Hledat
Zobrazují se záznamy 51-60 z 206
Přesné měření vlastní trajektorie vozidla, Precise Vehicle Ego-Motion Trajectory Measurement
; Vedoucí práce: Čech Jan; Oponent práce: Reinštein Michal (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-31)
Tato diplomová práce se zabývá odhadováním vlastní trajektorie vozidla na základě měření z inerciální jednotky, jež by mohlo být důležitým prvkem autonomního a asistovaného řízení. Výchozím testovaným algoritmem s vynikajícími ...
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 ...
Detekce anomálií v sítích, Anomaly Detection in Networks
; Vedoucí práce: Mařík Radek; Oponent práce: Drchal Jan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-25)
Tato diplomová práce se zaobírá problematikou detekce anomálií v sítích. V teoretické části jsou sepsány metody, které využívající statistický přístup, až po metody strojového učení. Následně je vybrána jedna z popsaných ...
Vývoj paralelních algoritmů pro strojové učení na GPU, Development of parallel algorithms in machine learning on GPUs
; Vedoucí práce: Oberhuber Tomáš; Oponent práce: Richtr Radek (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-06-25)
Tato práce se zaměřuje na vývoj paralelních algoritmů pro strojové učení na GPU. V práci je podrobně popsána architektura umělých neuronových sítí a vybrané algoritmy tradičního strojového učení. Dále je popsán vývoj ...
Strojové učení pro jetovou fyziku, Machine Learning for Jet Physics
; Vedoucí práce: Bielčíková Jana; Oponent práce: Kůs Václav (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-08-30)
Moderní metody strojového učení značným způsobem ovlivnily obor počítačového vidění, jehož cílem je naučit stroje chápat informaci proudící z vizuálních zdrojů (obrázky, videa atd.). Ukazuje se, že tyto metodiky nacházejí ...
Simulace detekčního modelu škodlivého kódu, Simulation of malware detection model
; Vedoucí práce: Jureček Martin; Oponent práce: Lórencz Róbert (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-02-06)
Množství škodlivých programů neustále stoupá a útočníci stále přicházejí s novými technikami, kterými se snaží oklamat používané detekční metody. Tato práce se zabývá automatickou detekcí škodlivého kódu pomocí algoritmů ...
Rozšíření dat pro trénink neuronových sítí, Data Augmentation for Neural Networks Training
; Vedoucí práce: Škoviera Radoslav; Oponent práce: Himalaya Jain (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-04)
Tato diplomová práce je zaměřena na techniky použité pro rozšíření stávajících trénovacích dat pro trénink neuronových sítí se zaměřením na datasety obsahující obrázky lidí. Pro účely vývoje, trénování, validace a testování ...
Rozpoznávání rostlin a hub z obrázků, Fine-grained Recognition of Plants and Fungi from Images
; Vedoucí práce: Matas Jiří; Oponent práce: Suk Tomáš (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-04-14)
Tato práce se zabývá rozpoznáváním druhů rostlin a hub z obrazu, od rozpoznávání skenů a fotografií listů a kůry v kontrolovaných podmínkách až po neomezená pozorování rostlin a hub "ve volné přírodě" s komplikovaným pozadím ...
Curriculum Learning of Neural Networks, Curriculum Learning of Neural Networks
; Vedoucí práce: Vašata Daniel; Oponent práce: Friedjungová Magda (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-02-06)
Umělé neuronové sítě se běžně trénují na náhodně seřazených datech. V mnoha směrech je tento přístup podobný učení živých organismů, to však nebývá náhodné. Lidé používají učební plány, podle kterých se jejich učení řídí. ...
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 ...