Search
Now showing items 1-10 of 22
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 ...
Neural networks for automatic speaker, language, and sex identification
Použití rekurentních neuronových sítí pro automatické rozpoznávání řečníka, jazyka a pohlaví
diploma thesis (DEFENDED)
Advisor: Jurčíček, Filip
Date Issued: 2016
Date of defense: 03. 02. 2016
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Název: Neuronové sítě pro automatické rozpoznávání řečníka, jazyka a pohlaví Autorka: Bich-Ngoc Do Katedra: Ústav formální a aplikované lingvistiky Vedoucí práce: Ing. Mgr. Filip Jurek, Ph.D., Ústav formální a aplikované ...
Title: Neural networks for automatic speaker, language, and sex identifica- tion Author: Bich-Ngoc Do Department: Institute of Formal and Applied Linguistics Supervisor: Ing. Mgr. Filip Jurek, Ph.D., Institute of Formal ...
Title: Neural networks for automatic speaker, language, and sex identifica- tion Author: Bich-Ngoc Do Department: Institute of Formal and Applied Linguistics Supervisor: Ing. Mgr. Filip Jurek, Ph.D., Institute of Formal ...
Forced Alignment via Neural Networks
Forced alignment pomocí neuronových sítí
diploma thesis (DEFENDED)
Advisor: Kofroň, Jan
Date Issued: 2020
Date of defense: 16. 09. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Sledování videí s titulky v původním jazyce je jedním z nejúčinnějších způsobů výuky cizího jazyka. Zvýrazňování slov v okamžiku jejich vyslovení pomáhá synchronizovat vizuální a sluchové vnímání a zvyšuje efektivitu učení. ...
Watching videos with subtitles in the original language is one of the most effective ways of learning a foreign language. Highlighting words at the moment they are pronounced helps to synchronize visual and auditory ...
Watching videos with subtitles in the original language is one of the most effective ways of learning a foreign language. Highlighting words at the moment they are pronounced helps to synchronize visual and auditory ...
Detection and analysis of polychronous groups emerging in spiking neural network models.
Detekce a analýza polychronních skupin neuronů v spikujících sítích.
diploma thesis (DEFENDED)
Advisor: Brom, Cyril
Date Issued: 2018
Date of defense: 29. 01. 2018
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Jak biologické struktury neuronových sítí reprezentují informace zůstává otevřenou otázkou. Stále více důkazů však naznačuje, že jsou neuronové sítě schopné vykazovat přesné a opakovatelné vzorce chování. Jednou z teorií, ...
How is information represented in real neural networks? Experimental results continue to provide evidence for presence of spiking patterns in network activity. The concept of polychronous groups attempts to explain these ...
How is information represented in real neural networks? Experimental results continue to provide evidence for presence of spiking patterns in network activity. The concept of polychronous groups attempts to explain these ...
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 ...
Object recognition using 3D convolutional neural networks
Rozpoznávání objektů pomocí 3D konvolučních neuronových sítí
bachelor thesis (DEFENDED)
Advisor: Lokoč, Jakub
Date Issued: 2017
Date of defense: 20. 06. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Název: Rozpoznávání objektů pomocí 3D konvolučních neuronových sítí Autor: Jaroslav Moravec Katedra: Katedra softwarového inženýrství Školitel: RNDr. Jakub Lokoč, Ph.D., Katedra softwarového inženýrství Abstrakt: S rychlým ...
Title: Object recognition using 3D convolutional neural networks Author: Jaroslav Moravec Department: Department of Software Engineering Supervisor: RNDr. Jakub Lokoč, Ph.D., Department of Software Engineering Abstract: ...
Title: Object recognition using 3D convolutional neural networks Author: Jaroslav Moravec Department: Department of Software Engineering Supervisor: RNDr. Jakub Lokoč, Ph.D., Department of Software Engineering Abstract: ...
Smoothness of Functions Learned by Neural Networks
Hladkost funkcí naučených neuronovými sítěmi
bachelor thesis (DEFENDED)
Advisor: Musil, Tomáš
Date Issued: 2020
Date of defense: 07. 07. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Modern neural networks can easily fit their training set perfectly. Surprisingly, they generalize well despite being "overfit" in this way, defying the bias-variance trade-off. A prevalent explanation is that stochastic ...
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 ...
Prediction of energy load profiles
Predikce profilů spotřeby elektrické energie
diploma thesis (DEFENDED)
Advisor: Fink, Jiří
Date Issued: 2017
Date of defense: 07. 09. 2017
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: Prediction of energy load profiles is an important topic in Smart Grid technologies. Accurate forecasts can lead to reduced costs and decreased dependency on commercial power suppliers by adapting to prices on energy market, ...
Predikce profilů spotřeby elektrické energie je důležitým tématem Smart Grid technologií. Přesné předpovědi mohou vést redukci cen a snížení závislosti na komerčních dodavatelích energie pomocí adaptace na ceny na energetickém ...
Predikce profilů spotřeby elektrické energie je důležitým tématem Smart Grid technologií. Přesné předpovědi mohou vést redukci cen a snížení závislosti na komerčních dodavatelích energie pomocí adaptace na ceny na energetickém ...