|
| |
|
|
Klasifikace emailové komunikace
Piják, Marek ; Herout, Adam (oponent) ; Szőke, Igor (vedoucí práce)
Tato diplomová práce se zabývá vytvořením klasifikátoru, který bude schopen rozpoznat emailovou zprávu společnosti Topefekt.s.r.o a zařadit ji do korespondující klasifikační třídy. Tento projekt bude využívat řadu nejpoužívanějších klasifikačních metod včetně strojového učení. Jako součást této práce bude i ohodnocení úspěšnosti jednotlivých metod.
|
|
|
Využití algoritmů strojového učení pro konstrukci hlídacích obvodů
Lelkes, Olivér ; Mičulka, Lukáš (oponent) ; Kaštil, Jan (vedoucí práce)
Tato bakalářská práce se zabývá využitím algoritmů strojového učení pro konstrukci hlídacích obvodů. Práce obsahuje detailní popis jednotlivých algoritmů strojového učení, které byly vybrány pro splnění cíle bakalářské práce. V textu práce je uvedeno seznámení jak s teoretickými vlastnostmi, tak i s konkrétním využitím dotyčných algoritmů ve formě klasifikátorů. Klasifikátory mohou pracovat s různými nastaveními, které ovlivňují přesnost učení a následné klasifikace. V experimentální části práce je poukázáno na rozdíly mezi jednotlivými klasifikátory a jejich nastavením. Experimenty byly prováděny na různých obvodech, mimo jiné na řídících jednotkách robota, vyvíjených na Ústavu počítačových systémů Fakulty informačních technologií VUT v Brně.
|
|
|
Využití umělé inteligence v technické diagnostice
Konečný, Antonín ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce je zaměřena na využití metod umělé inteligence pro vyhodnocení poruchového stavu strojního zařízení. Vyhodnocovaná data jsou z vibrodiagnostického modelu pro simulaci statické a dynamické nevývahy. Aplikovány jsou metody strojového učení, konkrétně učení s učitelem. V práci je popsáno softwarové prostředí Spyder, jeho alternativy, a programovací jazyk Python, ve kterém jsou skripty napsány. Obsahuje přehled s popisem použitých knihoven Scikit-learn, SciPy, Pandas ...) a metod, kterými jsou klasifikace metodou nejbližšího souseda (KNN), metoda podpůrných vektorů (SVM), rozhodovací stromy (DT) a klasifikace metodou náhodného lesa (RF). Výsledky úspěšnosti klasifikace jsou vizualizovány ve výsledné klasifikační matici pro každou metodu. Součástí přílohy jsou napsané skripty pro zpracování a výpočet prediktorů, hledání nejvhodnějších parametrů modelu, hodnocení úspěšnosti učení a klasifikace s vizualizací výsledku.
|
|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
|
Použití umělých neuronových sítí pro klasifikaci srdečních cyklů
Doležalová, Radka ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá využitím neuronových sítí při klasifikaci EKG. Nejdříve je problematika EKG a neuronových sítí rozebrána teoreticky, v další části je popsáno využití Neural Network Toolboxu pro samotnou tvorbu sítě a vytvoření grafického uživatelského rozhraní v prostředí Matlab. Na učení i testování jsou zde použita EKG data získána při experimentu na králičích izolovaných srdcích, konkrétně jednotlivé cykly (QRST segmenty) z ortogonálního svodu X ze sedmi fází experimentu. Výsledkem práce je GUI, které umožňuje nastavení různých parametrů a struktury neuronové sítě, která je schopná po naučení klasifikovat srdeční cykly podle jejich morfologie do sedmi skupin.
|
|
|
Učení založené na instancích
Martikán, Miroslav ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
Tato práce je zaměřena na algoritmy učení založeného na instancích. Hlavním cílem je vytvoření výukové aplikace. V práci jsou teoreticky popsány algoritmy učení založeného na instancích (IBL), metoda nejbližšího souseda a kd-stromy. Praktická část je věnovaná tvorbě aplikace pro výuku. Aplikace umožňuje generování množin dat, jejich klasifikaci metodou nejbližšího souseda a testování algoritmů IB1, IB2 a IB3.
|
|
|
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.
|
|
|
Intelligent Manager of Fantasy Premier League Game
Vasilišin, Maroš ; Burgetová, Ivana (oponent) ; Hynek, Jiří (vedoucí práce)
Fantasy Premier League online game gives millions of players around the world the chance to become a manager of their club for a while. The results and scores in the game depend on correctly predicting how players will behave in real football matches. If the user had software for predicting and analyzing players' future performance, it would help with making decisions and the outcome of the game could significantly improve. This master's thesis deals with the design and implementation of a prediction model that uses neural networks for time series prediction throughout the game season. Various methods were used to process player and club data for the last 4 seasons. The results are presented in the form of a web application where users can use the created model on their teams. Performance and accuracy of prediction methods were tested on the data from the last season of the Premier League and algorithm predictions were in most of the cases close to reality. If the user used the prediction model's advice 100% in the game, he would score more points than a regular player who does not use any prediction model.
|
|
|
Online systém pro vizuální geo-lokalizaci v přírodním prostředí
Pospíšil, Miroslav ; Čadík, Martin (oponent) ; Brejcha, Jan (vedoucí práce)
Cílem této diplomové práce je vytvořit online systém, který bude fungovat jako demonstrační aplikace pro prezentaci výsledků vizuální geo-lokalizace v přírodním a horském prostředí. Systém nabídne uživateli možnost vybrat si jednu z předdefinovaných fotografií nebo nahrát vlastní fotografii výběrem souboru nebo zadáním URL adresy. Systém bude hledat pozici kamery daného obrázku na základě vizuální geo-lokalizace. Geo-lokalizace využívá horizontu hor jako klíčovou charakteristiku pro vyhledávání podobných horizontů. Křivka horizontu je extrahována z fotografie plně automatickým algoritmem, založeným na strojovém učení s učitelem a dynamickém programování. Vizuální geo-lokalizace probíhá na serveru, který využívá nový inverzní index s cachovací politikou umožňující další škálování systému. Server zpracuje detekovanou křivku horizontu a vrátí nejlepší kandidáty na výsledky, které jsou pak vizualizovány uživateli formou klasické mapy, detailního satelitního pohledu a vykreslení nalezeného panoramatu.
|
host ::
RSS.