Hledat
Zobrazují se záznamy 1-10 z 17
Analýza biomarkerů psychiatrických pacientů pomocí analýzy EEG signálu a strojového učení, Biomarker Analysis of Psychiatric Patients using EEG Signal Analysis and Machine Learning
; Vedoucí práce: Basterrech Sebastian; Oponent práce: Sojka Eduard (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-13)
Depresivní porucha je závažným psychiatrickým onemocněním s vysokou globální prevalencí, závažnými dopady na kvalitu života, a v nejvážnější podobě může vyústit sebevraždou. Brzká diagnóza a přesná předpověd’ průběhu léčby ...
Paralelizace sítí typu Sum-Product-Transform pro architekturu GPU, Paralelization of Sum-Product-Transform type networks for the GPU architecture
; Vedoucí práce: Oberhuber Tomáš; Oponent práce: Papež Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-05-26)
Sítě typu Sum-Product-Transform jsou rozšířením sítí typu Sum-Product pomocí přidání transformačního uzlu. Toto rozšíření zvyšuje výpočetní náročnost všech operací se sítí. Tato práce popisuje implementaci sítí typu ...
Metody strojového učení ve fyzice pevných látek, Methods of machine learning in condensed matter physics
; Vedoucí práce: Vybíral Jan; Oponent práce: Šmídl Václav (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-26)
Strojové učení lze použít k efektivní předpovědi parametrů testovacích dat na základě dat trénovacích. Jedněmi z používaných metod strojového učení jsou metody Kernel Ridge Regression a LASSO, které obě vycházejí z lineární ...
Aplikace statistických metod a machine learningu na produkty srážek tězkých jader, Statistics and machine learning applied to heavy nuclei collision products
; Vedoucí práce: Kůs Václav; Oponent práce: Kramárik Lukáš (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-08-30)
Jedním z klíčových problémů v analýze dat rozpadů mezonů D z experimentu STAR je separace párů pionů ~ a kaonů K pocházejících z tohoto rozpadu od kombinatorického pozadí. K této separaci se využívá pokročilých metod ...
Exktrakce pravidel z hlubokých neuronových sítí, Rules extraction from deep neural networks
; Vedoucí práce: Holeňa Martin; Oponent práce: Gemrot Jakub (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-13)
Od konce osmdesátýchlet, kdy byla objevena univerzální aproximační vlastnost umělých neuronových sítí, tj. schopnost aproximovat vztah nebo závislost s libovolnou přesností, bylo její úplné vysvětlení skryto v čistě numerické ...
Vliv ztrátové funkce na detekci anomálií, The Effect of the Loss Function on Quality of Anomaly Detection
; Vedoucí práce: Pevný Tomáš; Oponent práce: Franc Jiří (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-05-26)
Detekce anomálií zaznamenává uplatnění v mnohých oborech moderní datové analýzy. Diplomová práce pojednává o několika metodách strojového učení právě pro tuto detekci. V práci jsou podrobně rozebrány modely odhadující ...
Supervizované a nesupervizované učení pro fyziku těžkých iontů, Supervised and Unsupervised Learning for Heavy Ion Physics
; Vedoucí práce: Kůs Václav; Oponent práce: Bielčíková Jana (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-05-28)
Potřeba řešení komplexních problémů binární klasifikace ve fyzice těžkých iontů vyústila v častější užívání supervizovaných i nesupervizovaných algoritmů strojového učení. Spolu s vhodným předzpracováním dat a optimalizací ...
Analýza satelitních dat pomocí metod strojového učení, Satellite data analysis using machine learning methods
; Vedoucí práce: Novozámský Adam; Oponent práce: Kupková Lucie (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-01-29)
Aplikace strojového učení a hloubkového učení vylepšila stávající a umožnila vznik nových
Rozpoznávání vzorů v časových řadách pomocí hlubokých neuronových sítí, Pattern recognition in time series by means of deep neural networks
; Vedoucí práce: Strachota Pavel; Oponent práce: Kouřim Tomáš (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-08-25)
Tato bakalářská práce se zabývá rozpoznáváním vzorů v časových řadách obsahující historická data z kryptoměnové burzy. Jako vhodný nástroj tohoto rozpoznávání byly zvoleny konvoluční neuronové sítě (CNN). Na jedné straně ...
Pokročilé architektury neuronových sítí pro analýzu dat z finančních trhů, Advanced neural network architectures for financial market data analysis
; Vedoucí práce: Strachota Pavel; Oponent práce: Oberhuber Tomáš (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2021-08-27)
V bakalářské práci jsou vysvětleny základní pojmy strojového učení na lineární a logistické regresi, a poté jsou teoreticky uvedeny neuronové sítě. Dále je zkoumán problém přeučení a principy, jak se mu vyhnout. Praktická ...