|
|
Detekce hran pomocí neuronové sítě
Janda, Miloš ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Hlavní náplní této práce je popis a implementace metod detekce hran pomocí neuronové sítě, které jsou náhradou klasických metod detekce hran pomocí hranových detektorů. V prvních kapitolách je obecně diskutována problematika zpracování obrazu, detekce hran a neuronových sítí. Cílem hlavní části je návrh procesu generování syntetických obrazů, extrakce dat a představení variant vhodných topologií neuronových sítí pro účely detekce hran v obraze. Závěr práce je pak věnován vyhodnocení úspěšnosti detekce hran.
|
|
|
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.
|
|
|
Implementace komunikačních protokolů pro IoT s využitím rozšiřujícího modulu UniPi pro Raspberry Pi
Krejčí, Jan ; Štůsek, Martin (oponent) ; Mašek, Pavel (vedoucí práce)
Předkládaná diplomová práce je zaměřena na implementaci protokolu Wireless M-Bus do embedded zařízení RaspberryPi za pomocí rozšiřující desky UniPi. Protokol je implementován v jazyce Python a s Wireless M-Bus zařízeními komunikuje pomocí komunikačního modulu IQRF připojeného na sběrnici UART. Teoretická část práce se zaměřuje na přehled embedded zařízení pro IoT, možnosti jejich rozšíření, popisuje danou rozšiřující desku i Wireless M-Bus komunikační modul. Podrobněji se zaměřuje na vrstvy protokolu Wireless M-Bus, čímž poskytuje základy potřebné pro porozumění praktické části. Teoretickou část uzavírá přehled vyčítaných zařízení včetně popisu jejich datových jednotek. V praktické části je provedena implementace aplikace pro vyčítání dat z Wireless M-Bus senzorů a jejich následnou vizualizaci. Aplikace je schopna vyčítat i zařízení umožňující šifrovaný přenos.
|
|
|
Image annotation using deep learning
Zarapina, Natalya ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
This semester thesis describes the design and implementation of the client-server program for classification and localization of certain elements which are present in provided images. This program loads a set of images and use deep learning, especially deep convolution neural network perform a classification. First part describes the architecture, basic principles of operations in convolution network and chosen machine learning algorithms for classification. Second part contains a description of created program.
|
|
|
The Use of Artificial Intelligence on Capital Markets
Dzuro, Daniel ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
The objective of this thesis is to evaluate the possibility of creating a tool capable of predicting commodity prices. Along with other business strategies, tools and markets analyses for financial and capital markets, this tool should help make the best estimate of future developments on the observed markets. The main market, on which this work is focused, is the agricultural commodities market, namely corn and its related markets. The fundamental basis upon which the arguments in this thesis are built, is the use of artificial intelligence, particularly neural networks. The whole application is presented using a graphical user interface that allows even those with little or no understanding of this field to delve deeper into the interesting area - using modern computer systems to support trading activities.
|
|
|
Rozpoznávání objektů pomocí neuronových sítí
Marák, Jaroslav ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na neuronové sítě a jejich klasifikační schopnosti při rozpoznávání objektů v obraze. Pro rozpoznávání je zde použito vícevrstvé dopředné neuronové sítě, trénovatelné pomocí algoritmu zpětného šíření chyby - Back Propagation. V práci je zmíněna problematika volby topologie takovéto sítě a významných parametrů ovlivňujících průběh učení dopředné sítě. Pomocí série experimentů rozpoznávání objektů v různých úlohách jsou prezentovány dosažené výsledky spolu se zhodnocením úspěšnosti.
|
|
|
Modelování síťového prvku pomocí logického pole
Štafa, Václav ; Molnár, Karol (oponent) ; Škorpil, Vladislav (vedoucí práce)
Diplomová práce obsahuje seznámení se s programovatelnými logickými poli a na nich vyvíjenou platformou NetFPGA v souvislosti s jejím využitím pro směrování za pomocí neuronové sítě. Současné směrovací protokoly a metody směrování. Dále pak problematiku neuronových sítí se zaměřením na Hopfieldovu síť realizující funkci směrovače.
|
|
|
Klasifikace EKG signálů s použitím neuronových sítí
Loviška, David ; Vítek, Martin (oponent) ; Hrubeš, Jan (vedoucí práce)
Cílem projektu Klasifikace EKG signálů pomocí neuronových sítí je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout vytvořením programu schopného jednoduše a téměř okamžitě klasifikovat EKG signál s použitím umělé neuronové sítě. Vytvořený program poskytne lékaři základní informace o vloženém elektrokardiogramu, jako jsou časové intervaly a amplitudy signálu v jednotlivých zkoumaných úsecích. Následně lékaře upozorní na odchylky od normálu. Součástí programu je i grafické okno se zobrazeným signálem a na něm barevně zvýrazněny body a úseky vyhodnocené programem za zvláštní. V další fázi bude program sám klasifikovat získané údaje a určí nezávisle na lékaři diagnózu, kterou může lékař vyhodnotit a případně vlastním podpisem uznat za skutečnou diagnózu pacienta. Tento program je rovněž vhodný pro několikahodinové, až týdenní záznamy Holterova monitorování EKG.
|
|
|
Klasifikace obrazů s pomocí umělé inteligence
Labuda, Adam ; Přinosil, Jiří (oponent) ; Burget, Radim (vedoucí práce)
Táto bakalárska práca sa bude zaoberať problematikou klasifikácie obrázkov a extrakcie príznakov z obrazu. V prostredí jazyka JAVA sa vytvorí príklad, ktorý načíta sadu obrázkov, extrahuje z nich príznaky s pomocou umelej inteligencie, ktorú poskytuje vedúci práce. Umelá iteligencia predpokladať druh obrázku. Na záver práce sú porovnané dosiahnuté výsledky.
|
|
|
Genetický návrh klasifikátoru s využítím neuronových sítí
Tomášek, Michal ; Vašíček, Zdeněk (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této práce je genetický návrh neuronových sítí, jenž budou schopné provádět klasifikaci v rámci různých klasifikačních úloh. K vytváření těchto neuronových sítí je použit algoritmus vycházející z algoritmu NeuroEvolution of Augmenting Topologies (zkráceně známého jako NEAT). Dále je představena myšlenka předzpracování, která je v implementovaném výsledku rovněž zahrnuta. Cílem předzpracování je snížení výpočetních nároků pro zpracování datové sady daného klasifikačního problému. Výsledkem této práce je množina experimentů provedených nad datovou sadou pro detekci rakovinných buněk a databází ručně psaných číslic MNIST. Klasifikátory vytvořené pro rakovinné buňky pak dosahují více jak 99% přesnosti a u experimentu MNIST dochází ke snížení výpočetních nároků o více jak 10% se zanesením zanedbatelné chyby o velikosti 0,17%.
|
host ::
RSS.