|
|
Použití rozšířené reality při tréninku a provádění údržby letadel
Košík, Michal ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabíva rozšířenou realitou a jejím použitím při vykonávání údžby letadel. Její součastí je take rozsáhle studium problemaky rozšířene reality, leteckých servisních procedur a předchádzejících pokusů o jejich spojení. Dále bylo v rámci teto práce natočených několik servisních procedur a vytvořena aplikace, která byla na nich otestováná. Výsledky těchto testů spolu s návrhem dalších vylepšení je možné najít prímo v práci.
|
|
|
Akcelerace neuronových sítí s využitím GPU
Šimíček, Ondřej ; Jaroš, Jiří (oponent) ; Petrlík, Jiří (vedoucí práce)
Tato práce se zabývá využitím grafických čipů pro akceleraci neuronových sítí s učením typu backpropagation. Pro řešení tohoto problému byla zvolena technologie OpenCL umožňující využít grafické čipy různých výrobců. Hlavním cílem práce byla akcelerace časově náročného procesu učení sítí a procesu klasifikace. Zrychlení bylo docíleno trénováním velkého množství neuronových sítí současně. Získané zrychlení bylo využito pro nalezení vhodné topologie a nastavení neuronové sítě pro zadanou úlohu pomocí genetického algoritmu.
|
|
|
End-to-End Speech Recognition for Low-Resource Languages
Sokolovskii, Vladislav ; Schwarz, Petr (oponent) ; Karafiát, Martin (vedoucí práce)
The automatic speech recognition area has started to adopt end-to-end neural network solutions for creating speech recognizers. However, the data hunger nature of these types of systems allows for the creation of recognizers only for high-resource languages, such as English, Chinese or Spanish. In low-resource scenarios, some solutions which alleviate the data scarcity problem have to be developed. One of the most effective techniques for this is fine-tuning a pre-trained model. The problem with the existing approaches of fine-tuning is that the token set of target and source languages does usually differ. That is why previous multi-lingual transfer learning approaches required the output layer to be changed, or mixed tokens from different languages in the output layer, or use universal token sets, or have separate output layers per language. This is undesirable because the sharing across languages in this case latent and not controllable in the output space when the language-specific graphemes are disjoint. Therefore this work proposes to map the tokens to the common set before the beginning of the pre-training. The existing solution was a transliteration of the source language to the target one, the novel approach is romanization where the token set of the target language is romanized to match the English alphabet. Subsequently, the diacritics from the romanized hypotheses can be restored using an additional restoration model. This has the advantage of increasing sharing in the output grapheme space.
|
|
|
Vyhodnocení úspěšnosti detekce objektů v obraze
Černošek, Bedřich ; Behúň, Kamil (oponent) ; Zemčík, Pavel (vedoucí práce)
Cílem této bakalářské práce bylo navrhnout způsob vyhodnocení úspěšnosti detekce objektů v obraze. Výsledkem této práce bylo vytvořit program, který na vhodném příkladu provede vyhodnocení úspěšnosti detekce objektů a intuitivně zobrazí výsledek uživateli. Úkolem bylo navrhnout vhodné experimenty a datový set pro ověření správnosti vyhodnocení. Součástí práce bylo nalézt optimální parametry detektoru pro detekci obličejů a optimální předzpracování fotografie před detekcí obličejů.
|
|
| |
|
|
Meření podobnosti obrazů s pomocí hlubokého učení
Štarha, Dominik ; Šeda, Pavel (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato diplomová práce se zabývá výzkumem technologií, využívajících metod hlubokého učení, využitelných při zpracovávání obrazových dat. Konkrétním zaměřením práce je zhodnotit vhodnost a efektivnost hlubokého učení při porovnávání dvou vstupních obrazových dat. První – teoretická – část zahrnuje úvod do problematiky neuronových sítí a hlubokého učení. Obsahuje popis dostupných možností a jejich výhody a principy, vhodné při zpracování obrazových dat. Druhá – praktická – část práce obsahuje návrh vhodného modelu siamských sítí pro řešení problému problematiky porovnávání dvou vstupních obrazů a vyhodnocení jejich podobnosti. Výstupem je zhodnocení několika možných konfigurací modelu a vyzdvihnutí parametrů modelu s nejlepšími výsledky.
|
|
|
Paralelní trénování hlubokých neuronových sítí
Šlampa, Ondřej ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je navrhnou způsob jak zhodnotit výhodnost použití paralelního trénování neuronových sítí. V této práci jsem provedl analýzu paralelního trénování se zaměřením na délku trénování. Vycházím ze sekvenční délky trénování a délky přenosu vah po síti. Výsledkem této práce je návrh vzorců, které slouží k odhadu zrychlení na více výpočetních jednotkách. Tyto vzorce je možné použít na zjištění ideálního počtu pracovních jednotek pro trénování.
|
|
| |
|
|
Používání metodických materiálů volejbalovými trenéry kategorie U14
Pták, Vojtěch ; Vorálek, Rostislav (vedoucí práce) ; Petružela, Jan (oponent)
Název: Používání metodických materiálů volejbalovými trenéry kategorie U14 Cíle: Hlavním cílem této práce bylo zjistit, zda trenéři volejbalové kategorie U14 používají metodické materiály, jaké metodické materiály používají, které metodické materiály preferují a odkud tyto materiály získávají. Jaký mají pohled na metodické materiály připravované Českým volejbalovým svazem a jaké metodické materiály jim chybí. Metody: Použili jsme metodu společenského průzkumu, kdy jsme data získávali formou online dotazníku. Dotazník jsme rozeslali e-mailem 190 kontaktním osobám kategorie U14, které byly uvedeny na stránkách Českého volejbalového svazu. V e-mailu bylo jasně řečeno, že je určen pouze pro trenéry kategorie U14. Online dotazník obsahoval 24 otázek a vyplnilo ho 105 trenérů. Výsledky: Nejpreferovanější platformou k získávání informací byla platforma YouTube. 51 % trenérů se nejraději vzdělává kombinací psaného textu a videa a 43 % preferuje pouze video. Pouze 25 % trenérů dokáže najít rychle a bez problémů metodické materiály, které zrovna hledají. V sekci vzdělávání se na stránkách ČVS vyzná pouze 30 % trenérů. Pouze 1/3 trenérů se účastní formální formy vzdělávání pořádanou ČVS. Klíčová slova: metodika, trénování, trenér, vzdělávání, volejbal, metodické materiály
|
|
|
Bilingual Dictionary Based Neural Machine Translation
Tikhonov, Maksim ; Beneš, Karel (oponent) ; Kesiraju, Santosh (vedoucí práce)
The development in the recent few years in the field of machine translation showed us that modern neural machine translation systems are capable of providing results of outstanding quality. However, in order to obtain such a system, one requires an abundant amount of parallel training data, which is not available for most languages. One of the ways to improve the quality of machine translation of low-resource languages is data augmentation. This work investigates the task of Bilingual dictionary-based neural machine translation (BDBNMT), the basis of which is the use of the augmentation technique that allows the generation of noised data based on bilingual dictionaries. My aim was to explore the capabilities of BDBNMT systems on different language pairs and under different initial conditions and then compare the obtained results with those of traditional neural machine translation systems.
|
host ::
RSS.