|
|
Detekce a zotavení se z chyb při syntaktické analýze
Sák, Vladimír ; Dolíhal, Luděk (oponent) ; Zámečníková, Eva (vedoucí práce)
Práce se zaobírá detekcí a zotavením se z chyb při syntaktické analýze. Hlavním cílem práce bylo navrhnutí a implementace metody pro detekci chyb a pro zotavení se z těchto chyb. Vytvořená metoda vychází z Hartmannovy metody detekce a zotavení se z chyb. Bylo implementováno i užívatelské rozhraní s využitím multiplatformní knihovny Qt, umožňující jednoduché ovládání programu. Ve výsledku, aplikace vypisuje všechny informace o chybách během analýzy zdrojového kódu.
|
|
|
Application of Machine Learning Algorithms for the Generation of Checking Circuits
Lelkes, Olivér ; Krčma, Martin (oponent) ; Kaštil, Jan (vedoucí práce)
This thesis deals with the application of machine learning algorithms for generation of online checking circuits. It contains description of the principles of checking circuits and presents existing checking circuit implementations relevant to this thesis. The work is focused on applying checking circuits on hardware components with sequential logic. Machine learning algorithms are trained on data sets consisting of the hardware components' input-output sequences, stored as time series data. Processing time series requires special type of machine learning algorithms, which are described and compared.The individual algorithms are utilized as machine learning classifiers in order to determine their suitability for use in checking circuits. The experiments of the thesis were performed on a low-pass FIR filter. The settings of the employed machine learning classifiers are presented and the results with the individual classifier settings are evaluated. Based on the obtained results it is discussed which machine learning algorithms are applicable in checking circuits.
|
|
|
Detection and Correction of Inconsistencies in the Multilingual Treebank HamleDT
Mašek, Jan ; Žabokrtský, Zdeněk (vedoucí práce) ; Mareček, David (oponent)
Prostudovali jsme závislostní korpusy, jež jsou součástí projektu HamleDT, a částečně jsme sjednotili soubor značek užitých pro anotaci syntaktické roviny. Následně jsme použili metodu založenou na variačních n-gramech pro automatickou detekci chyb na morfologické a syntaktické rovině. Potom jsme využili výstup morfologického značkovače, respektive závislostního syntaktického analyzátoru pro opravení chyb detekovaných v předchozím kroku. Spolehlivost detekce i opravy chyb na obou anotačních rovinách jsme vyhodnotili na základě náhodně vybraných vzorků nalezených předpokládaných chyb z několika korpusů. Powered by TCPDF (www.tcpdf.org)
|
|
|
Detekce podezřelých anotací
Václ, Jan ; Vidová Hladká, Barbora (vedoucí práce) ; Hana, Jiří (oponent)
Tato práce popisuje způsob kontroly morfologické anotace pomocí strojového učení a představuje implementaci tohoto přístupu - aplikaci MissTagger. Procedura kontroly zahrnuje jak detekci chyb, tak jejich opravu. Tento přístup je založen na zjednodušeném algoritmu strojového učení, který si jednotlivé trénovací případy (instance) ukládá přímo do paměti bez zobecňování. Za tyto instance jsou považovány morfologické značky jednotlivých slov a jako rysy těchto instancí je brán jejich větný kontext pevné délky. Konkrétní slova, jejichž morfologické značky tvoří tento kontext, se vybírají buď přímo podle lineární struktury věty, nebo na základě závislostního stromu její syntaktické analýzy. Do experimentů k vyhodnocení tohoto přístupu jsou zapojeny dva jazyky - čeština a angličtina.
|
|
|
Application of Machine Learning Algorithms for the Generation of Checking Circuits
Lelkes, Olivér ; Krčma, Martin (oponent) ; Kaštil, Jan (vedoucí práce)
This thesis deals with the application of machine learning algorithms for generation of online checking circuits. It contains description of the principles of checking circuits and presents existing checking circuit implementations relevant to this thesis. The work is focused on applying checking circuits on hardware components with sequential logic. Machine learning algorithms are trained on data sets consisting of the hardware components' input-output sequences, stored as time series data. Processing time series requires special type of machine learning algorithms, which are described and compared.The individual algorithms are utilized as machine learning classifiers in order to determine their suitability for use in checking circuits. The experiments of the thesis were performed on a low-pass FIR filter. The settings of the employed machine learning classifiers are presented and the results with the individual classifier settings are evaluated. Based on the obtained results it is discussed which machine learning algorithms are applicable in checking circuits.
|
|
|
Detection and Correction of Inconsistencies in the Multilingual Treebank HamleDT
Mašek, Jan ; Žabokrtský, Zdeněk (vedoucí práce) ; Mareček, David (oponent)
Prostudovali jsme závislostní korpusy, jež jsou součástí projektu HamleDT, a částečně jsme sjednotili soubor značek užitých pro anotaci syntaktické roviny. Následně jsme použili metodu založenou na variačních n-gramech pro automatickou detekci chyb na morfologické a syntaktické rovině. Potom jsme využili výstup morfologického značkovače, respektive závislostního syntaktického analyzátoru pro opravení chyb detekovaných v předchozím kroku. Spolehlivost detekce i opravy chyb na obou anotačních rovinách jsme vyhodnotili na základě náhodně vybraných vzorků nalezených předpokládaných chyb z několika korpusů. Powered by TCPDF (www.tcpdf.org)
|
|
|
Detekce podezřelých anotací
Václ, Jan ; Vidová Hladká, Barbora (vedoucí práce) ; Hana, Jiří (oponent)
Tato práce popisuje způsob kontroly morfologické anotace pomocí strojového učení a představuje implementaci tohoto přístupu - aplikaci MissTagger. Procedura kontroly zahrnuje jak detekci chyb, tak jejich opravu. Tento přístup je založen na zjednodušeném algoritmu strojového učení, který si jednotlivé trénovací případy (instance) ukládá přímo do paměti bez zobecňování. Za tyto instance jsou považovány morfologické značky jednotlivých slov a jako rysy těchto instancí je brán jejich větný kontext pevné délky. Konkrétní slova, jejichž morfologické značky tvoří tento kontext, se vybírají buď přímo podle lineární struktury věty, nebo na základě závislostního stromu její syntaktické analýzy. Do experimentů k vyhodnocení tohoto přístupu jsou zapojeny dva jazyky - čeština a angličtina.
|
|
|
Detekce a zotavení se z chyb při syntaktické analýze
Sák, Vladimír ; Dolíhal, Luděk (oponent) ; Zámečníková, Eva (vedoucí práce)
Práce se zaobírá detekcí a zotavením se z chyb při syntaktické analýze. Hlavním cílem práce bylo navrhnutí a implementace metody pro detekci chyb a pro zotavení se z těchto chyb. Vytvořená metoda vychází z Hartmannovy metody detekce a zotavení se z chyb. Bylo implementováno i užívatelské rozhraní s využitím multiplatformní knihovny Qt, umožňující jednoduché ovládání programu. Ve výsledku, aplikace vypisuje všechny informace o chybách během analýzy zdrojového kódu.
|
|
|
Detekce a korekce chyb u plaveckého způsobu prsa u posluchačů PF JU oboru TVS
ČERMÁK, Bronislav
Tato bakalářská práce je zaměřena na detekci a korekci chyb u plaveckého způsobu prsa. Analýza byla prováděna na souboru vybraných studentů {--} 1. ročníku oboru Tělesná výchova a sport v období listopad 2008 {--} duben 2009. Teoretická část pojednává o vyhledávání chyb a nedostatků u plaveckého způsobu prsa a o možnostech odstranění formou cvičení. Praktická část byla zaměřena na tvorbu výukového DVD, které se zabývá vytvořením souboru chyb a cvičeními.
|
host ::
RSS.