|
|
Elektromagnetická analýza
Kolofík, Josef ; Reichert, Pavel (oponent) ; Martinásek, Zdeněk (vedoucí práce)
Tato práce se zabývá problematikou elektromagnetické analýzy a aplikací elektromagnetického postranního kanálu. První a druhá část práce popisují základy kryptografie, funkci kryptografického modulu a útoky vedené postranními kanály. Třetí část práce rozebírá možnosti elektromagnetické analýzy, konstrukci sondy, popis laboratorního pracoviště, elektromagnetickou emisi PIC16F84A, algoritmus AES a přípravu na laboratorní měření. Čtvrtá část práce popisuje konkrétní laboratorní měření a extrakci užitečného signálu. V páté části práce jsou uvedeny výsledky zpracování naměřených hodnot, výstupy vytvořených skriptů a zjištěné souvislosti mezi naměřenými průběhy a šifrovacím klíčem algoritmu AES. V šesté části práce jsou rozebrány základní možnosti obrany proti útoku postranním kanálem.
|
|
|
Využití umělé inteligence na kapitálových trzích ke snížení rizika obchodování
Orság, Štěpán ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato práce se zabývá problematikou predikcí obchodování na finančních trzích a pomocí predikce se snaží snížit riziko spojené se vstupem na trh. Predikce je zpracována za využití prostředků umělé inteligence. Ta je v této práci zastoupena neuronovými sítěmi, které modelují a predikují chování trhu. Práce obsahuje popis finančních trhů, burzovního obchodování a jeho analýzami a metod umělé inteligence. Hlavní částí práce je model pro predikci vývoje ceny konkrétního instrumentu. Tento model byl vyvinut v prostředí MATLAB a měl by sloužit jako podpora pro obchodní rozhodování. Jeho cílem je předpovědět směr a velikost pohybu cenové hladiny pro následující obchodní den. Výstup tohoto modelu je zpracovány pomocí platformy MetaTrader 4. Na závěr jsou vyčísleny možné zisky plynoucí z tohoto řešení.
|
|
|
Využití umělé inteligence v kryptografii
Lavický, Vojtěch ; Rosenberg, Martin (oponent) ; Babnič, Patrik (vedoucí práce)
Cílem práce je se seznámit se s problematikou neuronových sítí a používaných bezpečnostních protokolů v kryptografii. Teoretická práce se zabývá rozborem neuronových sítí s přihlédnutím na výběr typu sítě později využitý v modelu kryptografického systému. V praktické části je vytvořen koncept zcela nového bezpečnostního protokolu, který využívá vytipovanou neuronovou síť.
|
|
|
Artificial Intelligence
Ragas, Luděk ; Žouželková Bartošová, Marie (oponent) ; Sedláček, Pavel (vedoucí práce)
The aim of this bachelor thesis is to provide insight into the extensive field of artificial intelligence. At first, the thesis provides a definition of artificial intelligence and a brief overview of its history. Thereafter, this work also briefly describes technologies of artificial intelligence, such as neural networks, expert systems, and genetic algorithms. Lastly, this thesis describes influence and position of artificial intelligence in society.
|
|
|
Identifikace parametrů elasto-plastických modelů materiálu z experimentálních dat
Jeník, Ivan ; Šebek, František (oponent) ; Kubík, Petr (vedoucí práce)
Tato diplomová práce se zabývá problematikou identifikace křivky plastického zpevnění materiálu ze záznamu tahové zkoušky hladkého válcového vzorku. Nejprve je uveden teoretický základ nezbytný k řešení problému. Jsou definovány základní pojmy inkrementální teorie plasticity, popsáno provedení tahové zkoušky a zpracování jejích výstupů. Dále možnosti matematického vyjádření konstitutivního vztahu elasto-plastického materiálu, tedy samotné křivky zpevnění. Stručně je vysvětlen také mechanismus tvárného porušování materiálu. Je předložen přehled současně používaných metod identifikace křivky zpevnění materiálu z mechanických zkoušek, kdy napjatost není jednoosá. Jedná se buď o různé druhy analytické korekce přepočtových vztahů, odvozených pro napjatost jednoosou, nebo využití metod matematické optimalizace v kombinaci s numerickou simulací tahové zkoušky. Zmíněna je také nekonvenční metoda neuronových sítí. Pro 8 vybraných materiálů je provedena identifikace jejich křivky zpevnění metodou analytické korekce, optimalizace, sekvenční identifikace a pomocí neuronové sítě. Algoritmy posledních dvou metod byly modifikovány. Na základě analýzy získaných výsledků je doporučena oblast použití a nastavení parametrů jednotlivých algoritmů. Jako efektivní cesta k věrohodnému výsledku se ukázala kombinace principielně různých metod během procesu identifikace.
|
|
| |
|
|
Použití analýzy HRV pro automatickou detekci ischemie u izolovaného zvířecího srdce
Vykoupil, Pavel ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá analýzou HRV, vytvořením úseků pro tuto analýzu, výpočtem parametrů HRV a jejich následnou klasifikací pro automatickou detekci ischemie. První část práce je věnována teoretickému popisu anatomie srdce, EKG záznamu, jeho zpracování a metodám HRV analýzy. Další část práce nastiňuje princip vytvoření úseků potřebných k výpočtu HRV parametrů. Poslední část práce představuje klasifikaci těchto parametrů pomocí vícevrstvých neuronových sítí a nalezení nejlepšího možného nastavení na základě nejmenší dosažené chyby klasifikace společně s nejkratší výpočetní dobou. Výpočet parametru HRV a samotná klasifikace srdečního rytmu byly realizované pomocí prostředí Matlab.
|
|
|
Automated Design Methodology for Approximate Low Power Circuits
Mrázek, Vojtěch ; Bosio, Alberto (oponent) ; Fišer, Petr (oponent) ; Sekanina, Lukáš (vedoucí práce)
The rapid expansion of modern embedded and battery-powered systems has brought new challenges for design methods oriented to low power circuits and systems. Although these methods systematically apply various power optimization techniques, the overall power requirements are still growing because of the increased complexity of integrated circuits. It has been shown that many applications are inherently error resilient and this property can be exploited for further power consumption reduction. This principle is systematically investigated in the nascent field of approximate computing. This thesis deals with efficient design methods for approximate circuits. The proposed methods are based on evolutionary algorithms (EAs). Although EAs have been applied in logic synthesis and optimization of common as well as approximate circuits, their scalability is limited in these areas. The goal of this dissertation is to show that approximate logic synthesis based on evolutionary algorithms (particularly on genetic programming) can provide excellent tradeoffs between the error and power consumption of complex digital circuits. We analyzed four different applications that use digital circuits described at three different levels of abstraction. By means of Cartesian genetic programming we reduced power consumption of small transistor-level circuits that are typically used in a technology library. We combined evolutionary approximation with formal verification techniques in order to evolve high quality gate-level approximate circuits such as adders and multipliers and provide formal guarantees on the approximation error. These circuits were employed to reduce power consumption in neural image classifiers and discrete cosine transform blocks of the HEVC encoder. We proposed a new data-independent error metric - the distance error - and used it in the evolutionary approximation of complex median circuits that are suitable for low power signal processing. This doctoral thesis presents a coherent methodology for the design of approximate circuits at different levels of description which is also capable of providing formal guarantees on the approximation error.
|
|
|
Použití metod hlubokého učení v úlohách zpracování obrazu
Polášková, Lenka ; Marcoň, Petr (oponent) ; Mikulka, Jan (vedoucí práce)
Učení rozpoznávání objektů pomocí neuronové sítě spočívá v napodobení chování živočišné neuronové sítě. Přestože nejsou ani zdaleka známy detaily fungování mozku, týmy složené z vědců z různých oborů medicíny a techniky se snaží po těchto detailech pátrat. Díky velikánům jako je Geoffrey Hinton věda v tomto oboru velice pokročila. Konvoluční neuronové sítě, které se vycházejí z živočišného modelu optického systému, lze s výhodou použít pro segmentování obrazu, a proto byly vybrány pro segmentaci nádorů a edémů z obrazů magnetické resonance. Modely neuronové sítě, použité v této práci, dosáhly úspěšnosti 41\% procent v segmentaci edémů a 79\% v segmentaci nádorů z mozkové tkáně.
|
|
|
Paralelní trénování neuronových sítí pro rozpoznávání řeči
Veselý, Karel ; Fousek, Petr (oponent) ; Burget, Lukáš (vedoucí práce)
Tato diplomová práce je zaměřena na paralelizaci trénování neuronových sítí pro rozpoznávání řeči. V rámci této diplomové práce byly implementovány a porovnány dvě strategie paralelizace. První strategií je paralelizace dat s využitím rozdělení trénování do několika POSIX vláken. Druhou strategií je paralelizace uzlů s využitím platformy pro obecné výpočty na grafických kartách CUDA. V případě první strategie bylo dosaženo 4x urychlení, v případě využití platformy CUDA bylo dosaženo téměř 10x urychlení. Pro trénování byl použit algoritmus Stochastic Gradient Descent se zpětným šířením chyb. Po krátkém úvodu následuje druhá kapitola práce, která je motivační a zasazuje probém do kontextu rozpoznávání řeči. Třetí kapitola práce je teoretická a diskutuje neuronové sítě a metodu trénování. Následující kapitoly jsou zaměřené na návrh a implementaci a popisují iterativní vývoj tohoto projektu. Poslední obsáhlá kapitola popisuje testovací systém a uvádí výsledky provedených experimentů. V závěru jsou krátce zhodnoceny dosažené výsledky a nastíněna perspektiva dalšího vývoje projektu.
|
host ::
RSS.