Search
Now showing items 1-10 of 14
Maximizing Computational Power by Neuroevolution
Maximalizace výpočetní síly neuroevolucí
diploma thesis (DEFENDED)
Advisor: Mráz, František
Date Issued: 2016
Date of defense: 12. 09. 2016
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Echo state networks jsou speciálním typem rekurentních neuronových sítí. Nedávný výzkum ukázal, že výkon echo state networks je nejvyšší na přechodu mezi uspořádaným a chaotickým režimem, takzvané hranici chaosu. Tato práce ...
Echo state networks represent a special type of recurrent neural networks. Recent papers stated that the echo state networks maximize their computational performance on the transition between order and chaos, the so-called ...
Echo state networks represent a special type of recurrent neural networks. Recent papers stated that the echo state networks maximize their computational performance on the transition between order and chaos, the so-called ...
Intelligent Interior Design - Style Compatibility of 3D Furniture Models using Neural Networks
Inteligentní návrh interiérů - Kompatibilita stylu 3D modelů nábytku pomocí neuronových sítí
diploma thesis (DEFENDED)
Advisor: Mirbauer, Martin
Date Issued: 2020
Date of defense: 03. 02. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Thesis title: Intelligent Interior Design - Style Compatibility of 3D Furniture Models using Neural Networks Author: Yuu Sakaguchi Abstract: Analysis of 3D shapes is a challenging task especially when it comes to measuring ...
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 ...
Online training of deep neural networks for classification
Online trénování hlubokých neuronových sítí pro klasifikaci
diploma thesis (DEFENDED)
Advisor: Holeňa, Martin
Date Issued: 2019
Date of defense: 16. 09. 2019
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: 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 ...
Adversarial Examples in Machine Learning
Matoucí vzory ve strojovém učení
diploma thesis (DEFENDED)
Advisor: Pilát, Martin
Date Issued: 2018
Date of defense: 14. 06. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Deep neural networks have been recently achieving high accuracy on many important tasks, most notably image classification. However, these models are not robust to slightly perturbed inputs known as adversarial examples. ...
Hluboké neuronové sítě v poslední době dosahují vysoké úspěšnosti na mnoha úlohách, zejména klasifikaci obrázků. Tyto modely jsou ovšem snadno ovlivni- telné lehce pozměněnými vstupy zvanými matoucí vzory. Matoucí vzory ...
Hluboké neuronové sítě v poslední době dosahují vysoké úspěšnosti na mnoha úlohách, zejména klasifikaci obrázků. Tyto modely jsou ovšem snadno ovlivni- telné lehce pozměněnými vstupy zvanými matoucí vzory. Matoucí vzory ...
Predikce sekundární struktury proteinu pomocí hlubokých neuronových sítí
Protein secondary structure prediction using deep neural networks
diploma thesis (DEFENDED)
Advisor: Hoksza, David
Date Issued: 2017
Date of defense: 07. 09. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Determination of protein structure in space is a crucial part of protein function analysis. But structure determination is an expensive and time consuming pro- cess, therefore structure prediction model raised on popularity. ...
Znalost struktury, kterou proteiny zaujímají v prostoru, je klíčovým faktorem při studiu jejich funkce. Experimentální zjištění struktury je ale nákladné a časově náročné, proto jsou velmi populární predikční modely ...
Znalost struktury, kterou proteiny zaujímají v prostoru, je klíčovým faktorem při studiu jejich funkce. Experimentální zjištění struktury je ale nákladné a časově náročné, proto jsou velmi populární predikční modely ...
Comparison of statistical methods for the scoring models development
Srovnání statistických metod pro vývoj skóringových modelů
diploma thesis (DEFENDED)
Advisor: Vitali, Sebastiano
Date Issued: 2018
Date of defense: 08. 06. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: The aim of this thesis is to introduce and summarize the process of scoring model development in general and then basic statistical approaches used to resolve this problem, which are in particular logistic regression, ...
Cílem práce je představit a shrnout obecný postup vývoje skóringového modelu a základních statistických přístupů používaných k řešení tohoto problému, konkrétně metody logistické regrese, neuronové sítě a rozhodovací stromy ...
Cílem práce je představit a shrnout obecný postup vývoje skóringového modelu a základních statistických přístupů používaných k řešení tohoto problému, konkrétně metody logistické regrese, neuronové sítě a rozhodovací stromy ...
Analysing and Optimizing GPU Kernels with Machine Learning
Analýza a optimalizace GPU kernelů pomocí strojového učení
diploma thesis (DEFENDED)
Advisor: Kruliš, Martin
Date Issued: 2020
Date of defense: 01. 07. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Graphics processing units (GPUs) were originally used solely for the purpose of graph- ics rendering. This changed with the introduction of technologies like CUDA that enabled to use graphics processors as any other computing ...
Grafické výpočetní jednotky (GPU) byly původně používány výhradně pro účely grafického vykreslování. To se změnilo zavedením technologií jako je CUDA, které umožnily použití grafických procesorů jako kterýchkoliv jiných ...
Grafické výpočetní jednotky (GPU) byly původně používány výhradně pro účely grafického vykreslování. To se změnilo zavedením technologií jako je CUDA, které umožnily použití grafických procesorů jako kterýchkoliv jiných ...
Klasifikace na množinách bodů v 3D
Klasifikace na množinách bodů v 3D
diploma thesis (DEFENDED)
Advisor: Mráz, František
Date Issued: 2018
Date of defense: 13. 09. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Increasing interest for classification of 3D geometrical data has led to discov- ery of PointNet, which is a neural network architecture capable of processing un- ordered point sets. This thesis explores several methods ...
Rostoucí zájem o klasifikaci 3D geometrických dat vedl k objevu PointNet, což je neuronová síť schopná přímého zpracování neuspořádaných množin bodů. Tato práce prozkoumává několik metod využítí obvyklých bodových příznaků ...
Rostoucí zájem o klasifikaci 3D geometrických dat vedl k objevu PointNet, což je neuronová síť schopná přímého zpracování neuspořádaných množin bodů. Tato práce prozkoumává několik metod využítí obvyklých bodových příznaků ...
Obecná umělá inteligence pro hraní her
General Artificial Intelligence for Game Playing
diploma thesis (DEFENDED)
Advisor: Pilát, Martin
Date Issued: 2017
Date of defense: 07. 09. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Game playing is a relatively interesting task in the field of artificial intelligence in these days. The master thesis deals with general artificial intelligence which is capable of playing selected simple games based on ...
Hraní her je v současné době poměrně zajímavý problém na poli umělé inteli- gence. V diplomové práci se zabýváme tvorbou obecné umělé inteligence, která je schopna hrát vybrané jednoduché počítačové hry na základě informací, ...
Hraní her je v současné době poměrně zajímavý problém na poli umělé inteli- gence. V diplomové práci se zabýváme tvorbou obecné umělé inteligence, která je schopna hrát vybrané jednoduché počítačové hry na základě informací, ...