Hledat
Zobrazují se záznamy 1-4 z 4
Semi-supervised deep learning in sequence labeling
Semisupervizované hluboké učení v označování sekvencí
Diplomová práce (OBHÁJENO)
Vedoucí práce: Šabata, Tomáš
Datum publikování: 2019
Datum obhajoby: 16. 09. 2019
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: 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 ...
Klasifikace 3D objektů pomocí neuronových sítí
3D object classification using neural networks
Diplomová práce (OBHÁJENO)
Vedoucí práce: Křivánek, Jaroslav
Datum publikování: 2019
Datum obhajoby: 10. 06. 2019
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: Klasifikace 3D objektů pomocí neuronových sítí Bc. Miroslav Krabec Klasifikace 3D objektů se setkává s velkým zájmem v oblasti umělé in- teligence. Existuje mnoho různých přístupů využívajících umělé neuronové sítě k řešení ...
3D Object Classification Using Neural Networks Bc. Miroslav Krabec Classification of 3D objects is of great interest in the field of artificial intelligence. There are numerous approaches using artificial neural networks ...
3D Object Classification Using Neural Networks Bc. Miroslav Krabec Classification of 3D objects is of great interest in the field of artificial intelligence. There are numerous approaches using artificial neural networks ...
Online training of deep neural networks for classification
Online trénování hlubokých neuronových sítí pro klasifikaci
Diplomová práce (OBHÁJENO)
Vedoucí práce: Holeňa, Martin
Datum publikování: 2019
Datum obhajoby: 16. 09. 2019
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: Deep learning is usually applied to static datasets. If used for classification based on data streams, it is not easy to take into account a non-stationarity. This thesis presents work in progress on a new method for online ...
Hluboké učení je obvykle používáno se statickými datasety. Když je ale použito pro klasifikaci dat z datového toku, není jednoduché vzít v úvahu nestacionárnost. Tato diplomová práce prezentuje práci na nové metodě online ...
Hluboké učení je obvykle používáno se statickými datasety. Když je ale použito pro klasifikaci dat z datového toku, není jednoduché vzít v úvahu nestacionárnost. Tato diplomová práce prezentuje práci na nové metodě online ...
Echo state siete a ich využitie na predpovedanie časových radov
Echo state networks and their application in time series prediction
Echo state sítě a jejich využití na předpovídání časových řad
Bakalářská práce (OBHÁJENO)
Vedoucí práce: Mráz, František
Datum publikování: 2019
Datum obhajoby: 14. 02. 2019
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: Recurrent neural networks (RNN) enable to model dynamical sys- tems with variable input length. Their disadvantage is in inherently difficult trai- ning which means adjusting weights of connections between neurons connected ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...
Rekurentné neurónové siete (RNN) umožňujú modelovať dynamické systémy s premenlivou dĺžkou vstupu. Ich nevýhoda je v náročnom učení, teda ťažkom nastavovaní váh neurónov, ktoré sú v sieti spojené. Echo state siete (ESN) ...