Search
Now showing items 1-4 of 4
Adversarial examples generation for deep neural networks
Generování adversariáních vzorů pro hluboké neuronové sítě
bachelor thesis (DEFENDED)
Advisor: Neruda, Roman
Date Issued: 2018
Date of defense: 06. 09. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Machine learning models exhibit vulnerability to adversarial examples i.e., artificially created inputs that become misinterpreted. The goal of this work is to explore black-box adversarial attacks on deep networks performing ...
Modely strojového učení vykazují náchylnost k útokům za použití adversariálních vzorů, tedy uměle připravených vstupů s cílem zmást model. Předpokládaná práce si dává za cíl prozkoumat metody generování těchto vzorů v ...
Modely strojového učení vykazují náchylnost k útokům za použití adversariálních vzorů, tedy uměle připravených vstupů s cílem zmást model. Předpokládaná práce si dává za cíl prozkoumat metody generování těchto vzorů v ...
Controlled Music Generation with Deep Learning
Ovladatelné generování hudby pomocí hlubokého učení
diploma thesis (DEFENDED)
Advisor: Hajič, Jan
Date Issued: 2020
Date of defense: 03. 02. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Generation of musical compositions is one of the hardest tasks for artificial intelligence where most of the current approaches struggle with long term coherence of the generated compositions. This work aims to demonstrate ...
Generování hudby je jedna z nejtežších úloh pro umělou inteligenci. Přístupy založené na strojovém učení již dokázaly přesvědčivě napodobovat skladatelskou práci na kratších hudebních úsecích, nicméně většina současných ...
Generování hudby je jedna z nejtežších úloh pro umělou inteligenci. Přístupy založené na strojovém učení již dokázaly přesvědčivě napodobovat skladatelskou práci na kratších hudebních úsecích, nicméně většina současných ...
Semi-supervised deep learning in sequence labeling
Semisupervizované hluboké učení v označování sekvencí
diploma thesis (DEFENDED)
Advisor: Šabata, Tomáš
Date Issued: 2019
Date of defense: 16. 09. 2019
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Označování sekvencí ve strojovém učení je typ problému, který zahrnuje při- řazování označení jednotlivým členům sekvence. Pro tento typ problému dosáhlo hluboké učení dobrého výkonu. Jedna z nevýhod tohoto přístupu je ...
Sequence labeling is a type of machine learning problem that involves as- signing a label to each sequence member. Deep learning has shown good per- formance for this problem. However, one disadvantage of this approach is ...
Sequence labeling is a type of machine learning problem that involves as- signing a label to each sequence member. Deep learning has shown good per- formance for this problem. However, one disadvantage of this approach is ...
Active learning for Bayesian neural networks in image classification
Aktivní učení Bayesovských neuronových sítí pro klasifikaci obrazu
diploma thesis (DEFENDED)
Advisor: Šabata, Tomáš
Date Issued: 2020
Date of defense: 14. 09. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: V posledných rokoch dosahujú zložité neurónové siete špičkové výsledky v klasifikácií obrazu. Trénovanie takýchto modelov však vyžaduje veľké množstvo označkovaných dát. Kým neoznačkované obrázky sú často dostupné vo ve ...
In the past few years, complex neural networks have achieved state of the art results in image classification. However, training these models requires large amounts of labelled data. Whereas unlabelled images are often ...
In the past few years, complex neural networks have achieved state of the art results in image classification. However, training these models requires large amounts of labelled data. Whereas unlabelled images are often ...