|
|
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.
|
|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
|
| |
|
|
Criminality Analysis in the Czech Republic using Self-Organizing Maps
Mikulíková, Pavla ; Cahlík, Tomáš (vedoucí práce) ; Palanská, Tereza (oponent)
Kriminalita je jeden z nepolevujı́cı́ch společenských problémůna celém světě. K pochopenı́ důvodůke kriminálnı́mu jednánı́je potřeba důkladná analýza jeho možných klı́čových fak- torů. Tato bakalářská práce si klade za cı́l zjistit, zda metoda samoorganizujı́cı́ch se map může pomoci ve vyšetřovánı́ české zločinnosti. Žádná akademická práce se doposud nepo- kusila odhalit možné vzorce v české zločinnosti s použitı́m tohoto druhu umělé neuronové sı́tě. Samoorganizujı́cı́ se mapy představujı́ vizualizačnı́ metodu, která mapuje pozorovánı́ na základě jejich mnohadimenzionálnı́ch znaků do dvoudimenzionálnı́ mřı́žky a zároveň umist'uje podobná pozorovánı́ blı́zko sebe. K analýze byl použit dataset skládajı́cı́ se ze 75 okresů s 18 proměnnými. Vhodná volba parametrů modelu se nicméně ukázala jako určitý problém této metody. Výsledkem modelu je šest skupin okresů, které vykazujı́různé úrovně kriminality a jiných charakteristik. Naše výsledky prokázaly, že samoorganizujı́cı́ se mapy mohou poskytnout zajı́mavý vhled do kriminálnı́ tematiky a společenské vědy mohou profitovat z jejich použitı́ v mnoha oblastech výzkumu. 1
|
|
|
Knihovna neuronových sítí s editorem
Rouček, Martin ; Ježek, Pavel (vedoucí práce) ; Pešková, Klára (oponent)
Modely neuronových sítí se častěji s přibývající rychlostí počítačů využívají v desktopových aplikacích. Velmi rozšířenou platformou pro psaní desktopových aplikací je .NET Framework, ale i přesto neexistuje pro platformu .NET Framework knihovna neuronových sítí, která by měla jednoduché API a možnost pracovat s objekty knihovny v grafickém prostředí. Autor si dal za cíl takovou knihovnu vytvořit. Hlavní částí práce je knihovna neuronových sítí GNNL, která se prozatím omezuje na implementaci dvou často používaných modelů neuronových sítí, a to vícevrstvého perceptronu a samoorganizující se mapy spolu s jejich učícími algoritmy zpětného šíření chyby a kompetitivního učení. Grafická podpora knihovny GNNL je tvořena knihovnou GNNLV a editorem neuronových sítí. Knihovna GNNLV obsahuje ovládací prvky, které umožňují pracovat s objekty knihovny GNNL a programátor je může použít ve své vlastní aplikaci. Editor neuronových sítí umožňuje v grafickém prostředí neuronovou síť vytvořit, vycvičit, analyzovat, uložit a následně využít v jiné aplikaci. Text práce se věnuje analýze a popisu implementace knihovny i s její grafickou podporou. Součástí práce je i souhrn teorie neuronových sítí určený pro laiky nebo programátory používající knihovnu GNNL. Práce s knihovnou je předvedena na několika příkladech. Powered by TCPDF...
|
|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
|
|
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.
|
|
| |
host ::
RSS.