|
|
Client-side execution of PHP applications compiled to .NET
Husák, Tomáš ; Zavoral, Filip (vedoucí práce) ; Peška, Ladislav (oponent)
Peachpie je moderní kompilátor umožňující kompilace PHP skriptů do .NET. Blazor je nová část platformy ASP.NET nabízející použití C# na straně klienta díky novému webovému standartu WebAssembly. Tato práce zkoumá nový způsob, jak spouštět PHP založený na integraci Peachpie a Blazor. PHP skripty mohou být referencovány z Blazor a vyhodnoceny, bohužel tato akce vyžaduje mnoho kroků k jejímu provedení. My jsme tyto kroky analyzovali, navrhli řešení pro vkládání těchto skriptů do Razor stránek, navigování těchto skriptů a nakonec vyhodnocení. Výsledkem se stala knihovna obsahující pomocné třídy umožňující PHP programátorům přesunout PHP exekuci na stranu klienta s výho- dami Blazor prostředí. Rozdílnost použitých technologií nicméně limituje možnosti, které se s nima lze provádět, což je popsáno prostřednictvím dvou měření. 1
|
|
|
Link Prediction in Inferred Social Networks
Měkota, Ondřej ; Holubová, Irena (vedoucí práce) ; Peška, Ladislav (oponent)
Sociální sítě mohou pomáhat v analýze chování lidí. Existující sociální síť je výjimečně dostupná, její vrcholy a hrany je potřeba odvodit z dat, která nemusí nutně být grafová. Predikce spojení, v takové síti, může být použito buď k opravě nepřesností nebo k před- povědi existence hran v budoucnu. V této práce se zabýváme studiem predikce spojení v sociální síti odvozené z reálných bankovních dat. Popisujeme a porovnáváme ověřené a moderní metody pro predikci spojení v grafech. Vzhledem k rozvoji hlubokého učení v posledních letech, jsme se zaměřili zejména na grafové neuronové sítě a jejich možnosti použití na velkých sociálních sítích. Navrhli jsme vylepšení existující architektury grafové neuronové sítě a ukázali jsme, že naše metoda je porovnatelná s existujícími metodami v predikci spojení nebo je překonává v průměrné přesnosti. Porovnání je provedeno na dvou sociálních sítích odvozených ze stejných dat. Ukázali jsme, že je relativně těžké překonat klasické metody pro predikci spojení grafovými neuronovými síti. 1
|
|
|
Generating synthetic data for an assembly of police lineups
Dokoupil, Patrik ; Peška, Ladislav (vedoucí práce) ; Škoda, Petr (oponent)
Fotorekognice hraje důležitou roli při policejním vyšetřování a může vést až ke stíhání a usvědčení podezřelé osoby. Během fotorekognice je svědkovi předložena sada fotografií a dále je tázán, jestli na některé z fotografií poznává pachatele. Tato sada fotografií typicky obsahuje nejvýše jednu fotografií podezřelého, často pak právě jednu takovou fotografii. Na ostatních fotografiích v sadě jsou pak vyobrazeny nevinné osoby, tzv. figuranti. Iden- tifikace podezřelého svědkem může vést až k obvinění a případně následnému usvědčení podezřelého. Sestavení fotorekognice je náročný a časově zdlouhavý proces, protože volba nevhod- ných figurantů může vést k určitému zkreslení a znatelně tak ovlivnit celý proces rekog- nice. Tohle zkreslení je obvykle způsobeno tím, že v případě figurantů, kteří jsou odlišní od podezřelého, dojde k situaci, kdy podezřelý bude znatelně vyčnívat a pro svědka tedy bude velmi snadné jej identifikovat. Zdlouhavost celého procesu je způsobena tím, že tvorba fotorekognice je z velké části prováděna manuálně, v lepším případě pak polo- automaticky. Tato práce se snaží řešit oba tyto problémy za pomocí navrhnutého modelu který bude schopný generovat umělé obrázky pro tvorbu fotorekognice a za pomocí aplikace, která uživateli na základě vstupního obrázku podezřelého vygeneruje vhodné...
|
|
|
Nutrition assistant
Maďar, Matúš ; Kopecký, Michal (vedoucí práce) ; Peška, Ladislav (oponent)
Název práce: Nutriční asistent Autor: Matúš Maďar Katedra / Ústav: Katedra softwarového inženýrství Vedoucí bakalářské práce: RNDr. Michal Kopecký, Ph.D. Abstrakt: Práca sa zaoberá skúmaním a implementovaním adaptívneho generovania jedálnička do mobilnej aplikácie pre platformu Android. Aplikácia pomôže používateľovi dosiahnuť cielenú hmotnosť nastavením jeho jedálnička presne na mieru, pričom dovoľuje vychýliť sa od stanoveného plánu. V prípade vychýlenia a skonzumovania nenavrhovaného jedla aplikácia dokáže reagovať v reálnom čase a adaptívne toto vychýlenie vyriešiť podľa voľby používateľa. Aplikácia taktiež zohľadňuje stravovanie v reštauráciách a implementuje možnosť vyhľadávania a zápisu reštauračných jedál z okolia užívateľa. Návrh a implementácia aplikácie umožňuje jej jednoduché rozšírenie vďaka modulárneho návrhu. UI a modul ktorý generuje jedálničky fungujú oddelene, preto môžeme jednoducho meniť UI s ktorým pracuje používateľ, bez toho, aby to spôsobilo nefunkčnosť aplikácie. Modul generujúci jedálničky je rovnako modulárny a je možné použiť v aplikácii vlastné algoritmy na generovanie jedálničkov alebo iné dáta než sú použité v tejto práci. Klíčová slova: Android, Výživa, Heuristika
|
|
|
Předpovídání chování posluchačů streamovacích služeb
Stachura, Šimon ; Pilát, Martin (vedoucí práce) ; Peška, Ladislav (oponent)
Název práce: Předpovídání chování posluchačů streamovacích služeb Autor: Bc. Šimon Stachura Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: Mgr. Martin Pilát, Ph. D. Abstrakt: Streamovací služby jsou fenoménem posledního desetiletí, který umožnil legální přístup k online médiím obrovskému počtu diváků. Tato média jsou obvykle uživatelům poskytována ve formě sekvence generované technikami z oblasti doporučovacích systémů. Uživatelské preference se zpravidla odhadují zejména na základě předchozího chování během využívání služby. Jedním ze základních signálů, který vyjadřuje, jestli je uživatel nespokojený s generovaným obsahem, je přeskakování jeho jednotlivých částí (např. skladeb). Cílem této práce je prozkoumat možnosti predikce uživatelského chování z předchozí zkušenosti. Na základě vybraného rozsáhlého datasetu, obsahujícího reálná data z užívání služby Spotify, jsme zvážili možnosti předzpracování a reprezentace dat. Pro modelování jsme se rozhodli využít rekurentních neuronových sítí s architekturou Encoder-Decoder, které kódují data o uživatelském chování do kompaktní vektorové reprezentace, z níž generují interakce v následujícím časovém okamžiku. Vytvořili jsme model navazující na již existující řešení, který predikuje kompletní uživatelské interakce v rámci...
|
|
|
Optimalizace nasazení cloudových aplikací při zohlednění rozdílných QoS požadavků
Khalyeyev, Danylo ; Hnětynka, Petr (vedoucí práce) ; Peška, Ladislav (oponent)
Zajištění kvality služeb (QoS) v tzv "cloud" a "edge-cloud" prostředí je jedním z největších současných problémů v oblasti cloudových systémů. V současné době, je nasazení cloudových aplikací řízeno pomocí systému cloudové orches- trace, jako je např. systém Kubernetes. Tyto systémy podstatně zjednodušují nasazení aplikací v cloudu a umožňují zajistít jejích dostupnost, škálovatelnost a odolnost vůči chybám. Nicméně cloudové orchestrátory v současné době stále neposky tují dostatečnou funkcionalitu k optimalizaci nasazení aplikací, u kterých je požadováno zajištění výkonnostních QoS metrik (jako jsou doba odezvy a pro- pustnost). Tato práce navrhuje postup pro zajištění pravděpodobnostních záruk pro výkonnostní QoS metriky aplikací v (edge-)cloudovém prostředí. Navržený postup je založen na měření výkonnosti cloudových aplikací a následovné kontrole jejich nasazení tak, aby byly aplikace nasazené jenom v prostředích, ve kterých jejich výkonnost odpovídá QoS požadavkům. Rovněž práce obsahuje funkční prototy- povou implementaci, která ověřuje efektivitu navrženého postupu a bude sloužit k dalšímu výzkumu.
|
|
|
Deep Learning For Implicit Feedback-based Recommender Systems
Yöş, Kaan ; Peška, Ladislav (vedoucí práce) ; Balcar, Štěpán (oponent)
Souhrn: Cílem výzkumu je zaměřit se na Recurrent Neural Networks (RNN) a jeho aplikaci na doporučení týkající se relací, která jsou posílena implicitní zpětnou vazbou od uživatelů a metadaty založenými na obsahu. Pro zkoumání slibné architektury RNN realizujeme sedm různých modelů s využitím různých typů implicitní zpětné vazby a informací o obsahu. Naše výsledky ukázaly, že použití RNN se složitou implicitní zpětnou vazbou zvyšuje předpověď dalších položek porovnávající základní modely jako Cosine Similarity, Doc2Vec a Item2Vec.
|
|
|
Detekce střihů a vyhledávání známých scén ve videu s pomocí metod hlubokého učení
Souček, Tomáš ; Lokoč, Jakub (vedoucí práce) ; Peška, Ladislav (oponent)
Vyhledávání ve videu představuje náročný problém s mnoha záludnostmi a dílčími problémy. Tato práce se zaměřuje na dva z těchto podproblémů, konkrétně na detekci střihů a textové vyhledávání. V případě detekce střihů bylo v posledních desetiletích navrženo mnoho řešení. Nedávné přístupy založené na hlubokém učení zlepšily přes- nost detekce pomocí 3D konvolučních architektur a uměle vytvořených trénovacích dat, ale stoprocentní přesnost je stále nedosažitelným ideálem. V této práci představujeme TransNet V2, hlubokou síť pro detekci střihů, která dosahuje nejlepších výsledků v porovnání s konkurenčními metodami na respekovaných datasetech. V případě druhého námi řešeného problému textového vyhledávání se ukázaly jako efektivní řešení hluboké neuronové sítě promítající textové dotazy a snímky videa do společného prostoru. V této práci zkoumáme použítí těchto sítí pro případ hledání známého objektu ve videu a navrhujeme vylepšení způsobu, jakým lze zakódovat textový dotaz. 1
|
|
|
Ověřování identity uživatele založené na behaviorálních charakteristikách
Kuchyňová, Karolína ; Skopal, Tomáš (vedoucí práce) ; Peška, Ladislav (oponent)
Ověřování identity uživatele přihlášeného do zabezpečeného systému je důležitým úko- lem v oblasti informační bezpečnosti. Kromě hesla může být vhodné do procesu autenti- zace zahrnout i behaviorální biometriku. Ta sleduje chování uživatele, porovnává ho s jeho obvyklými akcemi, a může tak upozornit na podezřelé nesrovnalosti. Cílem této práce je prozkoumání možnosti vytvoření modelu pro ověření identity uživatele na základě jeho chování (stylu práce s myší a klávesnicí) ve webové aplikaci. Součástí práce je vytvoření vlastního datasetu pro studium dynamiky práce s klávesnicí a myší. Hlavní část práce se zabývá analýzou příznaků (charakteristik uživatelů), které je možné ze získaných dat ex- trahovat. Následně je změřena úspěšnost, které při ověřování identity uživatelů dosahují základní modely strojového učení využívající vybranou sadu příznaků. 1
|
|
|
Recommender systems for fashion outfits
Nepožitek, David ; Peška, Ladislav (vedoucí práce) ; Skopal, Tomáš (oponent)
Doporučování módních outfitů má za cíl nabídnout uživateli módní produkty, které vizuální ladí s již vybranými částmi outfitu. Tradiční doporučovací systémy jsou založeny především na podobnostech mezi uživateli či položkami. Tento přístup však není pro do- poručování ladících produktů dostatečný. Doporučovací systémy v módní doméně se tak snaží využívat technik strojového učení, aby se naučily rozeznávat vztahy mezi módními prvky. V této práci zkoumáme možnost adaptovat aktuální postupy z oblasti zpracování přirozeného jazyka pro doporučování módních outfitů. Navrhujeme novou metodu, která je založena architektuře modelu Transformer. Naši metodu testujeme na standardních datových sadách a ukazujeme, že náš model je schopný rozeznat některé vztahy mezi produkty. V porovnání s nejlepšími metodami v této oblasti ovšem náš přístup zaostává. 1
|
host ::
RSS.