|
|
Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification
Gajdár, Matúš ; Švec, Ján (oponent) ; Karafiát, Martin (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.
|
|
|
Zobrazení a analýza aktivit neuronové sítě ve skrytých vrstvách
Fábry, Marko ; Grézl, František (oponent) ; Karafiát, Martin (vedoucí práce)
Cílem této práce je vytvořit systém schopný zobrazení hodnot aktivačních funkcí neuronů nacházejících se v skrytých vrstvách neuronových sítí použitých na rozpoznávání řeči. Dále byly na tomto systému provedeny experimenty porovnávající vizualizační metody, vizualizace neuronových sítí s různými architekturami a s různými druhy vstupních dat. Vizualizační systém implementovaný v rámci této práce je založen na předchozí práci pana Khe Chai Sim a rozšířen o nové způsoby normalizace vstupních dat. Pro přípravu trénovacích dat neuronových sítí byl použit framework Kaldi. Pro samotné trénování neuronových sítí byl použit nový framework CNTK. Jádro práce - samotný vizualizační systém byl implementován v skriptovacím jazyce Python.
|
|
|
Rozpoznání textu s využitím neuronových sítí
Peřinová, Barbora ; Hesko, Branislav (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce se zabývá rozpoznáváním textu v obraze. V první části práce jsou popsány základní typy úloh rozpoznání textu a rozdělení algoritmu na jednotlivé fáze. Pro každou fázi jsou v následující části popsány nejpoužívanější metody. V rámci fáze rozpoznávání znaků je vysvětlena problematika umělých neuronových sítí a jejich využití v této fázi, konkrétně vícevrstvého perceptronu a konvolučních neuronových sítí. Druhá část se zabývá definicí požadavků na konkrétní aplikaci využitelnou jako zpětná vazba pro robotický systém. Je představena implementace algoritmu v .NET využívající konvoluční neuronové sítě a knihovnu CNTK pro hluboké učení. V neposlední řadě jsou diskutovány výsledky testování jednotlivých fází navrženého řešení a porovnány s volně dostupnou technikou Tesseract.
|
|
|
Rozpoznání textu s využitím neuronových sítí
Peřinová, Barbora ; Hesko, Branislav (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce se zabývá rozpoznáváním textu v obraze. V první části práce jsou popsány základní typy úloh rozpoznání textu a rozdělení algoritmu na jednotlivé fáze. Pro každou fázi jsou v následující části popsány nejpoužívanější metody. V rámci fáze rozpoznávání znaků je vysvětlena problematika umělých neuronových sítí a jejich využití v této fázi, konkrétně vícevrstvého perceptronu a konvolučních neuronových sítí. Druhá část se zabývá definicí požadavků na konkrétní aplikaci využitelnou jako zpětná vazba pro robotický systém. Je představena implementace algoritmu v .NET využívající konvoluční neuronové sítě a knihovnu CNTK pro hluboké učení. V neposlední řadě jsou diskutovány výsledky testování jednotlivých fází navrženého řešení a porovnány s volně dostupnou technikou Tesseract.
|
|
|
Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification
Gajdár, Matúš ; Švec, Ján (oponent) ; Karafiát, Martin (vedoucí práce)
Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.
|
|
|
Zobrazení a analýza aktivit neuronové sítě ve skrytých vrstvách
Fábry, Marko ; Grézl, František (oponent) ; Karafiát, Martin (vedoucí práce)
Cílem této práce je vytvořit systém schopný zobrazení hodnot aktivačních funkcí neuronů nacházejících se v skrytých vrstvách neuronových sítí použitých na rozpoznávání řeči. Dále byly na tomto systému provedeny experimenty porovnávající vizualizační metody, vizualizace neuronových sítí s různými architekturami a s různými druhy vstupních dat. Vizualizační systém implementovaný v rámci této práce je založen na předchozí práci pana Khe Chai Sim a rozšířen o nové způsoby normalizace vstupních dat. Pro přípravu trénovacích dat neuronových sítí byl použit framework Kaldi. Pro samotné trénování neuronových sítí byl použit nový framework CNTK. Jádro práce - samotný vizualizační systém byl implementován v skriptovacím jazyce Python.
|
host ::
RSS.