|
|
Využití umělé inteligence ve vibrodiagnostice
Dočekalová, Petra ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce pojednává o strojovém učení, expertních systémech, fuzzy logice, genetických algoritmech, neuronových sítích a teorii chaosu, které spadají do kategorie umělé inteligence. Cílem práce je popsat a implementovat tři různé klasifikační metody, podle kterých bude zpracován soubor dat. Pro aplikaci dat bylo zvoleno SW prostředí GNU Octave z licenčních důvodů. Dále vyhodnotit úspěšnost klasifikace dat včetně vizualizace. Pro srovnání jsou použity tři různé klasifikační metody, abychom mohli zpracovaná data mezi sebou porovnávat.
|
|
|
Rozhodovací stromy
Patera, Jan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Obsahem práce je seznámení se s problematikou rozhodovacích stromů. V textu je popsán program RapidMiner a algoritmy pro tvorbu rozhodovacích stromů, které jsou v tomto softwaru implementovány. Dále je popsána nově vytvořená aplikace v prostředí C++ Builder, ve které byly naprogramovány vybrané algoritmy pro konstrukci rozhodovacích stromů. Na databázích dostupných z internetu jsou porovnány dosažené výsledky v případě použití různých algoritmů a jejich odlišných nastavení.
|
|
|
Detection of modern Slow DoS attacks
Jurek, Michael ; Jonák, Martin (oponent) ; Sikora, Marek (vedoucí práce)
With the evolving number of interconnected devices, the number of attacks arises. Malicious actors can take advantage of such devices to create (D)DoS attacks against victims. These attack are being more and more sophisticated. New category of DoS attacks was discovered that tries to mimic standard user behavior -- Slow DoS Attacks. Malicious actor leverages transport protocol behavior to the highest option by randomly dropping packets, not sending or delaying messages, or on the other hand crafting special payloads causing DoS state of application server. This thesis proposes parameters of network flow that should help to identify chosen Slow DoS Attack. These parameters are divided into different categories describing single packets or whole flow. Selected Slow DoS Attack are Slow Read, Slow Drop and Slow Next. For each attack communication process is described on the transport and application layer level. Then important parameters describing given Slow DoS Attack are discussed. Last section sums up methods and tools of generation of these attacks. Next part deals with possibilities and tools to create such an attack, discuss basic communication concepts of creating parallel connections (multithreading, multiprocessing) and proposes own Slow DoS Attack generator with endless options of custom defined attacks. Next part describes testing environment for the attack generator and tools and scenarios of data capture with the goal of dataset creation. That dataset is used for subsequent detection using machine learning methods of supervised learning. Decision trees and random forest are used to detect important features of selected Slow DoS Attacks.
|
|
|
Rozpoznání ručně psaných číslic
Dobrovolný, Martin ; Mlích, Jozef (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je součástí oboru počítačovho vidění a také problematikou, se kterou se v dnešní době nelze vypořádat na 100 %. Tato práce popisuje metodu rozpoznávání ručně psaných číslic založenou na charakteristických rysech a rozhodovacích stromech. Metody takto založené jsou známé jejich dlouhou dobou strojového učení a vysokou rychlostí při vyhodnocování. Tato metoda užívá relativních úhlů mezi charakteristickými oblastmi, což jí umožňuje jistou míru volnosti při porovnávání podobných vzorků a také schopnost odolávat vůči nelineárním deformacím písma.
|
|
|
Zjednoznačňování slovních významů
Kraus, Michal ; Glembek, Ondřej (oponent) ; Smrž, Pavel (vedoucí práce)
Diplomová práce je zaměřena na rozpoznávání a zjednoznačňování českých slov. Nejprve se čtenář seznámí s historickým kontextem úkolu, poté jsou mu předvedeny použité algoritmy: naivní Bayesův klasifikátor, klasifikátor AdaBoost, metoda maximální entropie a rozhodovací strom. Použité metody jsou názorně předvedeny na příkladu. V dalších částech práce jsou popsány datové sady a parametry pro klasifikaci. V závěrečné části práce dojde na zhodnocení výsledků a nastínění možných úprav.
|
|
|
Implementace algoritmů založených na rozhodovacích stromech v jazyce C#
Grolig, Lukáš ; Pešek, Martin (oponent) ; Stríž, Rostislav (vedoucí práce)
Tato bakalářská práce se zabývá výběrem dolovacích algoritmů pro klasifikaci založených na rozhodovacích stromech pro analytický systém vyvíjený v rámci projektu Systém pro zvýšení bezpečnosti v prostředí Internetu analýzou šíření škodlivého kódu. U vybraných algoritmů je popsána jejich implementace v jazyce C#. Implementované algoritmy jsou následně testovány z hlediska rychlosti učení algoritmu a přesnosti klasifikace. Na základě výsledků experimentů jsou sepsány závěry a dána doporučení pro uživatele těchto algoritmů.
|
|
|
Využití umělé inteligence v technické diagnostice
Konečný, Antonín ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce je zaměřena na využití metod umělé inteligence pro vyhodnocení poruchového stavu strojního zařízení. Vyhodnocovaná data jsou z vibrodiagnostického modelu pro simulaci statické a dynamické nevývahy. Aplikovány jsou metody strojového učení, konkrétně učení s učitelem. V práci je popsáno softwarové prostředí Spyder, jeho alternativy, a programovací jazyk Python, ve kterém jsou skripty napsány. Obsahuje přehled s popisem použitých knihoven Scikit-learn, SciPy, Pandas ...) a metod, kterými jsou klasifikace metodou nejbližšího souseda (KNN), metoda podpůrných vektorů (SVM), rozhodovací stromy (DT) a klasifikace metodou náhodného lesa (RF). Výsledky úspěšnosti klasifikace jsou vizualizovány ve výsledné klasifikační matici pro každou metodu. Součástí přílohy jsou napsané skripty pro zpracování a výpočet prediktorů, hledání nejvhodnějších parametrů modelu, hodnocení úspěšnosti učení a klasifikace s vizualizací výsledku.
|
|
|
Dolování dat
Stehno, David ; Hynčica, Tomáš (oponent) ; Honzík, Petr (vedoucí práce)
Cílem diplomové práce bylo nastudovat a popsat metodologii dolování dat CRISP-DM. Ze získané databáze byla prováděna predikce počtu hovorů na call centrum, přičemž bylo postupováno podle metodiky CRISP-DM. Ve fázi modelování byly použity 4 druhy modelů a to K-NN, neuronová síť, lineární regrese a model využívající metodu podpůrných vektorů. Pomocí různých druhů selekcí bylo zhodnoceno, které vstupní atributy mají důležitou roli pro výslednou predikci. Získané výsledky a poznatky mohou v budoucnu sloužit pro přesnější předpovědi nejen počtu hovorů, ale i jiných ukazatelů, důležitých pro call centrum.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
|
Analýza dat síťové komunikace mobilních zařízení
Abraham, Lukáš ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Práce na svém začátku popisuje protokoly DNS a SSL/TLS, věnuje se hlavně komunikaci mezi zařízeními pomocí těchto protokolů. Poté si povíme něco o předzpracování dat a jejich čištění. Dále se práce zaobírá základními technikami pro dolování dat, jako jsou klasifikace dat, asociační analýza, vyhledávání dokumentů, regresní analýza a shluková analýza. V další kapitole si můžeme přečíst něco o tom, jak se dají identifikovat mobilní zařízení v síti. Zhodnotíme datové sady, které obsahují nasbíraná data z komunikace mezi protokoly DNS a SSL/TLS se kterými se bude pracovat v praktické části. Po té se konečně dostaneme k návrhu systému pro analýzu dat síťové komunikace. Popíšeme si použité knihovny a celou implementaci systému. Provedeme velké množství experimentů, které na konec ohodnotíme.
|
host ::
RSS.