|
|
Behaviorální analýza síťových útoků typu DDoS
Kvasnica, Ondrej ; Homoliak, Ivan (oponent) ; Očenášek, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá detekcí anomálií v počítačových sítích pomocí metody umělé inteligence. Práce se soustředí zejména na detekci DDoS útoků na základě informací z nižších vrstev modelu OSI. Cílem je navrhnout a implementovat systém, který je schopný detekovat různé typy DDoS útoků a charakterizovat jejich společné znaky. Zvolené útoky jsou SYN záplavy, UDP záplavy a ICMP záplavy. Je obsažen popis a výběr důležitých rysů těchto útoků. Následně je navržen systém, který na základě síťových dat (organizovaných do toků) vyhodnotí, jestli data obsahují útok či nikoliv. Detekce útoků je implementována pomocí klasifikační metody XGBoost, která používá způsob učení s učitelem. Výsledný model je validován pomocí křížové validace a otestován na útocích vygenerované autorem práce.
|
|
|
Hledání guaninových kvadruplexů v DNA pomocí rozhodovacích stromů
Kotrys, Kryštof ; Šťastný, Jiří (oponent) ; Kaura, Patrik (vedoucí práce)
Tato bakalářská práce se zaměřuje na vytvoření funkčního modelu rozhodovacího stromu pro detekci guaninových kvadruplexů v DNA. První část práce se věnuje shrnutí poznatků z oblasti lokálních struktur DNA, výpočetní predikce guaninových kvadruplexů a teorie rozhodovacích stromů. Druhá část práce se zabývá tvorbou modelu rozhodovacího stromu pro detekci kvadruplexů a následně statistickým porovnáním výsledků této metody s algoritmem G4Hunter.
|
|
|
Diferenční analýza multilingválního řečového korpusu pacientů s neurodegenerativními onemocněními
Kováč, Daniel ; Zvončák, Vojtěch (oponent) ; Mekyska, Jiří (vedoucí práce)
Diplomová práce se zabývá automatizovanou diagnózou hypokinetické dysartrie v multilingválním řečovém korpusu. Jedná se o poruchu motorické realizace řeči vyskytující se u pacientů s neurodegenerativními onemocněními jako je například Parkinsonova nemoc. Automatizovaná diagnóza probíhá na základě akustické analýzy řeči a následným použitím matematických modelů. Tato metoda je na vzestupu díky její objektivitě a možné nezávislosti na národnosti. Cílem práce je zjistit, které akustické parametry mají vysokou diskriminační sílu a které jsou závislé na konkrétním jazyku mluvčího. K tom je využita statistická analýza parametrizovaných řečových úloh a následné modelování metodami strojového učení. Analýzy proběhly pro češtinu, americkou angličtinu, maďarštinu a všechny jazyky dohromady. Bylo zjištěno, že pouze některé parametry podporující diagnózu hypokinetické disartrie a jsou nezávislé na jazyku mluvčího. Nejlepší výsledky vykazuje parametr relF2SD a po něm parametr NST. Při klasifikaci mluvčích všech jazyků dohromady model dosauje přesnosti 59 % a senzitivity 72 %.
|
|
|
Systém zabezpečeného přenosu a zpracování dat z aktigrafu
Mikulec, Marek ; Galáž, Zoltán (oponent) ; Mekyska, Jiří (vedoucí práce)
Nový koncept Health 4.0 přináší myšlenku spojení moderních technologií z oblasti vědy a techniky s výzkumem ve zdravotnictví. Tato práce realizuje v duchu konceptu Health 4.0 systém zabezpečeného přenosu a zpracování dat z aktigrafu GENEActiv. Systém je úspěšně navržen, implementován, otestován a zabezpečen. S pomocí neinvazivní metody monitorování pohybu a teploty subjektu pomocí aktigrafu GENEActiv umožňuje systém bezpečným způsobem přenést, zpracovat a vyhodnotit data o spánkovém okně subjektu pomocí algoritmu strojového učení XGBoost. Navržený systém je v souladu s platným právem České republiky a splňuje zákonné požadavky.
|
|
|
The use of artificial intelligence methods for time series prediction
Tripathi, Ankit
Analýza a predikce finančních trhů jsou tématem, které obchodníky a investory zajímá již po desetiletí. Tato práce představuje komplexní studii o předpovídání časových řad na dynamickém finančním trhu v Indii s využitím desetiletých historických dat z cen akcií společnosti Reliance. Výzkum zahrnuje tři klíčové složky: bibliometrickou analýzu pro danou oblast v celosvětovém měřítku, srovnávací hodnocení metod předpovídání časových řad na indických trzích a implementaci přístupu předběžného zpracování zahrnujícího ekonomické faktory na vybrané modely. Každá část vychází ze shromážděných informací v předchozí části. Bibliometrická analýza byla použita ke zjištění převažujících trendů v technikách předpovídání časových řad a k zodpovězení relevantních otázek v kontextu indických trhů s cílem zúžit rozsah studie. To bylo provedeno analýzou 2202 dokumentů z období 1994–2023 sestávajících z článků, kapitol v knihách, recenzí, knih, poznámek a dopisů pouze v anglickém jazyce. Výsledky pomáhají utvářet jinou perspektivu a zároveň porozumět celkovému intelektuálnímu prostředí domény s podsekcemi zaměřenými na vůdčí osobnosti v oboru, produktivitu autorů, vzestup v doméně na základě publikací a citací, což je základní vzorec posunů v oblastech výzkumu na základě klíčových slov autorů a publikace, které doménu významně ovlivnily. Analýza přesahuje rámec akademické literatury a zahrnuje i patenty, čímž poskytuje pohled na skutečný stav techniky. Výsledky z bibliometrie byly použity k výběru modelů pro srovnávací analýzu. Analýza hodnotí výkonnost různorodých metod predikce časových řad, jako jsou algoritmy hlubokého učení (model s dlouhou krátkodobou pamětí (LSTM)), tradiční statistické modely (Auto Regressive Integrated Moving Approach (ARIMA)) a pokročilé algoritmy skupinového učení (XGBoost a FB-Prophet), s využitím reálných dat z indického finančního trhu. Jako případová studie slouží ceny akcií společnosti Reliance, což umožňuje důkladné vyhodnocení přesnosti předpovědí a chyb modelů. Současně byl navržen a implementován přístup předběžného zpracování, který integruje významné ekonomické faktory (cena zlata, přepočet USD na INR, index spotřebitelských cen, výnosy indických desetiletých dluhopisů a index velkoobchodních cen) a vyhodnocuje se pomocí technických ukazatelů (střední kvadratická chyba, střední absolutní chyba, R2 skóre). Studie zkoumá, jak zahrnutí těchto faktorů ovlivňuje přesnost předpovědi u vybraných metod předpovědi časových řad. Srovnávací hodnocení modelů před a po metodě předběžného zpracování vrhá světlo na vyvíjející se přesnost predikce LSTM, ARIMA, FB-Prophet a XGBoost. Tato analýza poskytuje cenné poznatky o vlivu ekonomických faktorů na výkonnost jednotlivých metod. Studie ukázala, že SARIMAX (rozšíření ARIMA o sezónnost a exogenní faktory) a XGBOOST si s navrženým přístupem vedly relativně dobře, zatímco LSTM s 80 % tréninkem a FB-Prophet si na indických finančních trzích nevedly podle očekávání. Tento výzkum přispívá k prohloubení znalostí o předpovídání časových řad na indickém finančním trhu a nabízí praktické poznatky pro osoby s rozhodovací pravomocí a výzkumné pracovníky.
|
|
|
Remodelace intimo-mediálního komplexu společné karotidy a myokardu levé komory srdeční u nemocných s primární a sekundární hypertenzí
Majtan, Bohumil ; Holaj, Robert (vedoucí práce) ; Piťha, Jan (oponent) ; Danzig, Vilém (oponent)
Arteriální hypertenze patří mezi nejčastější kardiovaskulární onemocnění a je jedním z nejvýznamnějších rizikových faktorů kardiovaskulární morbidity a mortality. V patologickém mechanismu vedoucím ke strukturálním změnám kardiovaskulárního systému se nad rámec hypertenze uplatňují i další hemodynamické a neuroendokrinní vlivy. V tomto procesu hraje významnou roli také nadprodukce aldosteronu a katecholaminů. Cílem práce je studium vlivu nadprodukce aldosteronu a katecholaminů na remodelaci intimo-mediálního komplexu společné karotidy a myokardu levé komory srdeční u nemocných s primárním aldosteronismem (PA) a feochromocytomem (FEO). V první části práce jsme analyzovali změny v textuře intimo-mediálního komplexu společné karotidy u 33 nemocných s PA, 52 nemocných s esenciální hypertenzí (EH) a 33 normotenzních jedinců. Hodnocení textury jsme provedli analýzou 140 Haralickových příznaků a 10 waveletů, které jsme následně použili pro trénování XGBoost klasifikátoru. V další části jsme zkoumali intimo-mediální tloušťku (IMT) společné karotidy a index hmotnosti levé komory srdeční (LVMi) u 50 nemocných s FEO před a 5 let po provedení adrenalektomie. Výsledky jsme následně srovnali s 50 nemocnými s EH. V rozlišování mezi PA a EH jsme dosáhli v porovnání se správností endokrinologických testů sloužících...
|
|
|
Strojové učení z dat systémů pro detekci síťového průniku
Dostál, Michal ; Očenášek, Pavel (oponent) ; Hranický, Radek (vedoucí práce)
Aktuální stav nástrojů pro detekci síťového průniku je nedostačující, protože tyto nástroje často fungují na základě statických pravidel a nevyužívají potenciál umělé inteligence. Cílem této práce je rozšířit open-source nástroj Snort o schopnost detekovat škodlivý síťový provoz pomocí strojového učení. Pro dosažení kvalitního klasifikátoru byly zvoleny užitečné příznaky síťového toku, které byly získány z výstupních dat aplikace Snort. Následně byly tyto toky obohaceny a označeny odpovídajícími událostmi. Experimenty vykazují velmi dobré výsledky nejenom při klasifikaci na testovacích datech, ale také v rychlosti zpracování. Z~navrženého přístupu a samotných experimentů vyplývá, že tento nový přístup by mohl vykazovat dobrou úspěšnost i při práci s reálnými daty.
|
|
|
Design of a Predictive User Loyalty Model Based on Machine Learning
Kuchtová, Dominika ; Bartík,, Vladimír (oponent) ; Doubravský, Karel (vedoucí práce)
The bachelor thesis focuses on creating an optimal model for evaluating specific phenomena related to modeling customer behavior with the aim of support decision-making. It describes the process of data handling and the significance of the importance of converting data into knowledge. The first part of the bachelor thesis includes a description of the tools, processes, ideas, and methods used in the practical part at a theoretical level for an easier understanding of how to solve the assignment in the practical part of the thesis. The second part of the bachelor thesis includes the practical application of specific procedures and the creation of the actual predictive model based on the XGBoost ensemble method and its optimization.
|
|
|
Behaviorální analýza síťových útoků typu DDoS
Kvasnica, Ondrej ; Homoliak, Ivan (oponent) ; Očenášek, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá detekcí anomálií v počítačových sítích pomocí metody umělé inteligence. Práce se soustředí zejména na detekci DDoS útoků na základě informací z nižších vrstev modelu OSI. Cílem je navrhnout a implementovat systém, který je schopný detekovat různé typy DDoS útoků a charakterizovat jejich společné znaky. Zvolené útoky jsou SYN záplavy, UDP záplavy a ICMP záplavy. Je obsažen popis a výběr důležitých rysů těchto útoků. Následně je navržen systém, který na základě síťových dat (organizovaných do toků) vyhodnotí, jestli data obsahují útok či nikoliv. Detekce útoků je implementována pomocí klasifikační metody XGBoost, která používá způsob učení s učitelem. Výsledný model je validován pomocí křížové validace a otestován na útocích vygenerované autorem práce.
|
|
|
Hledání guaninových kvadruplexů v DNA pomocí rozhodovacích stromů
Kotrys, Kryštof ; Šťastný, Jiří (oponent) ; Kaura, Patrik (vedoucí práce)
Tato bakalářská práce se zaměřuje na vytvoření funkčního modelu rozhodovacího stromu pro detekci guaninových kvadruplexů v DNA. První část práce se věnuje shrnutí poznatků z oblasti lokálních struktur DNA, výpočetní predikce guaninových kvadruplexů a teorie rozhodovacích stromů. Druhá část práce se zabývá tvorbou modelu rozhodovacího stromu pro detekci kvadruplexů a následně statistickým porovnáním výsledků této metody s algoritmem G4Hunter.
|
host ::
RSS.