No (75890)
Used filters
(2)
Number of found documents:
75890
Published from
to
Zvýšení rozlišení obrazu pomocí hlubokých neuronových sítí
Bublavý, Martin; Juránková, Markéta; Španěl, Michal
2023 - Slovak
Lekárske zobrazovanie, ktoré je základnou súčasťou súčasnej zdravotnej starostlivosti, umožňuje identifikovať a liečiť rôzne ochorenia. Prvky ako šum a nízke rozlíšenie však môžu mať negatívny vplyv na kvalitu lekárskych snímkov. V tejto práci bolo skúmané, ako zlepšiť rozlíšenie a kvalitu lekárskych fotografií pomocou MedSRGAN, modelu hlbokého učenia postaveného na generatívnych adverzných sieťach (GAN). Sieť MedSRGAN bola implementovaná a aplikovaná na počítačovú tomografiu (CT), jedna z široko využívaných lekárskych zobrazovacích metód. The ability to identify and treat a variety of medical diseases is made possible by medical imaging, which is an essential component of contemporary healthcare. Yet, elements like noise and low resolution can have a negative impact on the quality of medical photographs. In this thesis, how to enhance the resolution and quality of medical images was investigated using MedSRGAN, a deep learning model built on generative adversarial networks (GANs). MedSRGAN was implemented and then applied to computed tomography (CT), one of the most utilized medical imaging methods.
Keywords:
MedSRGAN; medical imaging; deep learning; generative adversarial networks (GANs); computed tomography (CT); image resolution; image quality; super-resolution; medical diagnosis; residual blocks; convolutional neural networks (CNNs); image enhancement; image restoration; image reconstruction; image processing
Available in a digital repository NRGL
Zvýšení rozlišení obrazu pomocí hlubokých neuronových sítí
Lekárske zobrazovanie, ktoré je základnou súčasťou súčasnej zdravotnej starostlivosti, umožňuje identifikovať a liečiť rôzne ochorenia. Prvky ako šum a nízke rozlíšenie však môžu mať negatívny vplyv ...
Diferenciovatelný návrh architektury neuronových sítí
Eichler, Vojtěch; Piňos, Michal; Mrázek, Vojtěch
2023 - Czech
Cílem této práce je navrhnout systém pro diferencovatelný návrh architektury neuronových sítí, který následně umožní experimentovat s návrhem různých typů neuronových sítí. Práce vychází z nové metody DARTS (Differentiable architecture search) a přináší její implementaci v knihovně TensorFlow verze 2, kde nebyla k dispozici. Následně jsou v této práci popsány experimenty s operacemi běžných konvolučních sítí, konvolučních sítí s vrstvami využívajícími aproximačních násobiček a s operacemi kombinujícími mechanismy pozornosti a konvoluce. Přínosem této práce je tedy systém pro diferencovatelný návrh architektury neuronových sítí, který umožňuje experimenty s různými vrstvami z moderních verzí knihovny TensorFlow. The aim of this work is to propose a system for differentiable architecture search, which can be used for design of some neural network types. The work is based on the DARTS (Differentiable architecture search) approach and implements similar system in TensorFlow. Experiments with regular convolution neural networks, convolution neural networks using approximate multipliers and neural networks combining attention and convolution machanisms are presented. The main contribution of this work is novel implementation of a diferentiable architecture search system supporting various layers from the recent versions of the TensorFlow library.
Keywords:
neuronové sítě; konvoluční neuronové sítě; automatický návrh neuronových sítí; TensorFlow; diferencovatelný návrh architektury; umělá inteligence; strojové učení; hluboké učení; neural networks; convolutional neural networks; network architecture search; TensorFlow; differentiable architecture search; artificial intelligence; machine learning; deep learning
Available in a digital repository NRGL
Diferenciovatelný návrh architektury neuronových sítí
Cílem této práce je navrhnout systém pro diferencovatelný návrh architektury neuronových sítí, který následně umožní experimentovat s návrhem různých typů neuronových sítí. Práce vychází z nové metody ...
Návrh logaritmických násobiček
Drlíčková, Alena; Vašíček, Zdeněk; Mrázek, Vojtěch
2023 - Czech
Tato práce se zabývá možnostmi vylepšení logaritmických násobiček pomocí aproximačních metod. Cílem bylo naimplementovat logaritmické násobičky podle konstrukcí popsaných v literatuře a identifikovat možnosti jejich modifikací. V rámci této práce je popsán způsob, jakým proběhla implementace obvodů násobiček a jejich částí. Jsou zde navrženy způsoby vylepšení těchto obvodů založené na výměně jejich komponent a celkové modifikaci pomocí evoluční metody. Parametry vytvořených logaritmických násobiček jsou porovnány s hodnotami dostupných aproximačních násobiček. This thesis deals with the possibilities of improving logarithmic multipliers using approximation methods. The goal was to implement logarithmic multipliers according to the constructions described in the literature and to identify the possibilities of their modifications. This work describes the way in which the implementation of multiplier circuits and their parts took place. Ways to improve these circuits based on the replacement of their components and overall modification using evolutionary methods are proposed here. The parameters of the created logarithmic multipliers are compared with the values of the available approximation multipliers.
Keywords:
logaritmická násobička; aproximační obvody; kartézské genetické programování; přibližné počítání; logarithmic multiplier; approximation circuits; Cartesian genetic programming; approximate computation
Available in a digital repository NRGL
Návrh logaritmických násobiček
Tato práce se zabývá možnostmi vylepšení logaritmických násobiček pomocí aproximačních metod. Cílem bylo naimplementovat logaritmické násobičky podle konstrukcí popsaných v literatuře a identifikovat ...
Vyhodnocování spolehlivostních ukazatelů pomocí SMC
Gajdošík, Róbert; Lojda, Jakub; Strnadel, Josef
2023 - English
Cieľom tejto práce bolo vyhodnotiť ukazalete spoľahlivosti výpočtových systémov. V pr- vom rade bola založená terminológia ktorá vysvetľuje základné pojmy ohľadom štatistiky and spoľahlivosti. Ďalej boli v tomto kroku preskúmané typy a vlastnosti chýb ktoré sa v takýchto systémoch vyskytujú, a techniky ktoré sa dajú využit na ich potlačenie alebo zmiernenie ich dopadu na fungovanie systému. V ďalšom kroku boli vysvetlené základné koncepty ohľadom modelovania a simulácie ako aj krátky nahľad do presností jednotlivých techník ktoré boli zvažované ako možnosti ktoré by boli použiteľné pri samotnom pro- cese generovania dát. Po rozhodnutí ísť cestou štatistickej simulácie boli v ďalšom kroku zavedené metódy pre generovanie dát analytickým spôsobom ktoré slúžia na overenie dát vygenerovaných štatistickými simuláciami, do úrovne kde je ešte možné sa k nim dostať re- latívne jednoduchými výpočtami. Nasleduje prehľad nástrojov na implementáciu modelov našich systémov, ich výhody a nevýhody a miera použiteľnosti. V ďalšich krokoch boli vo vybranom nástroji Uppaal SMC naimplementované niektoré vybrané systémy a situácie na základe časovych automatov, a následne boli vyhodnotené oproti iným metódam zlepšenia spoľahlivosti ako aj oproti analyticky dosiahnutým dátam. Práca končí zavermi ktoré boli vyvodené z testovacích dát. The aim of this thesis is assessing dependability of computerized systems using modelling and simulation. After establishing basic nomenclature, research was performed on de- pendability metrics, fault taxonomy and dependability bolstering techniques. Afterwards, analytical solutions were explored to be used as a reference point. Next, multiple simulation tools were assessed and Uppaal SMC was chosen as the most suitable tool because of it’s timed automaton framework enriched with a query language and multiple Simulation Model Checking tools. Finally, systems describing multiple relevant situations were implemented and evaluated against both themselves and the analytically computed reference point.
Keywords:
assessment; dependability; Uppaal; Uppaal SMC; modelling; simulation; analysis; faults; sparing; reconfiguration; statistics; timed automaton; automaton; multiplex; vyhodnocovanie; spoľahlivosť; Uppaal; Uppaal SMC; modelovanie; simulácia; analýza; chyby; nahrázanie; rekonfigurácia; štatistika; časovaný automat; automat; multiplex
Available in a digital repository NRGL
Vyhodnocování spolehlivostních ukazatelů pomocí SMC
Cieľom tejto práce bolo vyhodnotiť ukazalete spoľahlivosti výpočtových systémov. V pr- vom rade bola založená terminológia ktorá vysvetľuje základné pojmy ohľadom štatistiky and spoľahlivosti. Ďalej ...
Aplikace genetického programování
Kachyňa, Tadeáš; Strnadel, Josef; Bidlo, Michal
2023 - Czech
Tato práce se věnuje problematice úlohy Langtonova mravence a využití stromového a lineárního genetického programování jako metod pro řešení tohoto problému. Langtonův mravenec je abstraktní matematický model, jenž využívá jednoduchých pravidel k pohybu mravence po dvoudimenzionální mřížce. Úkolem je sesbírat všechnu potravu v co nejmenším počtu kroků. Cílem práce je tedy aplikace výše dvou zmíněných technik na vybrané instance tohoto problému, následné provedení experimentů a statistické vyhodnocení včetně porovnání výsledků s těmi dostupnými v literatuře. Mimo to bude cílem dané metody optimalizovat různými vylepšeními pro dosáhnutí co nejlepších výsledků. This thesis deals with the problem of the Langton's artificial ant task and the use of tree-based and linear genetic programming as methods for solving this problem. Langton's ant is an abstract mathematical model that uses simple rules to move an ant along a two-dimensional grid. The task is to collect all the food in as few steps as possible. The goal of the thesis is the application of the two techniques mentioned above to selected instances of this problem, subsequent experimentation and statistical evaluation, including a comparison of the results with those available in the literature. In addition, the aim will be to optimize the given methods with various improvements to achieve the best possible results.
Keywords:
stromové genetické programování; lineární genetické programování; evoluční algoritmy; langtonův mravenec; tree-based genetic programming; linear genetic programming; evolutionary algorithms; langton's ant
Available in a digital repository NRGL
Aplikace genetického programování
Tato práce se věnuje problematice úlohy Langtonova mravence a využití stromového a lineárního genetického programování jako metod pro řešení tohoto problému. Langtonův mravenec je abstraktní ...
Kolekce nástrojů pro zjednodušení tvorby herních assetů v Blenderu
Hrabovský, Milan; Pečiva, Jan; Chlubna, Tomáš
2023 - Slovak
Práca sa zaoberá tvorbou doplnkov pre open source program Blender, ktorého úlohou je uľahčiť vytváranie herných assetov pre amatérskych vývojárov. Na rozdiel od ostatných add-onov, ktoré tieto problémy riešia podrobnejšie ale konkrétne, je toto riešenie istým spôsobom zjednotenie a zjednodušenie týchto nástrojov pre základné potreby užívateľa. Užívateľ si môže napríklad nechať vygenerovať sneh, charakter, obaľovacie boxy, spojený objekt s kostrou, levely detailov objektov alebo využiť nástroje na explodovanie objektov, nastavenie aktívnej textúry, vypočítanie hustoty pixelov pre objekt a načítanie objektov na prázdne body. The thesis deals with the creation of an add-on for the open source program Blender, whose task is to facilitate the creation of game assets for amateur developers. Unlike other addons that solve these problems in a more detailed but specific way, this solution is unification and simplification of these tools, for the basic needs of the user. For example, the user can generate snow, character, bounding boxes, merged object with skeleton, level of details, or use tools to explode objects, set active texture, calculate texel density for an object, and load objects on empty points.
Keywords:
Blender addon; Game assets; Game development; 3D modelelling; Blender
Available in a digital repository NRGL
Kolekce nástrojů pro zjednodušení tvorby herních assetů v Blenderu
Práca sa zaoberá tvorbou doplnkov pre open source program Blender, ktorého úlohou je uľahčiť vytváranie herných assetov pre amatérskych vývojárov. Na rozdiel od ostatných add-onov, ktoré tieto ...
Analýza výpočetní náročnosti samoopravných kódů
Bártů, Tomáš; Drábek, Vladimír; Bidlo, Michal
2023 - Czech
Práce se zabývá samoopravnými kódy. Konkrétně kódováním a dekódováním Reed-Solomonových kódů. Je zde popsán úvod do samoopravných kódů, dále princip kódování následovaný popisem dekódování Reed-Solomonových kódů pomocí Petterson-Gorenstein-Zierlerova, Berlekamp-Masseyho a Euklidova algoritmu. Posléze je zde popsána implementace, jež realizuje některé ze zmíněných algoritmů. Následují experimenty s aplikací, které porovnávají časovou a iterační náročnost kódovacího a dekódovacího procesu. The work deals with error-correcting codes, specifically encoding and decoding Reed-Solomon codes. An introduction to error-correcting codes is provided, followed by a description of the encoding and decoding principle of Reed-Solomon codes using the Petterson-Gorenstein-Zierler, Berlekamp-Massey, and Euclidean algorithms. Implementation is then described, which realizes some of the mentioned algorithms. This is followed by experiments with applications that compare the time and iteration complexity of the encoding and decoding processes.
Keywords:
Reed-Solomonův kód; Samoopravný kód; Berlekamp-Masseyův algoritmus; Euklidův algoritmus; Petterson-Gorenstein-Zierlerův algoritmus; Reed-Solomon code; Error correction code; Berlekamp-Massey algorithm; Euclidean algorithm; Petterson-Gorenstein-Zierler algorithm
Available in a digital repository NRGL
Analýza výpočetní náročnosti samoopravných kódů
Práce se zabývá samoopravnými kódy. Konkrétně kódováním a dekódováním Reed-Solomonových kódů. Je zde popsán úvod do samoopravných kódů, dále princip kódování následovaný popisem dekódování ...
Metody získávání znalostí z dat
Kubincová, Monika; Bartík, Vladimír; Burgetová, Ivana
2023 - Slovak
Bakalárska práca sa zaoberá spracovaním a analýzou dát obchodnej spoločnosti, s cieľom vytvoriť analytický nástroj na pravidelné získavanie poznatkov z dát, ktorý pomáha firme s dôležitými strategickými rozhodnutiami. V teoretickej časti práce sú popísané rôzne spôsoby získavania poznatkov a spracovania dát s výrazným zameraním na metódu zhlukovania. Práca ďalej opisuje dostupné dátové sady, ktoré boli využité na analýzu. Nasleduje implementácia navrhnutých úloh. V závere práce sú prezentované výsledky analýzy a využiteľnosť do budúcna, vrátane návrhov na zlepšenie. The Bachelor's thesis deals with the processing and analysis of data from a commercial company, aiming to create an analytical tool for regular knowledge extraction from data that assists the company with important strategic decisions. The theoretical part of the thesis describes various methods of data mining and data processing, with a significant focus on the clustering method. The thesis further describes the available datasets that were used for the analysis and implementation of the proposed tasks. The final part of the concludes results of the analysis and its future usability including suggestions for improvement.
Keywords:
Data mining; Data analysis; Python; Clustering; Hierarchical clustering
Available in a digital repository NRGL
Metody získávání znalostí z dat
Bakalárska práca sa zaoberá spracovaním a analýzou dát obchodnej spoločnosti, s cieľom vytvoriť analytický nástroj na pravidelné získavanie poznatkov z dát, ktorý pomáha firme s dôležitými ...
Evoluční optimalizace extraktoru příznaků klasifikátoru EEG
Ovesná, Anna; Hurta, Martin; Mrázek, Vojtěch
2023 - Czech
Tato práce se zaměřuje na optimalizaci klasifikace EEG signálu alkoholiků a kontrolních subjektů pomocí evolučních algoritmů s vícekriteriálním přístupem. Hlavním cílem je maximalizovat přesnost, senzitivitu a specificitu klasifikačního algoritmu a minimalizovat počet použitých příznaků. Práce využívá čtyři různé klasifikátory, konkrétně Support Vector Machine, k-nearest neighbors, Naive Bayes a AdaBoost. Výběr nejlepších příznaků je optimalizován pomocí tří různých evolučních přístupů, z nichž dva převádějí vícekriteriální optimalizaci na jednokriteriální pomocí váženého součtu a omezení maximálního počtu příznaků. Pareto optimální řešení nalézá algoritmus NSGA-II. Výsledky dokazují, že evoluční algoritmy v kombinaci s vhodnými klasifikátory spolehlivě rozeznají člověka se sklonem k alkoholismu od toho se zdravým vztahem k alkoholu. This work focuses on the optimisation of EEG signal classification of alcoholics and control subjects using evolutionary algorithms with a multi-objective approach. The main goal is to maximise the accuracy, sensitivity and specificity of the classification algorithm and minimise the number of features used. Four different classifiers are used, namely Support Vector Machine, k-nearest neighbors, Naive Bayes and AdaBoost. The selection of the best features is optimised using three different evolutionary approaches, two of which convert multi-objective optimisation to single-objective using weighted summation or restricting the maximum number of features. The Pareto optimal solutions are found by the NSGA-II algorithm. Results show that the evolutionary algorithms, combined with appropriate classifiers, reliably distinguish a person with a tendency to alcoholism from one with a healthy relationship towards alcohol.
Keywords:
odhalení alkoholismu; elektroencefalogram; wavelet transformation; extrakce příznaků; evoluční algoritmy; vícekriteriální optimalizace; klasifikace signálů; alcoholism detection; electroencephalogram; wavelet transformation; features extraction; evolutionary algorithms; multi objective optimisation; signals classification
Available in a digital repository NRGL
Evoluční optimalizace extraktoru příznaků klasifikátoru EEG
Tato práce se zaměřuje na optimalizaci klasifikace EEG signálu alkoholiků a kontrolních subjektů pomocí evolučních algoritmů s vícekriteriálním přístupem. Hlavním cílem je maximalizovat přesnost, ...
Metody hlubokého učení pro strojové hraní hry Scotland Yard
Hrkľová, Zuzana; Janoušek, Vladimír; Zbořil, František
2023 - English
Táto práca sa zaoberá metódami hlbokého učenia, ktoré sú aplikovateľné na stolné hry s neurčitosťou. V rámci práce boli naštudované princípy učenia s posilňovaním, s hlavným zameraním na Q-learning algoritmy, spomedzi ktorých bol vybraný Deep Q-Network algoritmus. Ten bol následne implementovaný na zjednodušených pravidlách stolnej hry Scotland Yard. Konečná implementácia bola porovnaná s metódami Alpha-Beta a Monte Carlo Tree Search. S výsledkov vyplinulo, že schovávaný hráč riadený DQN algoritmom predstavoval pre ostatné metódy najťažšieho protihráča, narozdiel od hľadajúcich hráčov, ktorým sa nepodarilo zlepšiť existujúce riešenia. Napriek tomu, že implementovaná metóda nedosiahla lepšie výsledky oproti doposiaľ existujúcim metódam, ukázalo sa, že potrebuje najmenej výpočetných zdrojov a času na vykonanie daného ťahu. To ju robí najperspektívnejšou zo spomínaných metód na budúcu možnú implementáciu originálnej verzie danej hry. This theses concerns with deep learning methods applied to machine playing board games containing movement uncertainty. Reinforcement learning principles with main focus on Q-learning algorithms were studied, among which Deep Q--Network had been chosen and applied on simplified rules of the Scotland Yard board game. The final implementation was put to test against Alpha-Beta and Monte Carlo Tree Search. The results have shown that the hider driven by DQN represented the hardest opponent for the other two methods, while the DQN seekers did not manage to surpass past results. Although the implemented method did not reach better results than currently known methods, it proved to be the least demanding when considering computational resources and time needed to perform a given move, making it the most perspective to implement on original version of the game in the future.
Keywords:
machine learning; deep learning; neural networks; reinforcement learning; Q-learning; DQN; board games; strategy games; games with uncertainty; Scotland Yard; strojové učenie; hlboké učenie; neurónové siete; posilované učenie; Q-learning; DQN; stolné hry; strategické hry; hry z neurčitosťou; Scotland Yard
Available in a digital repository NRGL
Metody hlubokého učení pro strojové hraní hry Scotland Yard
Táto práca sa zaoberá metódami hlbokého učenia, ktoré sú aplikovateľné na stolné hry s neurčitosťou. V rámci práce boli naštudované princípy učenia s posilňovaním, s hlavným zameraním na Q-learning ...
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