|
|
Hraní her pomocí neuronových sítí
Buchal, Petr ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je naučit neuronovou síť pohybu v prostředích s klasickou kontrolou řízení, hraní tahové hry 2048 a několika Atari her. Jedná se o oblast zpětnovazebního učení. Jako zpětnovazební algoritmus využívající neuronové sítě jsem použil Hluboké Q-učení. Ten jsem pro zvýšení efektivity učení obohatil o několik vylepšení. Mezi vylepšení patří přidání cílové sítě, DDQN, duální architektura neuronové sítě a prioritní vzpomínková paměť. Experimenty s klasickou kontrolou řízení zjistily, že nejvíce zvedá efektivitu učení přidání cílové sítě. V prostředích her dosáhlo Hluboké Q-učení několikanásobně lepších výsledků než náhodný hráč. Výsledky a jejich analýza mohou být využity ke vhledu do problematiky zpětnovazebních algoritmů využívajících neuronové sítě a zdokonalení použitých postupů.
|
|
|
Assessment of Parkinson’s Disease Based on Acoustic Analysis of Hypokinetic Dysarthria
Galáž, Zoltán ; Brezany, Peter (oponent) ; Sklenář, Jaroslav (oponent) ; Mekyska, Jiří (vedoucí práce)
Hypokinetic dysarthria (HD) is a speech disorder occurring in up to 90% of patients suffering from idiopathic Parkinson’s disease (PD) that significantly contributes to unnaturalness and incomprehensibility of speech of these patients. The main aim of this doctoral thesis is to investigate possibilities of using quantitative para-clinical analysis of HD, employing speech parametrization, statistical analyses, and machine learning techniques, for diagnosis and remote objective assessment of PD. This thesis demonstrates that it is possible to use computerized acoustic analysis to sufficiently describe HD, especially dysprosody, which is characterized by flat speech melody and unnatural speech rate. Moreover, it demonstrates it is also possible to use robust clinically interpretable acoustic parameters quantifying various manifestations of HD, such as phonation, articulation, and prosody, to assess the severity of motor and non-motor symptoms of PD. Next, it presents the investigation of pathophysiological mechanisms shared by HD and freezing of gait in PD. And finally, it proves it is also possible to accurately estimate the change in gait-related deficits in the horizon of two years using acoustic analysis at the baseline.
|
|
|
Automatické obchodování kryptoměn
Vorobiev, Nikolaj ; Hrubý, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se zabývá obchodováním na kryptoměnovém trhu. V teoretické části práce jsou popsány principy obchodování, technické analýzy, obchodních systémů a neuronových sítí. Po provedené rešerši brokerů společnost Binance je zvolena v roli zprostředkovatele obchodování a poskytovatele "real-time" dat; společnost CryptoDataDownload je zvolena v roli poskytovatele historických dat. Po seznámení se s použitými technologiemi, jsou navrženy prvky informačních obchodních systémů, umožňující komunikaci se vzdálenými servery a mezi sebou, za účelem obchodování, získávání a souběžného zpracovávání uživatelských, historických nebo "real-time" dat. Výsledné systémy mají poskytnout uživateli možnost manuálně, poloautomaticky (podle předem daného plánu) nebo automaticky (na základě rozhodnutí rekurentní neuronové sítě, naučené na historických datech) obchodovat a reagovat na změnu tendencí na trhu. Dále se práce přesouvá do praktické roviny, obsahující implementaci a experimenty nad vytvořenými systémy. V závěrečné části práce jsou zhodnoceny výsledky a jsou popsány možnosti vylepšení a rozšíření.
|
|
|
Automatická detekce zlomení nástroje při děrování plechů
Kluz, Jan ; Rajchl, Matej (oponent) ; Brablc, Martin (vedoucí práce)
Tato bakalářská práce se zabývá návrhem a následnou implementací systému automatické detekce zlomení razníku při procesu děrování plechů razníkem o malých rozměrech (0.5 x 12 mm). Navrhovaný systém má význam pro výrazné ulehčení práce operátora, zrychlení procesu výroby a rovněž šetření finančních prostředků firmy. V první části práce je předvedena řešena problematika. Následuje stručný teoretický úvod do oblasti digitálního zpracování signálu. V další části jsou prezentovány metody vyvinuté za účelem detekce signálu zlomení včetně pomocných algoritmů. Jedná se o metodu frekvenčních špiček, frekvenčních pásem, autokorelace, metody frekvenční korelace, klasifikaci strojovým učením včetně hlubokého strojového učení. Z použitých metod dosáhla nejlepších výsledků metoda hlubokého strojového učení neuronové sítě. Pro účely navržení klasifikačního systému byly použity charakteristiky z časové a frekvenční oblasti. Je popsána rovněž možnost prediktivní údržby nástroje včetně rešerše této oblasti v moderním průmyslu. Prezentovány jsou pak dosažené výsledky a jejich stručné zhodnocení. V poslední části se nachází popis procesu implementace celého systému do realtime podoby a jeho propojení s děrovacím lisem pomocí mikrokontroléru Arduino Uno a vytvořeného vstupně-výstupního signálového obvodu. Navrhovaný systém se povedlo sestavit, otestovat a uvést do zkušebního provozu.
|
|
|
Multi-label klasifikace textových dokumentů
Průša, Petr ; Očenášek, Pavel (oponent) ; Bartík, Vladimír (vedoucí práce)
Diplomová práce se zabývá automatickou klasifikací textových dokumentů. Jsou zde vysvětleny základní pojmy a problémy dolování z textu. Práce vysvětluje pojem shlukování a ukazuje několik základních algoritmů shlukování. Je zde ukázáno i několik metod klasifikace a podrobně je rozebrána vybraná metoda matrix regression. Dále byla navrhnuta a implementována aplikace používající ke klasifikaci matrix regression. Provedené experimenty byly zaměřeny na normalizaci a prahování.
|
|
|
Aplikace posilovaného učení při řízení modelu vozidla
Maslowski, Petr ; Uhlíř, Václav (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá vytvořením autonomního agenta pro řízení modelu vozidla. Rozhodování agenta je řízeno pomocí posilovaného učení (reinforcement learning) s využitím neuronových sítí. Agent získává snímky z přední kamery vozidla a na základě jejich interpretace vybírá vhodné akce pro řízení vozidla. V rámci práce jsem navrhl několik funkcí odměn a s vytvořenými modely jsem experimentoval úpravou hyperparametrů. Výsledný agent pak simuluje řízení vozidla na silnici. Výsledek této práce ukazuje možný přístup k ovládání autonomního vozidla, které se učí řídit metodou strojového učení v simulátoru CARLA.
|
|
| |
|
|
Steal me your €motion
Rygálová, Monika ; Országhová, MA Kristína (oponent) ; Sterec, Pavel (vedoucí práce)
Text pojednává o způsobech a metodách tvoření mé diplomové práce s názvem Steal me your €motion. Diplomová práci se zabývá vztahem strojového učení a emocionality. Do jaké míry je umělá inteligence schopná absolvovat emocionální vztahy a prožitky definované fyzikalitou a zkušeností lidského těla. Námětem práce je vytváření (fiktivní) nelidské entity, která se touží naučit od lidí co nejvíce tělesných úkonů, které ji pomůžou se infiltrovat do lidského společenství. Kromě reflexe současného stupně vědeckého poznání vnáším prvek fikce a fabulace.
|
|
|
Řízení entit ve strategické hře založené na multiagentních systémech
Knapek, Petr ; Kočí, Radek (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na návrh a implementaci systému podpory učení a plánování agentů schopných hry real-time strategických her typu StarCraft. Budou vysvětleny problémy ovládání herních objektů a protivníků počítačem a představeny obvykle používané způsoby řešení. Na základě analýzy je navržen a implementován nový systém využívající multiagentního přístupu k ovládání hry a metod strojového učení, který je schopný porážet protivníky a přizpůsobovat se novým výzvám.
|
|
|
Bioinformatic Tool for Classification of Bacteria into Taxonomic Categories Based on the Sequence of 16S rRNA Gene
Valešová, Nikola ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
This thesis deals with the problem of automated classification and recognition of bacteria after obtaining their DNA by the sequencing process. In the scope of this work, a new classification method based on the 16S rRNA gene segment is designed and described. The presented principle is constructed according to the tree structure of taxonomic categories and uses well-known machine learning algorithms to classify bacteria into one of the classes at the lower taxonomic level. A part of this thesis is also dedicated to the implementation of the described algorithm and evaluation of its prediction accuracy. The performance of various classifier types and their settings is examined and the setting with the best accuracy is determined. The accuracy of the implemented algorithm is also compared to several existing methods. During validation, the implemented KTC application reached more than 45 % accuracy on genus prediction on both BLAST 16S and BLAST V4 datasets. At the end of the thesis, there are mentioned several possibilities to improve and extend the current implementation of the algorithm.
|
host ::
RSS.