|
|
Vícevrstvá neuronová síť
Kačer, Petr ; Klusáček, Jan (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce popisuje základy problematiky vícevrstvých neuronových sítí a vysvětluje princip fungování algoritmu backpropagation. Další část práce se zabývá vývojem programu pro učení a testování vícevrstvých neuronových sítí a popisem jeho grafického uživatelského rozhraní a principu ovládání. Poslední část práce je věnována výukovým příkladům a praktickým ukázkám využití vícevrstvé neuronové sítě.
|
|
|
Inteligentní bojové jednotky
Kužela, Martin ; Janeček, Petr (oponent) ; Drahanský, Martin (vedoucí práce)
Výcvik vojenských jednotek v terénu je spojen s velkými náklady, ať už se jedná o finance, materiální nebo lidské zdroje. Proto se čím dál tím více klade důraz na výcvik bojových jednotek prostřednictvím simulátoru. Pro řádný výcvik je pak potřeba, aby se inteligence simulovaných jednotek co nejvíce podobala inteligenci lidské, aby mohla úspěšně nahradit lidského protivníka. Tato práce se zabývá návrhem postupu realizace inteligentního chování bojové jednotky, který bude aplikovatelný na prostředí simulátoru firmy E-COM s.r.o. Je zde obecně popsána problematika inteligentních agentů a způsobu dosažení jejich racionálního chování a autonomie. V této práci je také popsán a rozebrán návrh realizace inteligentní jednotky a její komunikace s okolním prostředím. Dále se zabývá základní implementací vytvořeného návrhu a nad ní provedenými experimenty.
|
|
|
Rozpoznání jednotlivých písmen ve zvukovém záznamu s využitím SOM
Malásek, Jan ; Honzík, Petr (oponent) ; Honzík, Petr (oponent) ; Pohl, Jan (vedoucí práce)
Bakalářská práce popisuje historické pozadí vývoje neuronových sítí a jejich použití při procesu rozpoznání řeči a uvádí do problematiky práce a učení neuronových sítí. Představuje tři vybrané systémy pro rozpoznání řečového signálu včetně vyhodnocení jejich úspěšnosti v experimentech, výhod a nevýhod. Zabývá se charakteristikou lidské řeči a systémy na její rozpoznávání. Nabízí pohled na spektra signálů různých typů hlásek a dává návod k programování neuronových sítí v prostředí MATLAB.
|
|
|
Rozpoznávání číslic pomocí neuronové sítě
Doupovec, Zdeněk ; Juránek, Roman (oponent) ; Šilhavá, Jana (vedoucí práce)
Tato práce popisuje základními pojmy a principy v oboru neuronových sítí. Blíže se pak věnuje problematice vícevrstvých perceptronových sítí, konkrétně metodě back-propagation. Jsou zde rozebrány výhody a nevýhody zmíněné metody, návrh možného systému rozpoznávání číslic pomocí back-propagation. Cílem je získat konkrétní výsledky z programu schopného rozpoznávat čísla.
|
|
|
Algoritmy pro umělou inteligenci
Petrželka, Jan ; Hrubý, Martin (oponent) ; Janoušek, Vladimír (vedoucí práce)
Tato diplomová práce se zabývá algoritmy používanými v oblasti umělé inteligence, konkrétně se jedná o algoritmy popsané v knize Artificial Inteligence: A Modern Approach autorů Russela a Norviga a jejich implementaci v jazyce Squeak Smalltalk. Je kladen důraz na objektově orientovaný přístup, který vyplývá z podstaty jazyka Smalltalk. Zdrojem jsou kromě popisů algoritmů v pseudokódu přímo v knize také existující implementace v jazycích Lisp, Python a Java. Tato práce se věnuje algoritmům pro práci s inteligentními agenty a prostředími pro simulaci těchto agentů, prohledávání stavového prostoru, hraní her, plánování, logice, pravděpodobnosti a učení.
|
|
|
Profesionální image
Horáčková, Lenka ; Kilinger, Miroslav (oponent) ; Pokorný, Jiří (vedoucí práce)
Bakalářská práce pojednává o utváření a problémech profesionální image jednotlivce a firmy, která souvisí s prosperitou podniku a profesním růstem jednotlivce. Obsahuje návody, postupy a potřebné informace k jejímu utvoření a tím ke zvýšení prosperity firmy a lepšímu profesnímu i osobnímu růstu jednotlivce.
|
|
|
Implementace algoritmu SVM v FPGA
Krontorád, Jan ; Šimek, Václav (oponent) ; Fučík, Otto (vedoucí práce)
Tato diplomová práce se zabývá algoritmy pro trénování klasifikátoru SVM a jejich realizací v hradlovém poli FPGA. Jsou zde uvedeny základní informace o klasifikátoru, jeho trénování a uvedeny dva trénovací algoritmy. Oblíbený algoritmus SMO a algoritmus vhodný pro realizaci trénování v hardwaru.
|
|
|
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.
|
|
| |
|
|
Grafický výukový systém
Farbiak, Peter ; Seeman, Michal (oponent) ; Štancl, Vít (vedoucí práce)
Cílem teoretické části této bakalářské práce je uvést čtenáře do základů psychologie učení, principů programování a algorimtizace, tvoření a stavby grafického užívatelského rozhraní. Praktická část se zaměřuje na vytvoření programu, který pomocí přidávání grafických objektů demonstruje principy základních algoritmických struktur.
|
host ::
RSS.