|
|
Sebemodifikující se celulární automaty
Szabo, Peter ; Drábek, Vladimír (oponent) ; Bidlo, Michal (vedoucí práce)
Tato práce se zabývá celulárními automaty s konceptem sebe-modifikace a jich porovnáním s konvenčními celulárními automaty. Pro tento účel jsme vytvořili simulátor, který také umožňuje samostatně definovat logiky umělé inteligence, generátoru čísel a statistického testu, které simulátor využívá. Následně jsou provedeny dva pokusy, které koncept sebe-modifikace demonstrují.
|
|
|
Využití prostředků umělé inteligence na kapitálových trzích
Vaško, Jan ; Kříž, Jiří (oponent) ; Dostál, Petr (vedoucí práce)
Diplomová práce se zabívá analyzováním možnosti využití umělé inteligence, konkrétně umělých neuronových sítí a fuzzy logiky, na kapitálových trzích jako podpůrný nástroj v rozhodování podniku. K tomu je využito programové prostředí Matlabu. Práce je rozdělena do tří částí. V první se věnuji teoretickým poznatkům, ve druhé stručnému popisu současné situace a ve třetí části aplikuji tyto teoretická východiska do systému.
|
|
|
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.
|
|
|
Word2vec modely s přidanou kontextovou informací
Šůstek, Martin ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá porozuměním word2vec modelů. Přestože tyto modely vznikly nedávno (2013), staly se velmi populárními. Učením těchto modelů lze obdržet vektorovou reprezentaci slov v~N-dimenzionálním prostoru reálných čísel. Pomocí operací nad těmito vektory je možné určit sémantické vazby mezi slovy. Dále se práce snaží o rozšíření představených modelů za účelem jiné reprezentace slov. K tomuto účelu je navrženo využití obrazové informace. Taktéž je diskutována možnost použití konvolučních neuronových sítí ve spojitosti s poskytnutím odlišné kontextové informace.
|
|
|
Tvorba báze znalostí pro diagnostikování nemoci
Macháček, Daniel ; Steinerová, Kateřina (oponent) ; Jirsík, Václav (vedoucí práce)
Tato bakalářská práce se zabývá problematikou tvorby báze znalostí. Popisuje základy expertních systémů, jejich funkci a možné využití v dnešním světě. Výsledkem práce je báze aplikovaná ve webovém rozhraní NPS se schopností diagnostikovat nemoci v oboru hematoonkologie, což dokládá reálné využití expertního systému v praxi. Báze znalostí byla vytvořena ve spolupráci s experty v daném odvětví lékařství a obsahuje skutečná data.
|
|
| |
|
|
Umělá inteligence ve strategických počítačových hrách
Votroubek, Lukáš ; Přibyl, Bronislav (oponent) ; Zuzaňák, Jiří (vedoucí práce)
Tato práce se zabývá metodami používanými v umělé inteligenci strategických počítačových her, mnohé z těchto metod jsou však použitelné i v jiných oblastech. Jsou to různé metody pro rozhodování (např. stavové automaty, fuzzy logika, markovy řetězce), plánování (cílem orientované plánování, plánování monte-carlo, plánování založené na případech) a strojového učení (posilové učení, rozhodovací stromy a neuronové sítě). Cílem této práce je tyto metody z různých zdrojů nastudovat a vysvětlit základní princip několika z nich. Poté několik vybraných metod rozebrat více do dopodrobna a implementovat je (cílem orientované plánování a stavový automat). Při implementaci a následném testování byl využit herní engine ORTS, kterým se tato práce také zabývá.
|
|
|
E-learningové výukové moduly
Kosík, Tomáš ; Honzík, Petr (oponent) ; Jirsík, Václav (vedoucí práce)
Tato diplomová práce je zaměřena na popis e-learningu – elektronickou formu výuky, jako způsob moderního vzdělávání. V teoretické části jsou popsány různé formy, možnosti a základní struktury elektronických vzdělávacích systémů. Detailně rozebírá klady a zápory e-learningu, jak z pohledu technického tak z pohledu sociálního. V druhé části této práce je čtenář seznámen s e-learningovým systémem AI Tools používaném na UAMT FEKT VUT v Brně k podpoře výuky základů umělé inteligence. Dále se práce zabývá vytvořením třech zásuvných modulů do tohoto výukového programu. Tyto moduly jsou naprogramovány v jazyce C# a zabývají se problematikou informovaného a neinformovaného prohledávání stavového prostoru dále dopředným a zpětným řetězením používaném v expertních systémech. V závěru práce jsou zhodnoceny teoretické i praktické výsledky práce.
|
|
|
Návrh trading strategie pro řízení volného finančního kapitálu firmy
Jiřík, Leoš ; Dufek, Ladislav (oponent) ; Budík, Jan (vedoucí práce)
Tato diplomová práce se zabývá návrhem tradingových strategií pro obchodování na devizových trzích. Návrh je proveden pomocí prostředků umělé inteligence, navržené strategie jsou následně optimalizovány a vyhodnoceny na neznámých datech. Dílčím cílem je zasazení tohoto postupu do existující vybrané firmy pro rozvoj jejího kapitálu. Důsledky plynoucí ze zavedení obchodního přístupu k rozvoji kapitálu společnosti jsou následně analyzovány z několika pohledů – je vytvořen harmonogram zavedení ve vybrané společnosti, následně jsou porovnány očekávané náklady a výnosy ve střednědobém horizontu a v části poslední jsou zjišťována rizika zmíněného postupu a navrhovány postupy k jejich omezení.
|
|
|
Posilované učení pro hru typu Bomberman
Adamčiak, Jakub ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárksej práce je návrh, implementácia a trénovanie modelov posilňovaného učenia na hru typu Bomberman. Je postavená na prostredí Bomberland od firmy CoderOne. Toto prostredie bolo vyvinuté za účelom vzdelávania a výskumu v odvetí umelej inteligencie. V tejto práci rozoberám rôzne nastavenia a problémy s implementovaním agenta do prostredia. Vyskúšal som 2 politiky (MLP a CNN), 2 algoritmy (PPO a A2C) a 5 druhov neurónových sietí pre extrakciu vlastností za pomoci knižníc stable baselines 3 a pytorch. Celkový čas trénovania týchto modelov bol dokopy 1207 reálnych hodín, 4168 strojových hodín a 271 miliónov herných krokov. Aj keď bolo trénovanie neúspešné, táto práca ukazuje proces implementácie modelu posilňovaného učenia do prostredia Gym.
|
host ::
RSS.