|
|
Řízení entit ve strategické hře založené na multiagentních systémech
Knapek, Petr ; Kočí, Radek (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na návrh a implementaci systému podpory učení a plánování agentů schopných hry real-time strategických her typu StarCraft. Budou vysvětleny problémy ovládání herních objektů a protivníků počítačem a představeny obvykle používané způsoby řešení. Na základě analýzy je navržen a implementován nový systém využívající multiagentního přístupu k ovládání hry a metod strojového učení, který je schopný porážet protivníky a přizpůsobovat se novým výzvám.
|
|
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
|
|
Řízení přístupu v sítích IP
Frdlík, Tomáš ; Krajsa, Ondřej (oponent) ; Baroňák, Ivan (vedoucí práce)
V práci je popsána problematika zabezpečení QoS pro různé poskytované služby prostřednictvím IP sítí. Tyto aplikace mají vysoké nároky na parametry QoS jako zpoždění, ztrátovost a kolísání zpoždění. Požadovanou kvalitu zabezpečujeme pomocí různých metod, které mají za úkol monitorování sítě a řízení provozu. Jedním z hlavních prvků QoS, kterému se v této práci věnujeme, jsou metody přístupové neboli AC metody. Tyto metody mají za úkol rozhodovat, zda přijmou nebo zamítnou nové spojení na základě jeho parametrů, aniž by ovlivnily QoS ostatních spojení. Dále se tato práce zabývá problematikou využití neuronových sítí v AC metodách. Na závěr práce jsou simulovány a porovnány dvě metody, Gaussova metoda a metoda s využití neuronové sítě pro 100, 1 000 a 10 000 přístupů.
|
|
|
Metody detekce znakové řeči - rešeršní studie
Petr, Luboš ; Venglář, Vojtěch (oponent) ; Krejsa, Jiří (vedoucí práce)
Cílem této práce je popsat různé metody detekce znakové řeči. Výstupem jednotlivých metod je funkční překlad znakové řeči do textu v reálném čase. Kromě detekce pomocí rukavic a zařízení kinect se tato práce zabývá možnostmi detekce znakové řeči z obrazového záznamu, což je vzhledem k dostupnosti do budoucna nejvíce perspektivní způsob detekce. Práce je dále zaměřena na klasifikaci znaků pomocí neuronových sítí.
|
|
| |
|
|
Implementace struktur FPNN v C++
Skalník, Marek ; Lojda, Jakub (oponent) ; Krčma, Martin (vedoucí práce)
Tato práce se zabývá implementací simulátoru neuronových sítí v FPNN. V práci je rozebráno fungování neuronových sítí, implementace neuronových sítí v hardware a FPNN. Je zde rozebrán návrh implementace a samotná implementace simulátoru s využitím více vláken.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Vrábelová, Pavla ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá aplikací neuronových sítí na problém segmentace obrazových dat. První část práce je věnována úvodu do problematiky zpracování obrazu a neuronových sítí, v druhé části je popsán vytvořený segmentační systém a jsou prezentovány výsledky provedených experimentů. Vytvořený segmentační systém umožňuje použití různých typů klasifikátorů, extrakci různých příznaků pro klasifikaci a také vyhodnocení úspěšnosti segmentace. Byly vytvořeny dva klasifikátory - neuronová síť (samoorganizační mapa) a algoritmus K-means. Pro klasifikaci byly použity barevné (RGB a HSV) a texturní příznaky a jejich kombinace. Texturní příznaky byly získány pomocí sady Gáborových filtrů. Byly provedeny experimenty s vytvořenými klasifikátory a extraktory a porovnány výsledky.
|
|
|
Vytvoření databáze uměle zašumených audionahrávek v akusticky kontrolované místnosti
Hájek, Vojtěch ; Povoda, Lukáš (oponent) ; Harár, Pavol (vedoucí práce)
V této bakalářské práci se zabývám tvorbou databáze zvukových nahrávek a následným vytvoření databáze nahrávek hlasu, které byly nahrány v bezodrazové komoře. Databáze byla vytvořena tak, aby mohla být použita pro učení neuronové sítě s cílem oddělit řeč od hluku pozadí. Z tohoto důvodu jsou součástí databáze i záznamy hluků, které slouží pro umělé zašumění nahrávek hlasu. Dataset zahrnuje nahrávky 18 řečníků ve věku od 16 do 76 let. Polovina řečníků byli muži, polovina ženy. Dataset obsahuje 405 nahrávek hlasu o průměrné délce 46,7 vteřin a celkové délce 315 minut. Kombinací každé nahrávky hlasu s každou nahrávkou šumu ve třech úrovních odstupu signálu od šumu vzniklo 7290 uměle zašumených nahrávek hlasu.
|
|
|
Využití neuronových sítí pro klasifikaci alternací vlny T
Procházka, Tomáš ; Harabiš, Vratislav (oponent) ; Hrubeš, Jan (vedoucí práce)
Tato práce se zabývá analýzou pravidelných změn vlny T v EKG signálu nazývaných TWA. Přítomnost těchto alternací může znamenat zvýšené riziko náhlé srdeční smrti. K analýze TWA je zde využito algoritmů trénování neuronových sítí, konkrétně pak samoorganizujících se map. Výstupem této práce je program, který v testovaném EKG signálu nejprve detekuje QRS komplexy a získané referenční body následně využije k detekci T-vln. Vektor specifických bodů reprezentujících nalezené T-vlny je potom analyzován pomocí neuronové sítě. Výsledkem je rozhodnutí o míře přítomnosti TWA v analyzovaném signálu.
|
|
|
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.
|
host ::
RSS.