Hledat
Zobrazují se záznamy 11-18 z 18
Extrakce faktů z textu Wikipedie, Fact extraction from Wikipedia article texts
; Vedoucí práce: Dojčinovski Milan; Oponent práce: Špaček Petr (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-02-06)
Wikipedia je skvělý zdroj informací, v současné době z ní ale nejsou textové informace extrahovány do strojově čitelného formátu. V této práci využíváme DBpedia NIF dataset, představující strukturu stránek Wikipedie, pro ...
Registrace histologických snímků za pomoci optického toku a hlubokého učení, Histological image registration using optical flow estimation and deep learning
; Vedoucí práce: Kybic Jan; Oponent práce: Neoral Michal (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-05-31)
Registrace lékařských snímků je důležité téma, které se v posledních několika letech dočkalo velkého množství výzkumu, díky pokrokům v architekturách hlubokých neuronových sítí. Metody odhadující optický tok jsou obecně ...
Generování seznamu událostí v signálu pomocí neuronových sítí, Signal Event List Generation Using Neural Networks
; Vedoucí práce: Chlada Milan; Oponent práce: Víta Martin (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-05-27)
Cílem práce je rešerše metod hlubokého učení a následná aplikace shrnutých poznatků pro dekompozici signálu do jednotlivých zdrojů a detekci událostí v signálu. V první části je zkoumána možnost aplikace modifikovaných ...
Strojové učení pro klasifikaci zdrojů spojité akustické emise, Machine Learning for Classification of Continuous Acoustic Emission Sources
; Vedoucí práce: Chlada Milan; Oponent práce: Franc Jiří (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-09-02)
Strojové učení je v současné době velmi populární oblastí umělé inteligence. Hluboké učení poté zpracovává vstupní data skrze vrstvy předávající datům smysluplnější reprezentace. Jedním z modelů, které hluboké učení k ...
Vyhodnocení efektivity reklamy za použití detektoru lidí a odhadování směru pohledu., Evaluation of advertisement effectiveness using people detection and gaze estimation.
; Vedoucí práce: Naiser Filip; Oponent práce: Franc Jiří (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-05-27)
Cílem této práce bylo vytvořit algoritmus, který je schopen odhadovat, zda se osoba vyskytující se na vstupním obrázku dívá na reklamní baner (citylight). To zahrnovalo seznámit se s problematikou kalibrace kamery. Prostudovat ...
Krátkodobá předpověd srážek ze satelitních dat pomocí strojového učení, Short-Term Precipitation Forecasting from Satellite Data Using Machine Learning
; Vedoucí práce: Šimánek Petr; Oponent práce: Dedecius Kamil (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-09)
Geostacionární meteorologické satelity jsou zdrojem globálních a častých pozorování počasí, ale nepozorují přímo srážky. V této práci zkoumáme metody odhadování a předpovídání srážek ze satelitních dat. Cílem této práce ...
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 ...
Predikce zatížení v elektroenergetické přenosové soustavě pomocí metod hlubokého učení pro více horizontů, Prediction of energy demand in the power system with deep learning multi horizon forecasting methods
; Vedoucí práce: Franc Jiří; Oponent práce: Šmíd Jakub (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-09-01)
Tato práce se zabývá metodami hlubokého učení se zaměřením na Temporal Fusion Transformer (TFT) pro predikci zatížení v elektroenergetické přenosové soustavě pro více horizontů. Navrhovaná architektura modelu TFT pro ...