|
|
Knowledge Discovery from Web Logs
Valaštín, Samuel ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
This bachelor thesis deals with the problem of knowledge discovery from web logs. The data source in the form of web access logs allows, after appropriate preprocessing, the use of a number of techniques that are designed to deal with knowledge discovery. By applying these techniques to preprocessed data, it is possible to classify user behavior into groups, to discover interesting associations in user behavior, or to discover previously unknown sequences in common user behavior.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Vrábelová, Pavla ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá aplikací neuronových sítí na problém segmentace obrazových dat. První část práce je věnována úvodu do problematiky zpracování obrazu a neuronových sítí, v druhé části je popsán vytvořený segmentační systém a jsou prezentovány výsledky provedených experimentů. Vytvořený segmentační systém umožňuje použití různých typů klasifikátorů, extrakci různých příznaků pro klasifikaci a také vyhodnocení úspěšnosti segmentace. Byly vytvořeny dva klasifikátory - neuronová síť (samoorganizační mapa) a algoritmus K-means. Pro klasifikaci byly použity barevné (RGB a HSV) a texturní příznaky a jejich kombinace. Texturní příznaky byly získány pomocí sady Gáborových filtrů. Byly provedeny experimenty s vytvořenými klasifikátory a extraktory a porovnány výsledky.
|
|
|
Detekce a sledování objektů pomocí význačných bodů
Bílý, Vojtěch ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí a sledováním objektů pomocí význačných bodů. Jsou zde popsány existující přístupy k této problematice. Je zde navržená inovovaná metoda detekce objektů založená na Obecné Houghově transformaci a iterativním prohledáváním Houghova prostoru. Na nejrůznějších typech objektu je demonstrována univerzálnost navrženého detektoru. Sledování objektů je řešeno detekcí objektu snímek po snímku.
|
|
|
Unsupervised Evaluation of Speaker Recognition System
Odehnal, Ondřej ; Plchot, Oldřich (oponent) ; Matějka, Pavel (vedoucí práce)
The context of this thesis is the state-of-the-art system for speaker identification (SID) based on the deep nerual network with x-vector embeddings. This thesis aims to propose and experimentally assess several techniques for evaluating the SID system using unlabelled datasets. For this purpose, discriminative embedding is created for every recording in the dataset. These embeddings are used to cluster the recordings and thus create pseudo-labels corresponding to different clusters. The SID system evaluation is based on equal error rate (EER), which uses these pseudo-labels. We proposed several unsupervised learning algorithms to achieve this; K-means, Gaussian mixture models (GMM), and agglomerative hierarchical clustering (AHC). After thorough testing, the K-means model with the Silhouette value showed the best results. This method achieved an estimate of 5.72 % EER with the reference EER equal to 5.15 % on SITW dev-core-core. Similar results were observed on the SITW eval-core-core, where the estimated EER is equal to 5.86 % and the reference 5.08 %. The difference between estimated and reference EER is 0.57 % for the dev-core-core and 0.78 % for the eval-core-core. Another series of experiments were conducted on NIST SRE16 and VoxCeleb1 to verify robustness of the proposed method. Generally, the developed testing process had an estimated error of around 1 % in all test databases, an excellent result for an unsupervised learning technique.
|
|
|
Demonstrační program pro předmět IZU
Míšová, Miroslava ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato bakalářská práce se věnuje vypracování studijních aplikací pro předmět Základy umělé inteligence. Tyto aplikace mají za vzor starší applety, které využívají nástroje, pro které skončila podpora. Pro jednotlivé aplikace byl vytvořen objektově orientovaný návrh a ná sledně byly implementovány. Při vytváření byl dbán důraz na jednoduchost uživatelského rozhraní a na možné další rozšiřování aplikací.
|
|
|
Systémy dálkového měření v energetice
Hudec, Lukáš ; Mlýnek, Petr (oponent) ; Mišurec, Jiří (vedoucí práce)
Práce se zabývá problematikou měření a řízení v energetice. Popisuje úvod do oblasti dálkových odečtů, řízení a popisuje současnou situaci v oboru moderních technologií Smart metering a Smart grids. Je zde rozebrána problematika sběrných sítí a shromažďování dat od velkého počtu měřidel na rozsáhlém území. Pro účely přenosu dat jsou popsány technologie GPRS, PLC, DSL,… Dále jsou v práci uvedeny možnosti zefektivnění komunikace mezi měřidly a sběrnou centrálou. K tomuto je využita oblast hierarchické agregace. Pomocí algoritmu k-means je navržen program pro výpočet počtu koncentrátorů a jejich umístění ve skupině měřidel. Vytvořený program je napsán v programovacím jazyce Java. Obsahuje grafické rozhraní a znázorňuje, jak výpočet probíhá. Pro ověření výsledků z optimalizačního programu je sestaven simulační model v nástroji OPNET Modeler. Ověřené výsledky jsou popsány v závěru práce a lze z nich odvodit, že použitím optimalizačního programu dochází k zefektivnění komunikace mezi měřidly a sběrnou centrálou.
|
|
|
Získávání znalostí z multimediálních databází
Málik, Peter ; Bartík, Vladimír (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce se zabývá problematikou získávání znalostí z multimediálních databází. Obsahuje obecný princip získávání znalostí z databází. Důraz je kladen na metody shlukové analýzy pro dolování dat v rozsáhlých a multidimenzionálních databázích. Dále tahle práce obsahuje úvod do multimediálních databází se zaměřením se na extrakci nízkourovňových vizuálních rysů z obrázkú a video dat. Praktickou částí práce je potom implementace metod BIRCH, DBSCAN a k-means určených pro shlukovou analýzu. Závěr je věnován experimentům nad datovou sadou TRECVid 2008 a popisu dosažených výsledků.
|
|
|
Vyhledávání fotografií v databázi podle příkladu
Dobrotka, Matúš ; Hradiš, Michal (oponent) ; Veľas, Martin (vedoucí práce)
Táto práce se zabývá vyhledáváním fotografií v databázi podle příkladu. Práce byla vytvo\-ře\-na s cílem vyvinout aplikaci, která bude porovnávat různé přístupy vyhledávání fotografií v databázi. Jedná se o základní přístup, který spočívá v detekci klíčových bodů, extrakci lokálních příznaků a tvorbě vizuálního slovníku algoritmem shlukování - k-means. Pomocí vizuálního slovníku je spočítán histogram četnosti výskytu vizuálních slov - Bag of Words (BoW), který reprezentuje fotografii jako celek. Po aplikování vhodné metriky dojde k vyhledání podobných fotografií. Druhý přístup představují hluboké konvoluční neuronové sítě (DCNN), které jsou využity k extrakci příznakových vektorů. Tyto vektory jsou použity na tvorbu vizuálního slovníku, který slouží opět k výpočtu BoW. Postup je pak podobný jako v prvním přístupu. Třetí přístup počítá s extrahovanými vektory z DCNN jako s BoW vektory. Následuje aplikace vhodné metriky a vyhledání podobných fotografií. V závěru práce jsou popsány použity přístupy, uvedeny experimenty a závěrečné vyhodnocení.
|
|
|
Klasifikační metody analýzy vrstvy nervových vláken na sítnici
Zapletal, Petr ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá klasifikací vrstvy nervových vláken na sínici. Pro klasifikaci jsou použita data získaná šesti různými metodami texturní analýzy. Každá metoda vypočítá ze vstupních obrazů vektor příznaků, který je pro danou skupinu charakteristický. Vlastní třídění je realizováno třemi algoritmy učení s učitelem a jedním algoritmem učení bez učitele. Jako první je otestován algoritmus Ho-Kashyap. Poté Bayessovský klasifikátor NDDF (Normal Density Discriminant Function) a pro třetí klasifikátor je použita metoda nejbližších sousedů (Nearest Neighbors) k-NN. Jako poslední je zde odzkoušen klasifikátor K-means, který pracuje na principu shlukové analýzy. Pro větší kompaktnost jsou použity tři metody výběru testovacích dat pro algoritmy učení s učitelem. Jsou to „Repeated random subsampling cross validation“, „K-fold cross validation“ a „Leave one out cross validation“. Všechny použité třídící algoritmy jsou nakonec porovnány podle výsledné chyby klasifikace.
|
|
|
Statistické vlastnosti mikrostruktury dopravního proudu
Apeltauer, Jiří ; Nagy,, Ivan (oponent) ; Kumpošt,, Petr (oponent) ; Holcner, Petr (vedoucí práce)
Současná teorie dopravního proudu předpokládá, že zde interagují pouze sousední vozidla. Toto východisko je legitimní, avšak vychází z možností vědy a techniky 50. let minulého století, které jsou v současnosti již překonány. Dnes je již zřejmé, že obecně probíhá interakce mezi vozidly na vzdálenosti větší (neboli mezi více vozidly), avšak zatím nebyl předložen postup, který by dokázal vzdálenost této interakce kvantifikovat. V této práci je předložena metoda, která s využitím nástrojů matematické statistiky a přesného měření časových odstupů jednotlivých vozidel umožňuje tyto interakční vzdálenost mezi více vozidly určit. Současně byla ověřena její platnost pro úzká hustotní pásma dopravního proudu. Podařilo se prokázat, že při vysokých hustotách dopravního proudu probíhá interakce minimálně mezi třemi po sobě jedoucími vozidly, u nižších hustot mezi čtyřmi až pěti vozidly. Výsledky práce mají dopad na vývoj nových mikroskopických modelů dopravního proudu a jejich verifikaci.
|
host ::
RSS.