|
|
The use of artificial intelligence in cryptography
Lavický, Vojtěch ; Rosenberg, Martin (referee) ; Babnič, Patrik (advisor)
Goal of this thesis is to get familiar with problematics of neural networks and commonly used security protocols in cryptography. Theoretical part of the thesis is about neural networks theory and chooses best suitable type of neural network to use in cryptographic model. In practical part, a new type of security protocol is created, using chosen neural network.
|
|
|
Neural Network Number Recognition
Doupovec, Zdeněk ; Juránek, Roman (referee) ; Šilhavá, Jana (advisor)
This work describes the basic concepts and principles in the field of neural networks. Closer then deals with the problem of multilayer perceptron networks, namely back-propagation method. There are analyzed the advantages and disadvantages of these methods, the proposal of possible digits recognition system using back-propagation. The aim is to obtain concrete results from the program whitch is able to recognize numbers.
|
|
|
Neural networks in audio signal watermarking algorithms
Kaňa, Ondřej ; Smékal, Zdeněk (referee) ; Zezula, Radek (advisor)
Digital watermarking is a technique for digital multimedia copyright protection. The robustness and the imperceptibility are the main requirements of the watermark. This thesis deals with watermarking audio signals using artificial neural networks. There is described audio watermarking method in the DCT domain. Method is based on human psychoacoustic model and the techniques of neural networks.
|
|
|
Protein Domains Prediction
Valenta, Martin ; Martínek, Tomáš (referee) ; Burgetová, Ivana (advisor)
The work is focused on the area of the proteins and their domains. It also briefly describes gathering methods of the protein´s structure at the various levels of the hierarchy. This is followed by examining of existing tools for protein´s domains prediction and databases consisting of domain´s information. In the next part of the work selected representatives of prediction methods are introduced. These methods work with the information about the internal structure of the molecule or the amino acid sequence. The appropriate chapter outlines applied procedure of domains´ boundaries prediction. The prediction is derived from the primary structure of the protein, using a neural network The implemented procedure and its possibility of further development in the related thesis are introduced at the conclusion of this work.
|
|
|
Analysis of Operational Data and Detection od Anomalies during Supercomputer Job Execution
Stehlík, Petr ; Nikl, Vojtěch (referee) ; Jaroš, Jiří (advisor)
V posledních letech jsou superpočítače stále větší a složitější, s čímž souvisí problém využití plného potenciálu systému. Tento problém se umocňuje díky nedostatku nástrojů pro monitorování, které jsou specificky přizpůsobeny uživatelům těchto systémů. Cílem práce je vytvořit nástroj, nazvaný Examon Web, pro analýzu a vizualizaci provozních dat superpočítače a provést nad těmito daty hloubkovou analýzu pomocí neurálních sítí. Ty určí, zda daná úloha běžela korektně, či vykazovala známky podezřelého a nežádoucího chování jako je nezarovnaný přístup do operační paměti nebo např. nízké využití alokovaých zdrojů. O těchto faktech je uživatel informován pomocí GUI. Examon Web je postavený na frameworku Examon, který sbírá a procesuje metrická data ze superpočítače a následně je ukládá do databáze KairosDB. Implementace zahrnuje disciplíny od návrhu a implementace GUI, přes datovou analýzu, těžení dat a neurální sítě až po implementaci rozhraní na serverové straně. Examon Web je zaměřen zejména na uživatele, ale může být také využíván administrátory. GUI je vytvořeno ve frameworku Angular s knihovnami Dygraphs a Bootstrap. Uživatel díky tomu může analyzovat časové řady různých metrik své úlohy a stejně jako administrátor se může informovat o současném stavu superpočítače. Tento stav je zobrazen jako několik globálně agregovaných metrik v posledních 30 minutách nebo jako 3D model (či 2D model) superpočítače, který získává data ze samotných uzlů pomocí protokolu MQTT. Pro kontinuální získávání dat bylo využito rozhraní WebSocket s vlastním mechanismem přihlašování a odhlašování konkretních metrik zobrazovaných v modelu. Při analýze spuštěné úlohy má uživatel dostupné tři různé pohledy na danou úlohu. První nabízí celkový přehled o úloze a informuje o využitých zdrojích, času běhu a vytížení části superpočítače, kterou úloha využila společně s informací z neurálních sítí o podezřelosti úlohy. Další dva pohledy zobrazují metriky z výkonnostiního energetického hlediska. Pro naučení neurálních sítí bylo potřeba vytvořit novou datovou sadu ze superpočítače Galileo. Tato sada obsahuje přes 1100 úloh monitorovaných na tomto superpočítači z čehož 500 úloh bylo ručně anotováno a následně použito pro trénování sítí. Neurální sítě využívají model back-propagation, vhodný pro anotování časových sérií fixní délky. Celkem bylo vytvořeno 12 sítí pro metriky zahrnující vytížení procesoru, paměti a dalších části a např. také podíl celkového času procesoru v úsporném režimu C6. Tyto sítě jsou na sobě nezávislé a po experimentech jejich finální konfigurace 80-20-4-3-1 (80 vstupních až 1 výstupní neuron) podávaly nejlepší výsledky. Poslední síť (v konfiguraci 12-4-3-1) anotovala výsledky předešlých sítí. Celková úspěšnost systému klasifikace do 2 tříd je 84 %, což je na použitý model velmi dobré. Výstupem této práce jsou dva produkty. Prvním je uživatelské rozhraní a jeho serverová část Examon Web, která jakožto rozšiřující vrstva systému Examon pomůže s rozšířením daného systému mezi další uživatele či přímo další superpočítačová centra. Druhým výstupem je částečně anotovaná datová sada, která může pomoci dalším lidem v jejich výzkumu a je výsledkem spolupráce VUT, UNIBO a CINECA. Oba výstupy budou zveřejněny s otevřenými zdrojovými kódy. Examon Web byl prezentován na konferenci 1st Users' Conference v Ostravě pořádanou IT4Innovations. Další rozšíření práce může být anotace datové sady a také rozšíření Examon Web o rozhodovací stromy, které určí přesný důvod špatného chování dané úlohy.
|
|
|
Use of neural networks in classification of heart diseases
Skřížala, Martin ; Tannenberg, Milan (referee) ; Hrubeš, Jan (advisor)
This thesis discusses the design and the utilization of the artificial neural networks as ECG classifiers and the detectors of heart diseases in ECG signal especially myocardial ischaemia. The changes of ST-T complexes are the important indicator of ischaemia in ECG signal. Different types of ischaemia are expressed particularly by depression or elevation of ST segments and changes of T wave. The first part of this thesis is orientated towards the theoretical knowledges and describes changes in the ECG signal rising close to different types of ischaemia. The second part deals with to the ECG signal pre-processing for the classification by neural network, filtration, QRS detection, ST-T detection, principal component analysis. In the last part there is described design of detector of myocardial ischaemia based on artificial neural networks with utilisation of two types of neural networks back – propagation and self-organizing map and the results of used algorithms. The appendix contains detailed description of each neural networks, description of the programme for classification of ECG signals by ANN and description of functions of programme. The programme was developed in Matlab R2007b.
|
|
|
Recognition of digits
Gorgol, Martin ; Hynčica, Tomáš (referee) ; Jirsík, Václav (advisor)
This work describes the basic concepts and principles in the field of neural networks. Closer then this work deals with the identification numbers using these networks, in particular, using the back-propagation method. There is a broken process of choosing a set of signs, types of symptoms and of choosing a neural network topology. The aim is to obtain specific results by using the program for working with neural networks.
|
|
|
Handwritten Character Recognition Using Artificial Neural Networks
Horký, Vladimír ; Janda, Miloš (referee) ; Plchot, Oldřich (advisor)
Neural networks with algorithm back-propagation will be presented in this work. Theoretical background of the algorithm will be explained. The problems with training neural nets will be solving there. The work discuss some techniques of image preprocessing and image extraction features, which is one of main part in classification. Some part of work discuss few experiments with neural nets with chosen image features.
|
|
|
Neural networks in cryptography
Borkovec, Tomáš ; Rášo, Ondřej (referee) ; Martinásek, Zdeněk (advisor)
Bachelor's thesis aims to introduce neural networks and their properties, which can be used for creating cryptographic protocols based on neural networks. It proposed concrete use of neural networks in cryptography and creates a teoretical basis for the practical implementation. In practical section is discusses the creation of neural network on which we based cryptographic model. The constructed models are then subjected to testing. At the close of the thesis we discussed the advantages and disadvantages of possible use in real cryptographic modules.
|
|
|
Recognition of digits
Gorgol, Martin ; Hynčica, Tomáš (referee) ; Jirsík, Václav (advisor)
This work describes the basic concepts and principles in the field of neural networks. Closer then this work deals with the identification numbers using these networks, in particular, using the back-propagation method. There is a broken process of choosing a set of signs, types of symptoms and of choosing a neural network topology. The aim is to obtain specific results by using the program for working with neural networks.
|
guest ::
