Yes (34558)
No (24735)
Number of found documents:
59293
Published from
to
Zlepšení použitelnosti a výkonu analýzy datových toků programů v jazyce C#
Kleprlík, Jan; Parízek, Pavel; Bednárek, David
2024 - English
The Manta Flow is a highly automated static analysis platform producing data lineage over its input and representing it in a graph. The platform performs analysis on various technologies and programming languages via specialised scanners. One of the scanners performs analysis of C# code, or rather its compiled alternative Common Intermediate Language. While the scanner was already capable of analysing non-trivial scenarios, it lacked in some aspects that held it up from its broader adoption by customers. The main issues are low support for analysis of real-life scenarios such as web applications or embedded code in other technologies, sub-optimal performance and imprecise lineage output. As a part of this thesis, we improved the precision, scalability and performance of the scanner on multiple levels of abstractions, from analysis of the CIL to modifications of core high-level analysis algorithms. We added support for analysis of the ASP.NET web endpoints and enabled the C# scanner to be used as a service for analysis of embedded code in other technologies. We improved the precision of the resulting lineage for existing scenarios by modifying the core algorithms used throughout the analysis and optimized the analysis process to lift its performance. 1 Manta Flow je vysoce automatizovaná platforma pro statickou analýzu datových toků, které jsou následně zobrazeny v přehledném grafu. Tato platforma provádí analýzu mnoha technologií a programovacích jazyků pomocí takzvaných skenerů. Jeden z těchto skenerů provádí analýzu C# kódu, respektive jeho zkompilované alternativy Common Intermedi- ate Language. Tento skener byl již dříve schopný analyzovat netriviální aplikace, ovšem některé jeho aspekty stále zabraňovaly jeho rozšířenému použití a adopci ze strany uživa- telů. Mezi hlavní problémy patří nedostatečná podpora analýzy reálných aplikací z pro- dukčního prostředí, jako například webové aplikace nebo krátké úryvky kódu embedované v jiných technologiích, pomalá analýza a její nepřesný výstup. V této práci bylo dosa- ženo celkového zlepšení přesnosti, využitelnosti a výkonu skeneru na několika úrovních abstrakce od analýzy CIL kódu po modifikace celkového designu. Byla přidána podpora analýzy webových rozhraní vytvořených pomocí frameworku ASP.NET a embedovaného kódu v jiných technologiích. Zároveň byla vylepšena přesnost a výkon datové analýzy u dříve podporovaných aplikací úpravou klíčových algoritmů použitých během analýzy. 1
Keywords:
statická analýza|data lineage|C#|embedded code; static analysis|data lineage|C#|embedded code
Available in a digital repository NRGL
Zlepšení použitelnosti a výkonu analýzy datových toků programů v jazyce C#
The Manta Flow is a highly automated static analysis platform producing data lineage over its input and representing it in a graph. The platform performs analysis on various technologies and ...
Reprezentační neuronové sítě pro diferencovatelné renderování objemu
Nejedlý, Jaroslav; Rittig, Tobias; Antolík, Ján
2024 - English
This thesis investigates the possibility of using a representation neural network as a data structure for an appearance prediction model. We present the representation network as an adaptation of the popular neural radiance field network. The representation network is studied on 2D images as well as volumetric data. This thesis also evaluates the outputs of the appearance prediction network which uses the representation network. Our analysis shows a decent quality of the representation network for 2D images and simple volumetric data. However, the outputs of the appearance prediction network are suboptimal. We conclude that the representation network presented in this thesis should be im- proved and the appearance prediction model should be fine-tuned to the representation network as its input. 1 Tato práce prozkoumává možnost použití reprezentačních neuronových sítí jako dato- vých struktur pro modely předpovídající vzhled. Představujeme representační síť, která je adaptací populární NeRF sítě. Tato reprezentační síť je studována na 2D obrázcích i trojrozměrných volumetrických datech. Tato práce také vyhodnocuje výstupy modelu, který předpovídá vzhled, do kterého je použita reprezentační síť jako zdroj dat. Naše analýza ukazuje, že reprezentace 2D obrázků a jednoduchých volumetrických útvarů je realizováno s obstojnou kvalitu. Nicméně, výstupy vzhled předpovídající sítě jsou suboptimální. Vyvodili jsme, že reprezentační sítě představené v této práci by měli být vylepšeny a že model předpovídající vzhled by měl být doladěn s použitím reprezentační sítě na vstupu. 1
Keywords:
reprezentační neuronové sítě|neuronové renderování|MLP|NeRF; representation network|neural rendering|MLP|NeRF
Available in a digital repository NRGL
Reprezentační neuronové sítě pro diferencovatelné renderování objemu
This thesis investigates the possibility of using a representation neural network as a data structure for an appearance prediction model. We present the representation network as an adaptation of the ...
Reprezentace gay and bisexuálních žen ve videohrách a hráčské postoje: Empirická studie
Petrova, Alexandra; Kolek, Lukáš; Pešková, Klára
2024 - English
The aim of this empirical study was to examine how players' explicit and implicit attitudes towards content depicted in a video game influence their interaction with the game and their game experience. In order to do so, this study examined a particular case of a video game representing gay and bisexual women. The primary aim was to investigate how players' game engagement is influenced by the topic portrayed and by their attitudes towards gay and bisexual women. The secondary aim was to explore the players' implicit and explicit attitude change towards gay and bisexual women as a result of playing the game. This study used an experimental and a control condition, with two versions of one game differing only in the identity of one character - in the experimental version she is a lesbian and in the control version a heterosexual woman. The modification of the game was a part of the thesis. Participants' implicit and explicit pretest and posttest attitudes were measured, and their game engagement was measured in the posttest. Results showed lower game engagement in the experimental compared to the control group, however, no link between initial attitudes and game engagement was found. There was no significant explicit or implicit attitude change. This study brings new data to the areas of game research... Cílem této empirické studie bylo prozkoumat, jak explicitní a implicitní postoje hráčů vůči tématům zobrazeným ve videohře ovlivní jejich interakci se hrou a jejich hráčský zážitek. Tato studie pro ten účel zkoumala konkrétní případ videohry reprezentující gay a bisexuální ženy. Primárním cílem studie bylo zjistit, zda je herní prožitek ovlivněn zobrazeným tématem nebo hráčskými postoji vůči gay a bisexuálním ženám. Sekundárním cílem bylo zjistit, zda dojde důsledkem hraní hry ke změně hráčských implicitních nebo explicitních postojů vůči gay a bisexuálním ženám. Byla použita experimentální a kontrolní skupina, obě skupiny hrály verzi jedné hry s rozdílem pouze v identitě jedné postavy - v experimentální verzi je to lesba, v kontrolní heterosexuální žena. Modifikace hry byla součástí práce. Měřeny byly implicitní a explicitní postoje účastníků v pretestu a posttestu, herní prožitek byl měřen v posttestu. Výsledky ukázaly nižší hodnotu herního prožitku v experimentální ve srovnání s kontrolní skupinou, nicméně nebyla zjištěna souvislost mezi herním prožitkem a hráčskými postoji. Studie nezjistila změnu implicitních ani explicitních postojů. Tato studie přináší nové poznatky do oblastní herního výzkumu, jež definují jaké elementy videoher mají vliv na hráčský zážitek a hráčské postoje.
Keywords:
HCI|videohry|explicitní postoje|implicitní postoje|LGBT|empirická studie|Game User Research|herní prožitek; HCI|video games|explicit attitudes|implicit attitudes|LGBT|empirical study|Game User Research|game engagement
Available in a digital repository NRGL
Reprezentace gay and bisexuálních žen ve videohrách a hráčské postoje: Empirická studie
The aim of this empirical study was to examine how players' explicit and implicit attitudes towards content depicted in a video game influence their interaction with the game and their game ...
Rozšíření analýzy datových toků pro jazyk Python o podporu běhových typů
Luňák, Václav; Parízek, Pavel; Petříček, Tomáš
2024 - English
There is an increasing demand in the domain of data science for auto- mated tools analyzing the data lineage of software systems. In situations where general-purpose programming languages are used, Python is among the most popular choices. It is also one of the most challenging to analyze. Manta Flow is an automated data lineage analysis platform that contains a scanner for Python. In this work, we developed an extension of this scanner. Its purpose is to statically determine the types of expressions in an analyzed application. We achieved this by expanding the concept of data flows to carry type information and we appropriately refactored the internals of the scanner. This information was then used to implement an improved method for finding the targets of function invocations during the analysis of data flows. V oboru data science je rostoucí poptávka po automatizované analýze da- tových toků v softwarových systémech. V případech, kde se používají univer- zální programovací jazyky, bývá Python jednou z nejpopulárnějších a zároveň nejsložitěji analyzovatelných voleb. Manta Flow je automatizovaná platforma pro analýzu datových toků, která obsahuje scanner pro Python. V této práci jsme vytvořili rozšíření scanneru pro Python v Manta Flow, které je schopné pomocí statické analýzy určit typy výrazů v analyzované aplikaci. Dosáhli jsme toho rozšířením konceptu datových toků o schopnost přenášet infor- mace o typech a adekvátním refaktorováním vnitřností scanneru. Toto rozší- ření bylo posléze použito na implementaci vylepšené metody pro identifikaci volaných funkcí během další analýzy.
Keywords:
Python|datové toky|typová inference|Manta; Python|data flow|data lineage|type inference|Manta
Available in a digital repository NRGL
Rozšíření analýzy datových toků pro jazyk Python o podporu běhových typů
There is an increasing demand in the domain of data science for auto- mated tools analyzing the data lineage of software systems. In situations where general-purpose programming languages are used, ...
Vývoj protokolu využívajícího farmakoforové a dokovací přístupy pro vývoj inhibitorů hlavní proteasy viru SARS-CoV-2
Klenor, Mikuláš; Lepšík, Martin; Riedlová, Kamila
2024 - English
Covid-19 is a highly contagious potentially life-threatening disease caused by the SARS-CoV-2 coronavirus. The virus is responsible for a global pandemic and has claimed over 6 million human lives between years 2020 and 2022. To limit the spread of SARS-CoV-2, numerous vaccines have been developed and applied. For already infected individuals, antiviral drugs are applied. An important validated target is the main protease of SARS-CoV-2 (Mpro ). Although thousands of inhibitors have been prepared and one is used in clinical practice (sold under the name of Paxlovid), improved computational protocols to design new active compounds are needed. The computational approach used here is based on pharmacophores. By curating and inspecting 298 structures of Mpro /inhibitors complexes retrieved from the Protein Data Bank (PDB), we have generated six distinct pharmacophores featuring different binding modes. With their aid, we have carried out molecular docking, whose effectiveness was evaluated by measuring root-mean-square deviation (RMSD) of the generated poses with respect to the native conformations. The routine captured 177 out of 213 ligands naturally binding to the active site of the protein with 127 (72% of the captured) generated with RMSD within 2 Å relative to the native conformation.... Covid-19 je vysoce nakažlivé onemocnění, jehož původcem je koronavirus SARS-CoV-2. Tato nemoc způsobila globální pandemii a mezi lety 2020 a 2022 si vyžádala přes 6 milionů lidských životů. Vedle očkování proti SARS-CoV-2 přispívajícímu k prevenci vážných průběhů onemocnění představuje použití antivirotik důležitý přístup k léčbě Covid-19. Ověřeným terapeutickým cílem vývoje antivirotik je hlavní proteáza viru SARS-CoV-2 označovaná jako Mpro . Ačkoli bylo navrženo mnoho inhibitorů, z nichž jeden (prodávaný jako Paxlovid) se již používá v klinické praxi, stále přetrvává potřeba vývoje nových výpočetních metodologií pro učinnější návrh nových látek. Tato práce používá pro návrh inhibitorů tzv. farmakofory. Nejprve jsme prozkoumali 298 struktur komplexů Mpro s inhibitory, které byly získány z databáze proteinových struktur (Protein Data Bank; PDB). Definovali jsme 6 skupin látek vázajících se do aktivního místa proteinu odlišnými vazebnými módy. Na základě těchto skupin jsme vytvořili 6 unikátních farmakoforových hypotéz. Ty jsme využili při molekulárním dokování, jehož účinnost byla kvantifikována měřením směrodatné odchylky (angl. root-mean-square deviation, RMSD) generovaných konformací vůči nativním konformacím. Prezentovaný protokol zachytil 177 z 213 ligandů, které se přirozeně vázaly do...
Keywords:
krystalová struktura; molekulární dokování; skórování; crystal structure; molecular docking; scoring
Available in a digital repository NRGL
Vývoj protokolu využívajícího farmakoforové a dokovací přístupy pro vývoj inhibitorů hlavní proteasy viru SARS-CoV-2
Covid-19 is a highly contagious potentially life-threatening disease caused by the SARS-CoV-2 coronavirus. The virus is responsible for a global pandemic and has claimed over 6 million human lives ...
Simulace prstenců obklopujících předchůdce SN1987A
Jireš, Michal; Pejcha, Ondřej; Calderón Espinoza, Diego Nicolas
2024 - English
SN1987A, the first supernova visible by the naked eye since 1600s, is anomalous by existence of preexisting triple ring nebula around it. One candidate explanation of the nebula is a binary merger of SN1987A's progenitors. This was already modelled in previous work with smoothed-particle hydrodynamics code GADGET. This thesis aims to replicate this model using mesh-based hydrodynamics code Athena++ and compare it. We focus on ejected mass per latitude distribution and total ejected mass. 1 SN1987A, první supernova viditelná vlastním okem od 17. století, je anomální exis- tencí trojprstencovité mlhoviny obklopující tuto supernovu. Jedno z nabízených vysvětlení je kolize dvojhvězdy. To už bylo modelováno v předchozí práci, která využívala smoothed- particle hydrodynamický kód GADGET. Tato práce má za cíl replikovat tento model po- mocí na mřížce založeném hydrodynamickém kódu Athena++ a porovnat. Zaměřujeme se na rozložení uvolněné hmoty v závislosti na zeměpisné šířce a její celkové množství. 1
Keywords:
SN1987A|simulace; SN1987A|simulation|binary merger
Available in a digital repository NRGL
Simulace prstenců obklopujících předchůdce SN1987A
SN1987A, the first supernova visible by the naked eye since 1600s, is anomalous by existence of preexisting triple ring nebula around it. One candidate explanation of the nebula is a binary merger of ...
Použití metod zobrazení mračna bodů pro ověření polohy kamery
Kremel, Tomáš; Pajdla, Tomáš; Guba, Peter
2024 - English
Visual localization is the problem of estimating the 6 degrees of freedom camera pose from which a query image was taken relative to a known reference scene representation. It is the key for applications such as Augmented, Mixed, and Virtual Reality, as well as autonomous robotics such as drones or self-driving cars. This thesis focuses on a visual localization pipeline, especially on its pose verification and reranking step. The pipeline uses 3D point clouds and 2D-3D correspondences be- tween the query image and 3D scene points for candidate camera poses estimations. The thesis explores point cloud rendering approaches as they are utilized in the pipeline and the verification step-the render of the discretized scene from a given candidate position is compared to the actual query image to asses if the given couple depicts the same place. One of the main challenges of such rendering is occlusion handling. Due to the sparsity of points employed for otherwise continuous real world representation, information about what lies in the front and what is hidden can be easily lost when projected to the 2D image. Rendering approaches explored in this thesis focus on the challenge directly or as a component of a novel view synthesis DNN-based renderer. Rendering influence on localization performance is investigated. 1 Vizuální lokalizace je problém odhadování parametrů šesti stupňů volnosti pozice kamery, z níž byla pořízena dotazovaná fotografie, přičemž pozice je vztažena ke známé reprezentaci referenčního prostředí. Řešení tohoto problému je klíčové v aplikacích jako jsou rozšířená, smíšená a virtuální realita, stejně tak v oblasti autonomní robotiky zahrnu- jící drony a samořiditelné automobily. Tato práce se soustředí na vizuální lokalizační algoritmus, zejména na jeho verifikační a přeřazovací krok. Tento algoritmus interně využívá třídimenzionální mračna bodů a hledání korespondencí mezi těmito body a dotazovanou fotografií pro nalezení odhadů kandidátních pozic kamery. Práce zkoumá přístupy k renderování mračen bodů a jejich využití v rámci algoritmu a jeho verifikačního kroku - render diskretizovaného prostředí z konkrétní kandidátní pozice se v něm porovnává s danou dotazovanou fotografií za účelem určení toho, zda oba pohledy zobrazují to samé místo. Jedna z hlavních výzev renderingu diskretizovaného prostředí jsou okluze. Kvůli říd- kosti bodů využitých jako reprezentace jinak spojitého reálného světa může být infor- mace o tom, co leží v popředí a co v pozadí, lehce ztracena při promítnutí bodů na dvoudimenzionální obraz. Přístupy k renderování zkoumané v této práci se soustředí na renderování bodů přímo...
Keywords:
Vizuální lokalizace|Neurální rendering|Mračno bodů; Visual localization|Neural rendering|Point cloud
Available in a digital repository NRGL
Použití metod zobrazení mračna bodů pro ověření polohy kamery
Visual localization is the problem of estimating the 6 degrees of freedom camera pose from which a query image was taken relative to a known reference scene representation. It is the key for ...
Material picker: Rozpoznávání materiálů v obraze pomocí strojového učení
Jurčák, Filip; Vévoda, Petr; Šikudová, Elena
2024 - English
The process of setting material properties for realistic appearance after rendering is usually tiresome and often requires carefully crafted skill for fine-tuning the parameters, as different combinations of these parameters can produce different-looking materials. To simplify this process, we introduce a solution to the texture transfer problem by creating a pipeline containing several deep neural networks. These networks subsequently represent solutions to inverse rendering and material segmentation by predicting intrinsic scene characteristics, like diffuse and specular albedo, surface normals, glossiness, view vector, texture coordinates, and segmentation, all from a single image. Artists can subsequently plug these inferenced properties inside their 3D scene representations and thus reduce the time needed to iterate over several design ideas. To train these networks, we generated high-quality dataset of substantial size using physically-based techniques to ensure good generalization on real-world images. 1 Proces nastavování vlastností materiálu pro realistický vzhled po vyrenderování je obvykle únavný a často vyžaduje pečlivě nadobudnutou zručnost pro jemné doladění parametrů, protože různé kombinace těchto parametrů mohou produkovat různě vy- padající materiály. Pro zjednodušení tohoto procesu představujeme řešení problému přenosu textur vytvořením nástroje obsahujícího několik hlubokých neuronových sítí. Tyto sítě následně představují řešení pro inverzní renderování a segmentaci materiálu předpovídáním vnitřních charakteristik scény, jako je difuzní a lesklé albedo, povrchové normály, lesk, pohledový vektor, texturové souřadnice a segmentace, toto vše z jednoho snímku. Umělci mohou následně použít tyto odvozené vlastnosti ve svých reprezentací 3D scény a zkrátit tak čas potřebný k iteraci několika nápadů návrhů. Abychom tyto sítě trénovali, vygenerovali jsme vysoce kvalitní datovou sadu značné velikosti pomocí fyzicky založených technik, abychom zajistili dobrou generalizaci na obrázky z reálného světa. 1
Keywords:
strojové učení|hluboké učení|počítačová grafika|inverzní renderování|segmentace materiálů|rozpoznávání materiálů; machine learning|deep learning|computer graphics|inverse rendering|material segmentation|material recognition
Available in a digital repository NRGL
Material picker: Rozpoznávání materiálů v obraze pomocí strojového učení
The process of setting material properties for realistic appearance after rendering is usually tiresome and often requires carefully crafted skill for fine-tuning the parameters, as different ...
Soutež Algonauts 2023: predikce lidské fMRI aktivity při stimulaci vizuálními stimuli
Petliak, Nataliia; Antolík, Ján; Bojar, Ondřej
2024 - English
In this thesis, we investigate the application of pretrained Deep Neural Networks, par- ticularly Vision Transformers (ViT), for predicting human fMRI activity in response to visual stimulation. The Algonauts Challenge 2023 dataset, serving as a large-scale bench- mark of human fMRI data, allows us to assess the performance of ViT in comparison with established CNN architectures like VGG and ResNet. Our study highlights the complex- ity of this task, especially in accurately modeling the diverse regions of the full visual cortex. We identify specific ViT layers that align with the brain's hierarchical processing and prove to be the most predictive. However, one of the limitations we encounter with pretrained ViT is its reduced adaptability due to inherent subject variability. This limi- tation underscores the challenge in developing a single model that is universally effective across different individuals. To address this, we implement an iterative training strategy, starting with the layers that perform best across all subjects, followed by fine-tuning for specific visual areas in individual subjects. Despite these efforts, the effectiveness of ViT varies; it performs satisfactorily in some subjects but struggles in others, particu- larly in word-selective regions. The incorporation of textual data... V této diplomové práci zkoumáme využití předtrénovaných hlubokých neuronových sítí, zejména Vision Transformers (ViT), pro predikce lidské fMRI aktivity při stimu- laci vizuálními stimuli. Dataset z Algonauts Challenge 2023, která slouží jako rozsáhlý standard pro data fMRI lidského mozku, nám umožňuje hodnotit výkon ViT ve srovnání s etablovanými architekturami CNN, jako jsou VGG a ResNet. Naše studie zdůrazňuje složitost tohoto úkolu, zejména při přesném modelování různorodých oblastí celé vizuální kůry. Identifikujeme konkrétní vrstvy ViT, které jsou v souladu s hierarchickým zpra- cováním mozku a ukazují se jako nejpředpovědnější. Jedním z omezení, na které jsme narazili u předtrénovaného ViT, je jeho snížená adaptabilita kvůli vrozené variabilitě subjektů. Toto omezení zdůrazňuje výzvu ve vývoji jediného modelu, který je univer- zálně účinný pro různé jedince. Abychom toto řešili, implementujeme iterativní strategii trénování, začínající vrstvami, které fungují nejlépe napříč všemi subjekty, následované jemným laděním pro specifické vizuální oblasti jednotlivých subjektů. Navzdory těmto snahám se účinnost ViT liší; u některých subjektů dosahuje uspokojivých výsledků, ale u jiných se potýká, zejména ve word-selectivnich oblastech. Přidání textových dat ke vstupu vede ke zlepšení výkonu modelu v...
Keywords:
hluboké učení|predikce fMRI|vizualní stimuly|vision transformers; deep learning|fMRI prediction|visual stimuli|vision transformers
Available in a digital repository NRGL
Soutež Algonauts 2023: predikce lidské fMRI aktivity při stimulaci vizuálními stimuli
In this thesis, we investigate the application of pretrained Deep Neural Networks, par- ticularly Vision Transformers (ViT), for predicting human fMRI activity in response to visual stimulation. The ...
Evoluční strategie pro optimalizaci policy v transformerech
Lorenc, Matyáš; Neruda, Roman; Pilát, Martin
2024 - English
We explore the capability of evolution strategies to train a transformer architecture in the reinforcement learning setting. We perform experiments using OpenAI's highly parallelizable evolution strategy and its derivatives utilizing novelty and quality-diversity searches to train Decision Transformer in Humanoid locomotion environment, testing the ability of these black-box optimization techniques to train even such relatively large (com- pared to the previously tested in the literature) and complicated (using a self-attention in addition to fully connected layers) models. The tested algorithms proved to be, in gen- eral, capable of achieving strong results and managed to obtain high-performing agents both from scratch (randomly initialized model) and from a pretrained model. 1 Cílem práce je prozkoumat schopnost evolučních strategií trénovat architektury trans- formerů v prostředí zpětnovazebního učení. Provedeme experimenty s využitím vysoce paralelizovatelného algoritmu OpenAI-ES a dvou jeho variant využívajících konceptů no- velty a quality-diversity prohledávání k trénování architektury Decision Transformeru v prostředí MuJoCo Humanoida a otestujeme tak schopnost těchto black-box optimalizač- ních technik trénovat i takto relativně velké (ve srovnání s dříve testovanými) a kom- plikované modely (využívajících self-attention vedle klasických plně propojených vrstev). Testované algoritmy se v našich experimentech ukázaly obecně jako schopné dosahovat silných výsledků a dokázaly vyvinout vysoce výkonné agenty - a to jak z náhodně ini- cializovaného modelu, tak z předtrénovaného modelu. 1
Keywords:
Evoluční strategie|Transformery|Optimalizace policy|Novelty; Evolution strategies|Tranformers|Policy optimization|Novelty
Available in a digital repository NRGL
Evoluční strategie pro optimalizaci policy v transformerech
We explore the capability of evolution strategies to train a transformer architecture in the reinforcement learning setting. We perform experiments using OpenAI's highly parallelizable evolution ...
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