|
|
Road Transport Analysis Using Neural Networks
Žárský, Daniel ; Musil, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
The aim of this bachelor thesis is to simplify the analysis of road traffic using camera recordings by providing a mean for automatic scene annotation. The thesis describes the general technical principles used in a traffic monitoring camera system and proposes a procedure for processing the data obtained by computer vision methods with the aim of automated deployment of the system. The subsequent data processing uses clustering algorithms to identify and locate the main directions of movement of traffic participants. Based on these results, the scene is automatically annotated. The scene annotation can be used as the basis for later real-time detection of traffic anomalies.
|
|
|
Zvyšování spolehlivosti komunikační sítě
Hausner, Richard ; Komosný, Dan (oponent) ; Koton, Jaroslav (vedoucí práce)
Bakalářská práce se zabývá vybranými možnostmi zvyšováním spolehlivosti komunikačních sítí. V rámci práce jsou popsány základní protokoly a topologie sítí. Ve druhé kapitole jsou probrány technologie kaskádování, klastrování a stohování síťových přepínačů. Jsou popsány scénáře zapojení a výsledky praktických pokusů, na základě kterých je navrženo (doporučeno) použití (využití) v praxi.
|
|
|
DRESS & GO: Deep belief networks and Rule Extraction Supported by Simple Genetic Optimization
Švaralová, Monika ; Mrázová, Iveta (vedoucí práce) ; Vomlelová, Marta (oponent)
Nedávny vývoj v oblasti sociálnych médií a webových technológií prináša nové možnosti na získanie, analýzu a spracovanie stále sa zväčšujúceho množstva dát týkajúcich sa módy. V kontexte dizajnu a módy je naším hlavným ciel'om automaticky navrhovat' módne outfity na základe preferencií získaných z dát z reálneho sveta, po- skytnutých bud' používatel'mi, alebo zozbieraných z internetu. V našom prípade majú jednotlivé kusy oblečenia formu 2D obrázkov. V oblasti spracovania obrazových dát dokázali nedávne modely hlbokých neurónových sietí predčit' l'udský výkon. To nás inšpirovalo aplikovat' metódy transfer learning na porozumenie variabilite v módnych produktoch. Naše využitie transfer learning spočíva v extrahovaní interných reprezentácií vy- tvorených vo vel'kých konvolučných siet'ach predtrénovaných na všeobecnej dátovej sade ImageNet, a vizualizovaní štruktúry našich dát v tejto reprezentácií. Klastro- vacie algoritmy a farebné schémy obrázkov sa ukázali byt' tiež užitočné pri hl'adaní podobností. Metódy použité na generovanie nových outfitov zah'rňajú DBN siete a generické algoritmy. Tie využívajú konvolučné siete na modelovanie fitness funkcie outfitov. Hoci odporúčanie a generovanie v oblasti módy je...
|
|
|
Zvyšování spolehlivosti komunikační sítě
Hausner, Richard ; Komosný, Dan (oponent) ; Koton, Jaroslav (vedoucí práce)
Bakalářská práce se zabývá vybranými možnostmi zvyšováním spolehlivosti komunikačních sítí. V rámci práce jsou popsány základní protokoly a topologie sítí. Ve druhé kapitole jsou probrány technologie kaskádování, klastrování a stohování síťových přepínačů. Jsou popsány scénáře zapojení a výsledky praktických pokusů, na základě kterých je navrženo (doporučeno) použití (využití) v praxi.
|
|
|
Artificial neural networks for macroeconomic data analysis
Padrón Peňa, Ildefonso ; Mrázová, Iveta (vedoucí práce) ; Kuboň, David (oponent)
The analysis and prediction of macroeconomic time-series is a factor of great interest to national policymakers. However, economic analysis and forecast- ing are not simple tasks due to the lack of a precise model for the economy and the influence of external factors, such as weather changes or political decisions. Our research is focused on Spanish speaking countries. In this thesis, we study dif- ferent types of neural networks and their applicability for various analysis tasks, including GDP prediction as well as assessing major trends in the development of the countries. The studied models include multilayered neural networks, recur- sive neural networks, and Kohonen maps. Historical macroeconomic data across 17 Spanish speaking countries, together with France and Germany, over the time period of 1980-2015 is analyzed. This work then compares the performances of various algorithms for training neural networks, and demonstrates the revealed changes in the state of the countries' economies. Further, we provide possible reasons that explain the found trends in the data.
|
|
|
DRESS & GO: Deep belief networks and Rule Extraction Supported by Simple Genetic Optimization
Švaralová, Monika ; Mrázová, Iveta (vedoucí práce) ; Vomlelová, Marta (oponent)
Nedávny vývoj v oblasti sociálnych médií a webových technológií prináša nové možnosti na získanie, analýzu a spracovanie stále sa zväčšujúceho množstva dát týkajúcich sa módy. V kontexte dizajnu a módy je naším hlavným ciel'om automaticky navrhovat' módne outfity na základe preferencií získaných z dát z reálneho sveta, po- skytnutých bud' používatel'mi, alebo zozbieraných z internetu. V našom prípade majú jednotlivé kusy oblečenia formu 2D obrázkov. V oblasti spracovania obrazových dát dokázali nedávne modely hlbokých neurónových sietí predčit' l'udský výkon. To nás inšpirovalo aplikovat' metódy transfer learning na porozumenie variabilite v módnych produktoch. Naše využitie transfer learning spočíva v extrahovaní interných reprezentácií vy- tvorených vo vel'kých konvolučných siet'ach predtrénovaných na všeobecnej dátovej sade ImageNet, a vizualizovaní štruktúry našich dát v tejto reprezentácií. Klastro- vacie algoritmy a farebné schémy obrázkov sa ukázali byt' tiež užitočné pri hl'adaní podobností. Metódy použité na generovanie nových outfitov zah'rňajú DBN siete a generické algoritmy. Tie využívajú konvolučné siete na modelovanie fitness funkcie outfitov. Hoci odporúčanie a generovanie v oblasti módy je...
|
|
|
Artificial neural networks and their application in text analysis
Jankovič, Radovan ; Mrázová, Iveta (vedoucí práce) ; Neruda, Roman (oponent)
Tato práce je věnována problematice analýzy sentimentu. Jejím cílem je vytipovat a následně porovnat vybrané metody vhodné pro automatickou klasifikaci sentimentu krátkých textů,. Při analýze popisovaných technik se práce zaměřuje na data ze sociálních sítí, které obsahují velké množství strukturovaných dat a poptávka po jejich analýze je vysoká. Zajímavých výsledků bylo dosaženo klastrováním v kombinaci s klasifikátory vytvořenými při učení s učitelem, ale i aplikací konvoluce, která se primárně používá pro obrazová data, ale je možné ji použít i pro data textová.
|
host ::
RSS.