Hledání praktických robustních klasifikátorů
Finding practical robust classifiers
Type of document
diplomová prácemaster thesis
Author
Dominik Šepák
Supervisor
Pevný Tomáš
Opponent
Butora Jan
Field of study
Matematická informatikaStudy program
Aplikace přírodních vědInstitutions assigning rank
katedra matematikyRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
V rámci této práce je představena studie některých metod strojového učení s učitelem a měr úspěšnosti predikce využívajících strukturovaných dat ve tvaru prostředí s různými data generujícími pravděpodobnostními distribucemi. V průběhu textu jsou také vysvětleny základní pojmy strojového učení s učitelem. Metody jsou následně prakticky porovnány na problému zvaném neshoda zdroje krytí (cover source mismatch) v obrazové steganografii. This work presents a study of some of the supervised machine learning methods and measures of prediction accuracy utilizing data in the structured form of environments with different data generating probability distributions. Basic concepts of supervised machine learning are explained throughout the text. The practical performance of the methods is then evaluated on the problem of cover source mismatch in image steganography.
Collections
- Diplomové práce - 14101 [140]