|
|
Rekurentní neuronové sítě pro rozpoznávání řeči
Nováčik, Tomáš ; Karafiát, Martin (oponent) ; Veselý, Karel (vedoucí práce)
Tato diplomová práce se zabývá implementací rekurentních neuronových sítí v prostředí jazyka lua za pomocí knihovny torch. Řeší problematiku trénování rekurentních neuronových sítí a to jak z hlediska optimální trénovací strategie, tak z hlediska urychlení trénovacího procesu. Zkoumá zakomponování technik batch normalizace a dropout do architektur rekurentních neuronových sítí. Jednotlivé typy rekurentních sítí jsou následně porovnány na úkolu rozpoznávání řeči prostřednictvým datové sady AMI, kde slouží pro modelování akustického modelu, a dochází ke srovnání s klasickou dopřednou neuronovou sítí. Nejlepší výsledek je dosažen prostřednictvým rekurentní neuronové sítě BLSTM. Následně dojde k natrénování rekurentních neuronových sítí prostřednictvím objektivní funkce CTC na databázi TIMIT, kde nejlepšího výsledku opět dosáhne BLSTM.
|
|
|
Image Captioning with Recurrent Neural Networks
Kvita, Jakub ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
In this work I deal with automatic generation of image captions by using multiple types of neural networks. Thesis is based on the papers from MS COCO Captioning Challenge 2015 and character language models, popularized by A. Karpathy. Proposed model is combination of convolutional and recurrent neural network with encoder--decoder architecture. Vector representing encoded image is passed to language model as memory values of LSTM layers in the network. This work investigate, whether model with such simple architecture is able to generate captions and how good it is in comparison to other contemporary solutions. One of the results is that the proposed architecture is not sufficient for any image captioning task.
|
|
| |
|
|
Kulturní odkaz činu Jana Palacha v písni a básni a jeho didaktické zpracování
Dušková, Daniela ; Komberec, Filip (vedoucí práce) ; Neumann, Lukáš (oponent)
Práce se zabývá kulturním odkazem Jana Palacha v písňových a básnických textech 20. a 21. století. Autorka práce si klade za cíl představit využití těchto textů ve výuce, která se věnuje (historickým) tématům, jež vyvolávají intenzivní a často protichůdné emocionální reakce - zde demonstrativní sebevražda pro probuzení společnosti. V první části vykresluje stručný vhled do života Jana Palacha a událostí, které předcházely jeho činu, a popisuje samotné Palachovo sebeupálení jako manifestační akt. Do práce zařazuje také filozofický a teologický pohled na Palachovu oběť. Pro potřeby výukové lekce pisatelka interpretuje sesbírané texty, a přispívá tak k nepočetné odborné české literatuře, která se ztvárnění činu v písni a básni věnuje. Ve druhé části práce tyto texty následně využívá v návrhu výukové jednotky použitelné v hodinách dějepisu, českého jazyka, občanské výchovy či hudební výchovy. Společně s lekcí prezentuje další využití sesbíraného materiálu. V práci jsou představeny výsledky z pilotování výukové lekce v sedmém ročníku osmiletého gymnázia, včetně komentářů zúčastněných žáků. Práce je věnovaná uctění odkazu 55. výročí od upálení Jana Palacha. KLÍČOVÁ SLOVA Jan Palach, sebeupálení, báseň ve výuce, protestsong, pochodeň, normalizace, komunistický režim.
|
|
|
Vliv polohy hořáku při navařování rotačních součástí
Rychlý, Rostislav ; Hála, Michal (oponent) ; Kubíček, Jaroslav (vedoucí práce)
Tato bakalářská práce se zabývá vlivem polohy hořáku při navařování rotačních součástí. V teoretické části práce je popsána metoda svařování tavící se elektrodou v ochraně aktivního plynu. V experimentální části jsou vyhodnoceny vyhotovené návary v různých polohách hořáku a optimalizovány parametry svařování pro dosažení plochého návarového kovu bez výrazného promísení se základním materiálem.
|
|
|
Rekurentní neuronové sítě pro rozpoznávání řeči
Nováčik, Tomáš ; Karafiát, Martin (oponent) ; Veselý, Karel (vedoucí práce)
Tato diplomová práce se zabývá implementací rekurentních neuronových sítí v prostředí jazyka lua za pomocí knihovny torch. Řeší problematiku trénování rekurentních neuronových sítí a to jak z hlediska optimální trénovací strategie, tak z hlediska urychlení trénovacího procesu. Zkoumá zakomponování technik batch normalizace a dropout do architektur rekurentních neuronových sítí. Jednotlivé typy rekurentních sítí jsou následně porovnány na úkolu rozpoznávání řeči prostřednictvým datové sady AMI, kde slouží pro modelování akustického modelu, a dochází ke srovnání s klasickou dopřednou neuronovou sítí. Nejlepší výsledek je dosažen prostřednictvým rekurentní neuronové sítě BLSTM. Následně dojde k natrénování rekurentních neuronových sítí prostřednictvím objektivní funkce CTC na databázi TIMIT, kde nejlepšího výsledku opět dosáhne BLSTM.
|
|
|
Image Captioning with Recurrent Neural Networks
Kvita, Jakub ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
In this work I deal with automatic generation of image captions by using multiple types of neural networks. Thesis is based on the papers from MS COCO Captioning Challenge 2015 and character language models, popularized by A. Karpathy. Proposed model is combination of convolutional and recurrent neural network with encoder--decoder architecture. Vector representing encoded image is passed to language model as memory values of LSTM layers in the network. This work investigate, whether model with such simple architecture is able to generate captions and how good it is in comparison to other contemporary solutions. One of the results is that the proposed architecture is not sufficient for any image captioning task.
|
|
| |
|
|
Vliv polohy hořáku při navařování rotačních součástí
Rychlý, Rostislav ; Hála, Michal (oponent) ; Kubíček, Jaroslav (vedoucí práce)
Tato bakalářská práce se zabývá vlivem polohy hořáku při navařování rotačních součástí. V teoretické části práce je popsána metoda svařování tavící se elektrodou v ochraně aktivního plynu. V experimentální části jsou vyhodnoceny vyhotovené návary v různých polohách hořáku a optimalizovány parametry svařování pro dosažení plochého návarového kovu bez výrazného promísení se základním materiálem.
|
host ::
RSS.