|
| |
|
|
Rozpoznávání nemocí rostlin pomocí umělé inteligence
Juliš, Adam ; Kubík, Tibor (oponent) ; Bažout, David (vedoucí práce)
Cílem práce bylo prozkoumat možnosti detekce nemocí rostlin při nedostatku trénovacích dat. Zkoumala se možnost extrakce vzoru jednotlivých onemocnění a aplikace těchto vzorů na neznámé rostliny. Ještě v teoretické části práce byl tento přístup označen za chybný. Dále se analyzovaly a srovnávaly datové sady se snímky rostlinných patogenů. Vytvořil se generátor augmentovaných snímků a několik modelů nad menší datovou sadou ověřující existující přístupy.
|
|
|
Analýza témat a šíření dezinformací z propagandistických webových stránek
Kyjovský, Dalibor ; Fajčík, Martin (oponent) ; Ondřej, Karel (vedoucí práce)
Tato práce se zabývá problematikou dezinformací na propagandistických webových stránkách v České republice a návrhem systému, který by měl sloužit k analýze a rozpoznání dezinformačního charakteru obsahu těchto stránek. Navrhovaný a implementovaný systém dokáže stahovat a archivovat data z propagandistických webů a následně analyzovat jejich obsah. Systém využívá především znalostní a síťové metody. Cílem práce je využití moderních technologií pro odhalování dezinformací v médiích. Výsledky práce mohou pomoci při dalším výzkumu a při prevenci šíření dezinformací.
|
|
|
Logwatch Improvemenets
Juhász, Tomáš ; Zavřel, Jan (oponent) ; Polčák, Libor (vedoucí práce)
This thesis focuses on improvements to the Logwatch tool. For the purposes of this thesis, I needed to identify the shortcomings of Logwatch and compare it with the competition. Information gained from this research led me to choose to expand the Logwatch tool through the addition of new formats, JSON and XML. During the design stage I created schemas for both formats, covering all implemented services. During the testing stage I gathered a large collection of logs to which I added manually created logs, with the total sum of this collection being 142 142 logs. This was used to create a dataset for validation. Results that were validated by this dataset should improve the position of Logwatch as it compares to its peers, thanks to the added ability for further machine usage.
|
|
|
Systém pro doporučování filmů
Janko, Pavel ; Zbořil, František (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá především přístupy k sestrojení systému pro doporučování filmů. Je zde obecně popsán princip neuronových sítí a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a experimentování se systémem, jehož cílem je doporučování filmů na základě dat pocházejících z volně dostupných datových sad. Pro předpovědi hodnocení, které by uživatel udělil filmům po jejich shlédnutí, systém využívá faktorizační model založený na kolaborativním filtrování. Práce dále řeší souvislosti konfigurace hyperparametrů modelu s přesností doporučení, provádění experimentů za účelem zlepšení přesnosti modelu a nakonec srovnání modelu s existujícími řešeními.
|
|
|
Zvyšování konzistence v datových sadách pro rozpoznávání textu
Tvarožný, Matúš ; Hradiš, Michal (oponent) ; Kišš, Martin (vedoucí práce)
Táto práca sa zaoberá zvyšovaním konzistencie dátových sád pre rozpoznávanie textu. V tejto práci sú popísane problémy, ktoré nekonzistenciu spôsobujú a následne sú predstavené riešenia na jej odstránenie. Skúmaný je vplyv vlastností polygónov definujúcich ohraničenie riadkov a teda to ako upravená verzia dátovej sady, ktorá je zložená z ideálnych variant riadkov ovplyvnila presnosť modelu. Ďalej sa práca zameriava na detekciu a následné odstránenie alebo upravenie riadkov, ktorých prepis ground truth nekorešponduje so skutočným textom, ktorý sa na nich nachádza. Experimentovaním sa ukázalo, že odstránenie vizuálnej nekonzistencie na trénovacej sade nemá zásadný vplyv na natrénovanosť modelu, za to poupravením testovacej sady sa presnosť OCR modelu zlepšila o 1.1\% CER. Upravením dátovej sady tak, aby neobsahovala navzájom nekonzistentné dvojice rozpoznávaného textu a príslušnej ground truth, sa model po opätovnom natrénovaní zlepšil maximálne len o 0.2\% CER. Hlavným zistením tejto práce je predovšetkým preukázaný priaznivý účinok odstránenia nekonzistencie na testovacích sadách, vďaka ktorému je možné zistiť reálnejšiu chybovosť OCR modelu.
|
|
|
Network Forensics Tools Survey and Taxonomy
Zembjaková, Martina ; Ryšavý, Ondřej (oponent) ; Pluskal, Jan (vedoucí práce)
This master's thesis addresses network forensic tools survey and taxonomy. It describes network forensics fundamentals, including network forensic process models, techniques, and evidence sources. Furthermore, the project contains a survey of existing network forensic tools taxonomies, including their comparison, followed by the network forensic tools survey. In addition to the tools mentioned in the taxonomy survey, the survey is extended to other network tools. Subsequently, the detailed description and comparison of available datasets that can be analyzed using the forensic tools are provided in this project. According to the information obtained from surveys, frequent use cases for forensic tools are designed, and the tools are demonstrated within the description of individual use cases. In addition to publicly available datasets, the demonstration also uses newly created datasets described in detail in its chapter. Based on the gained information, new taxonomy is designed. This taxonomy is based on the use cases of the tools in contrast to other taxonomies based on NFATs and NSM tools, user interface, capturing the data, analysis, or type of forensics.
|
|
|
Detection of Fake News Using Machine Learning
Koreň, Matej ; Zbořil, František (oponent) ; Hříbek, David (vedoucí práce)
This thesis focuses on the use of machine learning in fake news detection. For this purpose, four models have been selected – Bayesian, Decision Tree, Support Vector Machine and a Neural Network. In five experiments on various datasets, these models were trained, tested, evaluated and compared with state-of-the-art methods. Final implementation is in the form of a Python package, which allows it’s users to replicate this procedure with their own data. Beyond the assignment, Slovak dataset Dezinfo SK was created.
|
|
|
Akcelerace algoritmu pro rozpoznávání obličeje pomocí Neural Compute Stick 2
Mičánková, Eva ; Beran, Jan (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce je zaměřena na problematiku rozpoznávání obličejů v obraze pomocí neuronových sítí a jejich akceleraci. Obsahuje souhrn dříve používaných technik a zabývá se využitím dnes dominujících konvolučních neuronovýh sítí pro řešení této problematiky. Práce se také zaměřuje na mechanismy akcelerace, které lze v této oblasti použít. Na základě znalostí problematiky získaných studiem byl vytvořen systém na konceptu edge computingu, který může být použit jako domácí bezpečnostní systém připojený k IP kameře, který zasílá upozornění o přítomnosti neznámé osoby ve střežené oblasti.
|
|
|
Datové sady pro síťovou bezpečnost
Setinský, Jiří ; Hranický, Radek (oponent) ; Tisovčík, Peter (vedoucí práce)
V oblasti síťové bezpečnosti se používají techniky strojového učení pro efektivní detekci anomálií a malwaru v síťovém provozu. Pro natrénování síťového klasifikátoru s vysokou úspěšností je potřeba kvalitní datová sada. Cílem práce je modifikace datové sady pomocí metod strojového učení za účelem zlepšení kvality datové sady, která povede na natrénování modelu s vyšší úspěšností. Datová sada je zanalyzována shlukovacím algoritmem a každý shluk je charakterizován statistickým popisem vyplývající z atributů vstupní datové sady. Statistický popis spolu s informacemi o původním klasifikátoru je použit pro výpočet skóre. Skóre slouží jako váha při modifikační fázi. Shluková analýza umožní vyfiltrovat data, která jsou důležitá pro natrénování výsledného modelu. Navržený přístup umožňuje zmírnit redundanci datové sady a nebo ji rozšířit o chybějící data. Výsledkem je modifikační framework, který je schopen redukovat datové sady nebo provádět jejich agregaci za účelem vytvoření kompaktní datové sady, která bude reflektovat aktuální síťový provoz. Na vytvořených datových sadách se podařilo natrénovat modely dosahující vyšší úspěšnosti v porovnání s existujícím řešením.
|
host ::
RSS.