No (10759)
Number of found documents:
10759
Published from
to
Game Development for Assessment of a Person’s Reasoning, Auditory & Visual skills
Pejchar, Štěpán; Hussain, Yasir; Malik, Aamir Saeed
2024 - English
Cílem této bakalářské práce je implementovat hry, které zhodnotí kognitivní schopnosti uživatele, který je hraje. Konkrétně se jedná o schopnosti rozhodovací, audio a vizuální. Tato bakalářská práce je pilotní studie rozshálejšího projektu. První část práce obsahuje teoretický výzkum. Popisuje zmíněné kognitivní schopnosti, jak fungují a jak je můžeme hodnotit. Druhá část popisuje samotnou aplikaci. Popisuje návrh her, a jejich implementaci. Aplikace obsahující hry byla implementována v Unity v jazyce C\#. Pro databázi byl použit Firebase. Tato část také vysvětluje jak hry provádí zhodnocení kognitivních schopností, a jak toto zhodnocení prezentují uživateli. Poslední část bakalářské práce popisuje testování aplikace. Aplikace byla testována na patnácti uživatelích. Jejich odpovědi jsou zdokumentovány a zhodnoceny v poslední části bakalářské práce. The goal of the thesis is to implement games that assess cognitive functions of the users playing them, specifically audio-visual cognitive functions and reasoning cognitive functions. The nature of the thesis is a pilot study of a bigger project. The first part of the thesis is the theoretical research. It explains what these cognitive functions are, how they work, and how we can assess them. The second part of the thesis talks about the actual game. It explains the game design and the implementation. The game was implemented in Unity using C\# and a Firebase database. This part also talks about how the game assesses and presents the assessment of the cognitive functions to the users. The last part of the thesis deals with the testing of the game. The game was tested on fifteen users. Their answers are presented and evaluated in the final part.
Keywords:
game; audio; visual; audio-visual; reasoning; test; cognitive functions; assesment; user; hra; audio; vizuální; audiovizuální; rozhodování; test; kognitivní funkce; evaluace; uživatel
Available in a digital repository NRGL
Game Development for Assessment of a Person’s Reasoning, Auditory & Visual skills
Cílem této bakalářské práce je implementovat hry, které zhodnotí kognitivní schopnosti uživatele, který je hraje. Konkrétně se jedná o schopnosti rozhodovací, audio a vizuální. Tato bakalářská práce ...
Potlačení šumu ve videu pomocí hlubokých neuronových sítí
Naumenko, Maksim; Hradiš, Michal; Španěl, Michal
2024 - English
V éře digitálních multimédií kvalita videoobsahu významně ovlivňuje uživatelský zážitek a výkon systému, zejména v oblastech, jako je zábava a zpracování videa a obrazu. Tato práce se zabývá přetrvávajícím problémem šumu ve videu, který zhoršuje jeho kvalitu, a to pomocí pokročilých technik hlubokého učení. Nejprve jsou přezkoumány tradiční přístupy k odstraňování šumu ve videu, aby bylo možné nastínit základní koncepty denoisingu. Následně jsou studovány dva referenční modely, FastDVDNet a ViDeNN, za účelem seznámení se s architekturami neuronových sítí. Hlavním výsledkem této práce je vývoj robustního systému pro odstraňování šumu ve videu, který je založen na architektuře UNet inspirované těmito referenčními modely. V průběhu práce jsou vysvětleny, implementovány a vyhodnoceny navrhované modely UNet Baseline, ResUNet a ResUNet Temporal, aby byla prokázána jejich účinnost v odstraňování šumu ve videu. In the era of digital multimedia, video content quality significantly impacts user experiences and system performance, particularly in domains such as entertainment, and video and image processing. This thesis addresses the persistent challenge of video noise, which degrades video quality, through the use of advanced deep learning techniques. Initially, traditional video denoising approaches are reviewed to establish a foundational understanding of denoising concepts. Subsequently, two state-of-the-art models, FastDVDNet and ViDeNN, are studied to familiarize with neural network architectures. The main product of this work is the development of a robust video denoising pipeline that utilizes a UNet architecture inspired by these state-of-the-art models. Throughout the thesis, the proposed UNet Baseline, ResUNet, and ResUNet Temporal models are explained, implemented, and evaluated to demonstrate their effectiveness in video denoising.
Keywords:
deep learning; deep neural networks; convolutional neural networks; digital noise; video denoising; image denoising; UNet; hluboké učení; hluboké neuronové sítě; konvoluční neuronové sítě; digitální šum; denoising videa; denoising obrazu; UNet
Available in a digital repository NRGL
Potlačení šumu ve videu pomocí hlubokých neuronových sítí
V éře digitálních multimédií kvalita videoobsahu významně ovlivňuje uživatelský zážitek a výkon systému, zejména v oblastech, jako je zábava a zpracování videa a obrazu. Tato práce se zabývá ...
Modul webové aplikace pro tvorbu osnov kybernetické bezpečnosti
Hrachovina, Jiří; Sikora, Marek; Ricci, Sara
2024 - English
Tato práce se zaměřuje na vylepšení webové aplikace REWIRE Cybersecurity Profiler integrací algoritmu strojového učení na analýzu popisů kurzů. Tento komponent umožnuje automatickou analýzu popisů kurzů a propojuje výstupní dovednostní skupiny s profily ENISA ECSF. Práce také navrhuje několik vylepšení existující aplikace a to implementaci funkčních URL, vizualizaci návštěvnických dat skrze grafy, generování popisů kurzů pomocí ChatGPT a optimalizaci prvků uživatelského rozhraní. Práce také obsahuje demonstraci aplikace a její užitečnosti v navrhování studijních programů. This thesis focuses on enhancing the web-based application REWIRE Cybersecurity Profiler by integrating a machine learning algorithm for course description analysis. This component enables the automatic analysis of course descriptions and links the resulting skill groups to the ENISA ECSF profiles. Additionally, several improvements to the existing application have been proposed, including the implementation of functional URLs, visualization of visitor data through graphs, generation of course descriptions using ChatGPT, and optimization of user interface elements. Finally, the thesis includes a demonstration of the application and proof of its utility in designing study programs.
Keywords:
Curricula design; Cybersecurity; Cybersecurity profiler; Machine learning; REWIRE Cybersecurity profiler; Software development; Web application; Návrh osnov; Kybernetická bezpečnost; Cybersecurity profiler; Strojové učení; REWIRE Cybersecurity profiler; Vývoj softwaru; Webová aplikace
Available in a digital repository NRGL
Modul webové aplikace pro tvorbu osnov kybernetické bezpečnosti
Tato práce se zaměřuje na vylepšení webové aplikace REWIRE Cybersecurity Profiler integrací algoritmu strojového učení na analýzu popisů kurzů. Tento komponent umožnuje automatickou analýzu popisů ...
Optimalizace difuzoru vodní turbíny s využitím adjoint řešiče
Pham, Jakub; Štefan, David; Rudolf, Pavel
2024 - English
Tato práce se zabývá tvarovou optimalizací difuzoru vírového generátoru, který napodobuje oběžné kolo Francisovy turbíny. Optimalizace je založena na použití adjoint řešiče v programu ANSYS Fluent. Hlavním cílem bylo potlačení vírového copu v mimooptimálních režimech. Byla vytvořena metodika iterativní optimalizace pro adjungovaný řešič. Cílová funkce pro adjungovaný řešič byla zvolena s cílem minimalizovat moment hybnosti proudění kolem osy difuzoru. Byl představen a analyzován nový návrh difuzoru. Poté bylo provedeno srovnání chování vírového copu a proudového pole uvnitř nového a starého návrhu difuzoru. Bylo zjištěno, že optimalizace tvaru nevedla k žádnému významnému zlepšení chování vírového copu, přičemž energie vírového copu se pouze přenesla dále od náboje vírového generátoru. V závěru této práce byla formulována doporučení pro budoucí metody zmírnění vírového copu. This work deals with the shape optimization of the draft tube of a swirl generator that mimics the runner of a Francis turbine. The optimization is based on the use of the adjoint solver in ANSYS Fluent. The primary objective was to suppress the vortex rope in off-design regimes. An iterative optimization methodology for the adjoint solver was established. The objective function for the adjoint solver was selected with the goal of minimizing swirl around the diffuser axis. A new diffuser design was presented and analyzed, after which a comparison was made between vortex rope behaviour and flow field characteristics inside the new and old diffuser designs. It was found that shape optimization had not resulted in any significant improvement in vortex rope behaviour, with the energy of the vortex rope being only transferred further away from the hub of the swirl generator. Recommendations for future methods of vortex rope mitigation were made at the conclusion of this work.
Keywords:
vortex rope; shape optimization; adjoint method; CFD; draft tube; diffuser; vírový cop; tvarová optimalizace; adjoint metoda; CFD; savka; difuzor
Available in a digital repository NRGL
Optimalizace difuzoru vodní turbíny s využitím adjoint řešiče
Tato práce se zabývá tvarovou optimalizací difuzoru vírového generátoru, který napodobuje oběžné kolo Francisovy turbíny. Optimalizace je založena na použití adjoint řešiče v programu ANSYS Fluent. ...
Kvantová informace a supravodivé obvody
Stloukalová, Kateřina; Pazderka, Michal; Bělín, Jakub
2024 - English
Snaha o stabilní qubity v kvantovém zpracování informací přitahuje značnou pozornost, zejména v supravodivých obvodech známých svým potenciálem zvýšit koherenční čas. Projekt ``Numerická optimalizace supravodivých obvodů" řeší problémy nákladného experimentování a využívá software Scoptimization. Testování na známých qubitech jako Transmon a Fluxonium byly identifikovány optimální hodnoty s vylepšeným časem. Obecné testování obvodů navíc odhalilo, že Fluxonium (T4) se ukázalo jako vítěz s nejdelším časem, což dále zdůraznilo jeho potenciál pro pokrok ve výzkumu qubitů. Fluxonium zejména dosáhlo koherenční doby 2,7 milisekundy, čímž překonalo dříve pozorovanou experimentální hodnotu 1,48 milisekundy. The pursuit of stable qubits in quantum information processing garners significant attention, particularly in superconducting circuits known for their potential to enhance coherence time. Addressing the challenges of costly experimentation, the "Numerical optimization of superconducting circuits" project utilizes Scoptimization software. The Python package identifies optimal circuit values when testing established qubits like Transmon and Fluxonium. General circuit testing revealed that Fluxonium (T4) emerged as the winner, further highlighting its potential for advancing qubit research. Additionally, Fluxonium notably achieved a coherence time of 2.7 milliseconds, surpassing the previously observed experimental value of 1.48 milliseconds.
Keywords:
Quantum information and superconducting circuits; Transmon; Fluxonium; SQUID; Flux Qubit; Scoptimization; Numerical optimization of qubits; general superconducting circuit optimization; qubit's optimized Hamiltonian energy parameters; qubits defined anharmonicity; comparison of coherence time for different superconducting circuit parameters.; Kvantová informace a supravodivé obvody; Transmon; Fluxonium; SQUID; Flux Qubit; Scoptimization; Numerická optimalizace qubitů; optimalizace různých variací supravodivých obvodů; qubitově optimalizované Hamiltonovské parametry; qubity definovaná anharmonicita; porovnání koherenční doby pro různé supravodivé obvody.
Available in a digital repository NRGL
Kvantová informace a supravodivé obvody
Snaha o stabilní qubity v kvantovém zpracování informací přitahuje značnou pozornost, zejména v supravodivých obvodech známých svým potenciálem zvýšit koherenční čas. Projekt ``Numerická optimalizace ...
Graph Neural Networks in Epilepsy Surgery
Hrtoňová, Valentina; MSc, Daniel Uher,; Filipenská, Marina
2024 - English
Úspěch epileptochirurgického zákroku závisí na přesné lokalizaci epileptogenní zóny (EZ), avšak pouze 60% pacientů je po operaci bez záchvatů, což je často způsobeno nepřesnou identifikací EZ. Tato práce představuje novou metodu lokalizace EZ využívající grafové neuronové sítě (GNN) k analýze interiktálních biomarkerů - konkrétně interiktálních spiků a relativní entropie. Modely GNN byly využity pro lokalizaci kontaktů elektrod v resekované zóně vzniku záchvatu na základě dat z interiktální stereoelektroencefalografie a validovány na souboru klinických dat 37 pacientů ze dvou institucí. Nejlépe hodnocený model GNN - Graph Attention Network - dosáhl mediánu Area Under the Receiver Operating Characteristic (AUROC) 0,971 a mediánu Area Under the Precision-Recall Curve (AUPRC) 0,525 v souboru 19 pacientů s dobrým pooperačním výsledkem, přičemž v obou metrikách statisticky významně překonal referenční model založený na četnosti spiků (Wilcoxon Signed Rank test, p Successful epilepsy surgery relies on precise localization of the epileptogenic zone (EZ), yet only about 60% of patients become seizure-free post-surgery often due to inaccurate EZ identification. This thesis presents a novel method for EZ localization using Graph Neural Networks (GNNs) to analyze interictal biomarkers, specifically interictal spikes and relative entropy. The GNN models were used to localize resected seizure-onset zone electrode contacts based on interictal stereoelectroencephalography data, validated on a clinical dataset of 37 patients from two institutions. The best-performing GNN model - Graph Attention Network - scored a median Area Under the Receiver Operating Characteristic (AUROC) of 0.971 and a median Area Under the Precision-Recall Curve (AUPRC) of 0.525 across a cohort of 19 patients with a good surgical outcome, significantly outperforming a benchmark model based on spike rates (Wilcoxon Signed Rank test, p
Keywords:
graph neural networks; deep learning; signal processing; intracranial EEG; epilepsy; epileptogenic zone; seizure-onset zone; postsurgical outcome prediction; grafové neuronové sítě; deep learning; zpracování signálů; intrakraniální EEG; epilepsie; epileptogenní zóna; zóna počátku záchvatu; predikce pooperačního výsledku
Available in a digital repository NRGL
Graph Neural Networks in Epilepsy Surgery
Úspěch epileptochirurgického zákroku závisí na přesné lokalizaci epileptogenní zóny (EZ), avšak pouze 60% pacientů je po operaci bez záchvatů, což je často způsobeno nepřesnou identifikací EZ. Tato ...
Detekce phishingových stránek pomocí metod strojového učení
Polóni, Peter; Poliakov, Daniel; Hranický, Radek
2024 - English
Phishingové stránky sú veľmi nebezpečnou hrozbou, čo znamená, že úspešná a spoľahlivá detekcia týchto stránok je veľmi doležitá. Tieto hrozby detekujem s využitím prístupu strojového učenia. Tento prístup je efektívny a dokáže odhaliť aj hrozby, s ktorými sa nikdy predtým nestretol. Ako dôveryhodné zdroje dát URL som využil OpenPhish a PhishTank. Z dôveryhodných URL som nazbieral HTML a JavaScript kód webových stránok. Zber dát som vykonal pomocou programu, ktorý som pre tento účel vytvoril. S využitím vektoru príznakov, ktorý sa skladá z 82 numerických príznakov, som vytvoril štyri klasifikátory. Následne som ich vyladil a experimentálne overil presnosť ich predikcií. Najpresnejší model je XGBoost klasifikátor, ktorý dosiahol vyváženú presnosť až 97.03% a FPR 2.22%, počas predikovania dát, ktoré nikdy predtým nevidel. Výsledky ukazujú, že tento prístup detekcie je schopný identifikovať phishingovú stránku aj v praxi. Toto som overil aj implementovaním webového rozšírenia pre prehliadač Chrome, ktoré detekuje phishigové stránky. Toto rozšírenie je vytvorené nad rámec zadania. Phishing web pages are a very dangerous threat, which means that successful and reliable detection of these pages is essential. I detect these threats by utilizing a machine learning based approach. This approach is effective and can detect even threats it has never encountered. As credible sources of URLs, I used sources like OpenPhish and PhishTank. I gathered the HTML and JavaScript code of web pages from the trusted URLs by utilizing a data-gathering program that I created. Using the feature vector composed of 82 numerical features, I created four classifiers. Then, I tuned and experimentally tested the performance of these classifiers. The best-performing model is the XGBoost classifier, which achieved a balanced accuracy score of 97.03% and a false positive rate of 2.22% while making predictions on previously unseen data. Results show that this detection approach can identify phishing web pages even in a non-training environment, which I verified by implementing a phishing-detecting web extension for the Chrome browser. Implementing this extension is beyond the scope of the assignment of this thesis.
Keywords:
HTML; JavaScript; dataset; gathering data; machine learning; phishing detection; HTML; JavaScript; dátová sada; zber dát; strojové učenie; detekcia phishingu
Available in a digital repository NRGL
Detekce phishingových stránek pomocí metod strojového učení
Phishingové stránky sú veľmi nebezpečnou hrozbou, čo znamená, že úspešná a spoľahlivá detekcia týchto stránok je veľmi doležitá. Tieto hrozby detekujem s využitím prístupu strojového učenia. Tento ...
Evaluating Reliability of Static Analysis Results Using Machine Learning
Beránek, Tomáš; Fiedor, Jan; Vojnar, Tomáš
2024 - English
Statický analyzátor Meta Infer je nástrojem pro hledání různých typů chyb ve zdrojovém kódu. Jeho výsledky však obsahují více než 95 % falešných hlášení. Tato teze navrhuje řešení, které řadí hlášení od Meta Inferu pomocí grafových neuronových sítí (GNN) podle pravděpodobnosti, že se jedná o skutečnou chybu, a redukuje tak problém s falešnými hlášeními. Systém se skládá z trénovací části, která převádí datovou sadu D2A – sadu roztříděných hlášení z Meta Inferu – na rozšířené grafy vlastností kódu (ECPG) a z modelů GNN natrénovaných na ECPG grafech. Výsledky experimentů ukazují, že vytvořené modely GNN mohou konkurovat a v některých případech dokonce překonat existující řešení vyvíjené silnými průmyslovými týmy. Tato existující řešení mají navíc uzavřený zdrojový kód, a tak řešení vytvořené v této tezi poskytuje slibnou alternativu s otevřeným zdrojovým kódem. The Meta Infer static analyzer is a tool for detecting various types of errors in source code. However, its results contain more than 95 % of false alarms. This thesis proposes a solution that ranks Infer’s reports using Graph Neural Networks (GNNs) based on the likelihood of being a real error, thus mitigating the issue with false alarms. The system consists of a training pipeline, which converts the D2A dataset – a set of labeled reports from Meta Infer – into Extended Code Property Graphs (ECPGs) and GNN models trained on these ECPGs. Experimental results indicate that the developed GNN models can match, and in some cases even surpass, existing models developed by strong industrial teams. Moreover, these existing solutions are closed source, making the solution developed in this thesis a promising open-source alternative.
Keywords:
Static analysis; Meta Infer; deep learning; graph neural networks; false alarm detection; vulnerability detection; code property graphs; LLVM internal representation; Joern; LLVM Slicer; program slicing; graph representation construction; source code analysis; D2A dataset; graph D2A dataset; extended code property graphs.; Statická analýza; Meta Infer; hluboké učení; grafové neuronové sítě; detekce falešných hlášení; detekce zranitelností; grafy vlastností kódu; interní reprezentace LLVM; Joern; LLVM Slicer; prořezávání programů; konstrukce grafové reprezentace; analýza zdrojového kódu; dataset D2A; grafový D2A; rozšířené grafy vlastností kódu.
Available in a digital repository NRGL
Evaluating Reliability of Static Analysis Results Using Machine Learning
Statický analyzátor Meta Infer je nástrojem pro hledání různých typů chyb ve zdrojovém kódu. Jeho výsledky však obsahují více než 95 % falešných hlášení. Tato teze navrhuje řešení, které řadí hlášení ...
Rozšíření aplikace Locus Map pro komunikaci jednotek na bojišti
Bukas, Jozef Michal; Rychlý, Marek; Hranický, Radek
2024 - English
Existuje mnoho systémov riadenia bojiska, ale nie sú dostupné pre širokú verejnosť. Mnohé používateľské základne by však takýto systém mohli využiť. Napríklad nadšenci milsimu, záchranné služby, prípadne poľovníci počas organizovaných poľovačiek. Cieľom tejto bakalárskej práce je vytvoriť open-source rozšírenie systému riadenia bojiska pre aplikáciu Locus Map. Samotný klient bol implementovaný ako Android aplikácia ktorá využíva Locus API na integráciu do aplikácie Locus Map ktorá dopĺňa klienta mapou a funkciamy s ňou spojenými. Samotný system používa architektúru klient-server kde komnukácia medzi serverom a klientom používa protokol WebSocket pre skoro okamžitú propagáciu dát zo serveru ku klientom. Nakoniec bol tento systém otestovaný priamo v akcií napríklad na dvoj-dňovej airsoftovej akcií. There are many battlefield management systems, but they are not available to the general public. However, many user bases could use such a system. For example, milsim enthusiasts, emergency services, or hunters during organized hunts. This bachelor's thesis aims to create an open-source extension of the battlefield management system for the Locus Map application. The client has been implemented as an Android application that uses the Locus API to integrate into the Locus Map application, which complements the client with a map and map-related features. The system uses a client-server architecture where the communication between server and client uses the WebSocket protocol for near-instantaneous data propagation from the server to the clients. Finally, the system has been tested directly in action, for example, at a two-day airsoft event.
Keywords:
Battle management system; Situational awareness; Geographical information system; Add-on; Extension; Military; Coordinate system; Military Grid Reference System; Universal Traverse Mercator; Location sharing; Chat; Android; Location based services; C4I; Command; Control; Communication; Application; Systém riadenia boja; Geografický informačný systém; Situačné povedomie; Rozšírenie; Armáda; Koordinačný systém; MGRS; Univerzálny travérzny merkátor; Zdielanie polohy; správy; Android; Služba založená na polohe; C4I; Riadenie; Kontrola; Komunikácia; Aplikácia
Available in a digital repository NRGL
Rozšíření aplikace Locus Map pro komunikaci jednotek na bojišti
Existuje mnoho systémov riadenia bojiska, ale nie sú dostupné pre širokú verejnosť. Mnohé používateľské základne by však takýto systém mohli využiť. Napríklad nadšenci milsimu, záchranné služby, ...
Dělení textu do logických celků
Kostelník, Martin; Kišš, Martin; Beneš, Karel
2024 - English
Cílem projektu bylo vytvořit systém pro automatickou segmentaci textu do logických celků. Práce staví na systému PERO-OCR a cílí na zlepšení zpracovávání českých historických dokumentů a jejich vyhledávačů používaných knihovníky a vědci. Práce zahrnovala vytvoření a anotace vlastní datové sady složené celkem z 4044 stránek z knih, slovníků a novin. K problému segmentaci textu je přistoupeno inovativních přístupem, kdy je brán jako shlukovací problém jednotlivých řádků textu. Metoda je dvoufázová: nejprve probíhá detekce regionů textu pomocí modelu YOLOv8 a následuje jejich spojení grafovou neuronovou sítí. Vyhodnocení je provedeno pomocí shlukovací metriky V-measure a na testovacím datasetu dosahuje hodnot 77.93 % pro knihy, 95.79 % pro slovníky a 90.23 % pro noviny. The goal of this project is the topic segmentation of text into coherent units. It builds on the PERO-OCR software, aiming to improve the processing of Czech historical documents and information retrieval for librarians and scientists. This included the creation and annotation of a custom dataset comprised of 4044 pages from books, dictionaries, and periodicals. I propose an innovative approach treating segmentation as a line clustering problem. The method involves a two-stage process: initial detection of regions of interest containing text lines using the YOLOv8 model, followed by joining them using a graph neural network. This method achieves a V-measure of 77.93 %, 95.79 % and 90.23 % for books, dictionaries and periodicals, respectively.
Keywords:
text segmentation; machine learning; optical character recognition; OCR; language models; graph neural networks; object detection; BERT; YOLOv8; historical documents; segmentace textu; strojové učení; optické rozpoznávání znaků; OCR; jazykové modely; grafové neuronové sítě; detekce objektů; BERT; YOLOv8; historické dokumenty
Available in a digital repository NRGL
Dělení textu do logických celků
Cílem projektu bylo vytvořit systém pro automatickou segmentaci textu do logických celků. Práce staví na systému PERO-OCR a cílí na zlepšení zpracovávání českých historických dokumentů a jejich ...
NRGL provides central access to information on grey literature produced in the Czech Republic in the fields of science, research and education. You can find more information about grey literature and NRGL at service web
Send your suggestions and comments to nusl@techlib.cz
Provider
Other bases