Hledat
Zobrazují se záznamy 1-4 z 4
Hluboké učení z více instancí pro detekci mnohočetného myelomu v CT snímcích dlouhých kostí, Deep multiple-instance learning for detecting multiple myeloma in CT scans of large bones
; Vedoucí práce: Hering Jan; Oponent práce: Čech Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-27)
S nástupem moderních algoritmů strojového učení vzrostla popularita tématu automatické interpretace výstupů zobrazovacích metod v medicíně pomocí počítačů. Konvoluční neuronové sítě v současné době excelují v mnoha oblastech ...
Využití metod strojového učení pro řešení úloh rozvrhování, Use of machine learning techniques to solve scheduling problems
; Vedoucí práce: Šůcha Přemysl; Oponent práce: Marek Petr (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-06-15)
Tato diplomová práce studuje algoritmy pro řešení úloh plánování pomocí strojového učení, konkrétně metod hlubokého učení. Soustředí se na problém rozvrhování, který je charakterizován jako 1|ri|ΣUi, tj. rozvrhování sady ...
Apriorní modely pro rubustní adversariální hluboké učení, Prior models for robust adversarial deep learning
; Vedoucí práce: Flach Boris; Oponent práce: Schlesinger Dmitrij (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-18)
Hluboké sítě naučené standardními metodami diskriminačního učení jsou náchylné k protichůdným vzorům. Výcvik nepřátelsky robustních hlubokých sítí proto vyžaduje nové metody učení. Jednou zajímavou možností je zahrnout ...
Generalizace modelů na nové domény pomocí generování nových trénovacích vzorků, Tackling Domain Generalization by Generating Additional Training Data
; Vedoucí práce: Bošanský Branislav; Oponent práce: Šmídl Václav (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-15)
Současné modely hlubokého učení si vedou velmi dobře v široké škále úloh a v mnoha z nich jsou schopny překonat člověka. To platí zejména pro úlohy klasifikace obrázků, kde se hluboké neuronové sítě ukázaly jako velmi ...