka, Marek
Název práce: Rozpoznávání vzorů pomocí neuronových sítí Autor: Marek Kukačka Katedra (ústav): Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc., Katedra softwarového inženýrství e-mail vedoucího: Iveta.Mrazova@mff.cuni.cz Abstrakt: V této práci jsou popsány možnosti, výhody a nevýhody využití neuronových sítí při rozpoznávání vzorů. Je představeno několik modelů neuronových sítí použitelných pro tuto úlohu. Standardní vícevrstvá perceptronová síť je porovnávána se sofistikovanější konvoluční sítí. Práce také představuje nový model, inspirovaný konvolučními sítěmi, jehož účelem je odstranit některé jejich nedostatky. Práce popisuje výsledky testů porovnávajících výsledky popsaných neuronových sítí na úloze rozpoznávání ručně psaných číslic. Klíčová slova: neuronové sítě rozpoznávání vzorů
|
|
|
Data a jejich klastrování
Pilmann, Jindřich ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Tato diplomová práce popisuje známé metody klastrování dat a zkoumá jejich možnou aplikaci na data z oblasti sociálních sítí. Z tohoto důvodu jsme zrekapitulovali, jak pomocí dat reálné objekty popisujeme a jaké využíváme techniky proto, abychom určili jejich vzájemnou podobnost. Poté jsme zopakovali známé klastrovací metody a možnosti validace jejich výsledků. Následně jsme popsali termín sociálních sítí a specifika dat pocházejících z této oblasti. Na základě toho jsme navrhli přístup, jak v sociálních sítí klastrovat a ten otestovali. Tento přístup jsme aplikovali na data z oblasti mezinírodního obchodu v roce 2008. Výsledky těchto experimentů jsme zhodnotili a shrnuli. Na závěr celkově hodnotíme práci a navrhujeme možnosti dalšího výzkumu v této oblasti.
|
|
|
RBF-networks with a dynamic architecture
Jakubík, Miroslav ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
V tejto diplomovej práci som zrekapituloval viacero metód vhodných pre klastrovanie vstupných dát. Predstavil som dva dobré známe klastrovacie algoritmy, a to konkrétne K-means algoritmus a Fuzzy C-means (FCM) algoritmus. Uviedol som niekoľko metód vhodných pre odhad optimálneho počtu klastrov. Ďalej som predstavil Kohonenové mapy a dva modely Kohonenových máp s adaptívnou topológiou, konkrétne Kohonenové mapy s rastúcou mriežkou a model rastúcich neurónových plynov. Ako posledný som predstavil pomerne nový model radiálne bázických neurónových sieti. Pre tento typ neurónových sieti som uviedol viacero učiacich algoritmov. V závere práce som aplikoval jednotlivé klastrovacie metódy na reálne dáta popisujúce vzájomný obchod štátov sveta.
|
|
|
Artificial neural networks for pattern recognition
Kukačka, Marek ; Božovský, Petr (oponent) ; Mrázová, Iveta (vedoucí práce)
V této práci jsou popsány možnosti, výhody a nevýhody využití neuronových sítí při rozpoznávání vzorů. Je představeno několik modelů neuronových sítí použitelných pro tuto úlohu. Standartní vícevrstvá perceptronová síť je porovnávána se so stikovanější konvoluční sítí. Práce také představuje nový model, inspirovaný konvolučními sítěmi, jehož účelem je odstranit některé jejich nedostatky. Práce popisuje výsledky testů porovnávajících výsledky popsaných neuronových sítí na úloze rozpoznávání ručně psaných číslic.
|
|
|
Processing of secondary structures in nucleic acids
Goldwein, Robert ; Kukačka, Marek (oponent) ; Mrázová, Iveta (vedoucí práce)
Předložená práce se zabývá studiem základních metod v bioinformatice - v novém a perspektivním odvětví informatiky. Vysvětluje vlastní pojmem bioinformatika, seznamuje s nutnými biologickými základy (molekuly DNA, RNA, proteiny, centrální dogma molekulární biologie) a se základními bioinformatickými pojmy (biologická sekvence a její primární a sekunární struktura). Dále demonstruje implementaci základních bioinformatických algoritmů a jejich použití na reálných datech (na viru slintavky a kulhavky) - vyhledávání motivů, nejdelší společná podsekvence a alignment sekvencí. Práce také seznamuje s vyššími strukturami, především pak se sekundární strukturou RNA.
|
|
|
Nástroj pro testování algoritmů pro učení jazyků
Krejčová, Martina ; Kukačka, Marek (oponent) ; Hoffmann, Petr (vedoucí práce)
Úkolem gramatické inference je nalezení pravidelností v datech. Je-li pro data z techto odpozorovaných pravidel vytvoren model, mužeme pomocí tohoto modelu data napríklad zkomprimovat, vytvorit data nová, která budou tato pravidla také splnovat, ci mužeme urcit, která data tomuto modelu odpovídají a která ne. Cílem této práce bylo vytvorit testovací prostredí pro algoritmy gramatické inference bezkontextových jazyku. Model dat v našem prostredí tvorí bezkontextové gramatiky. Je zde popsán postup generování gramatik a následne generování dat, z kterých se algoritmus muže pokusit bezkontextový jazyk naucit. Za úcelem srovnání úspešnosti algoritmu na datech generovaných z více ruzných bezkontextových gramatik je rešen pojem složitosti bezkontextových gramatik. Dále je navrženo nekolik variant vyhodnocení úspešnosti algoritmu.
|
host ::
RSS.