Hledat
Zobrazují se záznamy 1-5 z 5
Predikování hokejových zápasů pomocí neuronových sítí, Predicting Ice-Hockey Matches with Neural Networks
; Vedoucí práce: Šír Gustav; Oponent práce: Drchal Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-08-24)
Cílem práce je vytvořit modely, využívající neuronové sítě, schopné predikce výsledků hokejových zápasů NHL. Na těchto modelech chceme následně ověřit několik doposud nepotvrzených hypotéz, zejména hypotézu tvrdící, že ...
Kódování vstupů a výstupů pro metody supervizovaného shlukování, Input-Output Representations for Supervised Clustering Methods
; Vedoucí práce: Drchal Jan; Oponent práce: Šír Gustav (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-06-01)
V rámci této práce zkoumáme možná řešení pro problém supervizovaného shlukování se zaměřením na metody založené na neuronových sítích. Naší motivací jsou problémy jako je shrnutí textu podle sémantiky, extrakce tématu z ...
Strojové učení v bojových sportech, Machine learning in combat sports
; Vedoucí práce: Uhrín Matej; Oponent práce: Drchal Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-08-24)
Tato bakalářská práce zkoumá příležitosti pro generování profitu na sázkařských trzích pro smíšená bojová umění (MMA) za pomoci strojového učení. Oficiální data z Ultimate Fighting Championship (UFC) byla shromážděna za ...
Metody Multiple Instance Learning pro zpracování dlouhých vstupů modely NLP, Multiple Instance Learning for Long Input NLP Models
; Vedoucí práce: Drchal Jan; Oponent práce: Kubalík Jiří (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-13)
V současných aplikacích v oblasti zpracování přirozeného jazyka převažují modely využívající Transformer architekturu, tyto modely spolu ovšem sdílí jednu nevýhodu. Tou je kvadratická výpočetní složitost, která omezuje ...
Škálování hlubokého relačního učení, Scaling up Deep Relational Learning
; Vedoucí práce: Šír Gustav; Oponent práce: Drchal Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-06-13)
Hluboké relační učení zevšeobecňuje principy neuronových sítí na učení na relačních datech, čímž umožňuje využít přirozeně strukturální povahu takových dat (tvořenou např.~cizími klíči v relačních databázích) jako součást ...