Hledat
Zobrazují se záznamy 1-10 z 12
Využití strojového učení pro detekování, kdy jsou dva produkty stejné, Using Machine Learning to Detect if Two Products Are the Same
; 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 ...
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 ...
Učení přechodových funkcí v klasickém plánování pomocí hlubokých neuronových sítí, Learning Classical Planning Transition Functions by Deep Neural Networks
; 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 ...
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 ...
Učení segmentace z několika datasetů s odlišnými množinami labelů, Learning segmentation from multiple datasets with different label sets
; 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 ...
Integrace frameworků relačního a hlubokého strojového učení, Integration of Relational and Deep Learning Frameworks
; 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 ...
Detekce objektů v obraze se známou geometrií scény, Detecting objects in images with known scene geometry
; 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 ...
Hluboké učení pro výpočetní chemii s diferencovatelnou doménovou znalostí, Deep learning for computational chemistry with differentiable background knowledge
; 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 ...
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 ...