Prohlížení Diplomové práce - 13136 dle předmětu "deep learning"
Zobrazují se záznamy 1-12 z 12
-
Apriorní modely pro rubustní adversariální hluboké učení
; 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 ... -
Detekce objektů v obraze se známou geometrií scény
; Vedoucí práce: Čech Jan; Oponent práce: Hrúz Marek
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-07)V poslední době se podařilo značně zrychlit a zpřesnit detekci objektů. Rychlou a přesnou detekci vyžadují autonomní vozidla. Soudobé moderní metody však detekci s ohledem na geometrii scény nijak neomezují. V této práci ... -
Generalizace modelů na nové domény pomocí generování nových trénovacích vzorků
; 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 ... -
Hluboké učení pro relační databáze
; 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., 2024-06-18)Relační databáze uchovávají většinu světových dat. Nicméně jejich potenciál v hlubokém učení je značně nevyužitý. Tato diplomová práce zkoumá integraci hlubokého učení s relačními databázemi, využívajíc komplikovaná vzájemná ... -
Hluboké učení pro výpočetní chemii s diferencovatelnou doménovou znalostí
; 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., 2023-06-15)Tato práce se zabývá použitím grafových neuronových sítí (GNN) ve výpočetní chemii s cílem zvýšit přesnost a predikční schopnosti modelů strojového učení pro molekulární data. Studie zkoumá nejmodernější architektury GNNs ... -
Hluboké učení z více instancí pro detekci mnohočetného myelomu v CT snímcích dlouhých kostí
; 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 ... -
Integrace frameworků relačního a hlubokého strojového učení
; Vedoucí práce: Šourek Gustav; Oponent práce: Drchal Jan
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-18)V posledných rokoch dosahujú hlboké neurónové siete významných úspechov v mnohých oblastiach strojového učenia, ako je spracovanie prirodzeného jazyka, vytváranie zvukových súborov alebo dokonca čítanie pier. Všetky tieto ... -
Škálování hlubokého relačního učení
; 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 ... -
Učení přechodových funkcí v klasickém plánování pomocí hlubokých neuronových sítí
; Vedoucí práce: Komenda Antonín; Oponent práce: Shleyfman Alexander
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-01-21)V současné době existují dva silné směry v oblasti umělé inteligence, a to strojové učení a symbolická umělá inteligence. V nedávné době se objevilo několik pokusů o propojení těchto dvou vědeckých směrů. Konkrétně spojením ... -
Učení segmentace z několika datasetů s odlišnými množinami labelů
; Vedoucí práce: Šulc Milan; Oponent práce: Šára Radim
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-13)Diplomová práce se zabývá úlohou segmentace instancí objektů, jejíž cílem je naučit se v obrázku označit pixely oblasti každé instance objektu z definovaných tříd. Moderní konvoluční neuronové sítě vyžadují velké množství ... -
Využití metod strojového učení pro řešení úloh rozvrhování
; 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 ... -
Využití strojového učení pro detekování, kdy jsou dva produkty stejné
; Vedoucí práce: Kuželka Ondřej; Oponent práce: Verbruggen Gust
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-06-11)V tejto práci sa zamieravame na možnosti využitia strojového učenia v oblasti e-commerce. S konkrétnym využitím pre párovanie produktov a ich ponúk od roznych obchodov. Aj ked všetky metódy budú optimalizované pre toto ...