|
|
Detekce hran pomocí neuronové sítě
Jamborová, Soňa ; Grézl, František (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá návrhem a implementací softwaru pro detekci hran v obraze pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro detekci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k využití implementovaného softwaru na syntetické a reálné množině obrázků, včetně experimentů.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Detekce hran pomocí neuronové sítě
Jamborová, Soňa ; Grézl, František (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá návrhem a implementací softwaru pro detekci hran v obraze pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro detekci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k využití implementovaného softwaru na syntetické a reálné množině obrázků, včetně experimentů.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
host ::
RSS.