Bakalářské práce
Neuronová síť pro hraní Pokeru
Autor
Marek Hanuš
Rok
2017
Typ
Bakalářská práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Jan Drchal, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá vytvořením umělé inteligence pro karetní hru poker s využitím umělých neuronových sítí. Na rozdíl od ostatních projektů, které se věnují tématice umělé inteligence ve hrách, je v této práci neuronová síť použita jako jediné rozhodovací kritérium a její výstupy přímo odpovídají tahům hráče. Hráči se zlepšují za pomoci metody posilovaného učení připomínající styl, kterým se učí lidé, tedy ze svých zkušeností. Výsledky testování ukázaly, že takto vytvořená neuronová síť hraje na podobné úrovni jako rekreační hráč.
Knihovna pro bezdrátové ovládání GoPro kamery z prostředí Wolfram Mathematica
Autor
Michal Sládek
Rok
2017
Typ
Bakalářská práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Michal Štepanovský, Ph.D.
Katedra
Anotace
Cílem této práce je prozkoumat možnosti vzdáleného ovládání kamery GoPro, navrhnout a implementovat knihovnu v jazyce Wolfram Language, která tuto funkcionalitu zpřístupní v prostředí Wolfram Mathematica. Výsledná knihovna nabízí funkce pro nastavení režimu snímání (pro fotografie i videa), nastavení parametrů obrazu (rozlišení, kompenzace expozice, FPS), dálkové ovládání kamery a zpřístupnění dat.
Neuronové sítě pro řízení počítačové hry
Autor
Ondřej Černý
Rok
2017
Typ
Bakalářská práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
doc. Ing. Pavel Kordík, Ph.D.
Katedra
Anotace
Tato práce se zabývá použitím neuronových sítí pro hraní počítačové hry Asteroids namísto lidského hráče.
Diskutuje nasazení různých typů umělé inteligence do této hry.
V práci je implementován klon zmíněné hry a plně rekurentní neuronová síť hrající hru z hráčovy perspektivy.
K učení neuronové sítě používá práce diferenciální evoluci, podmnožinu evolučních algoritmů.
Dále se v práci experimentuje s nastavením diferenciální evoluce a neuronovou sítí.
Výsledky těchto experimentů jsou porovnávány s lidským chováním.
Klasifikace dokumentů pomocí metod strojového učení
Autor
Artem Ustynov
Rok
2020
Typ
Bakalářská práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Michal Štepanovský, Ph.D.
Katedra
Anotace
Problém hledání v nekategorizovaných dokumentech spočívá v tom, že uživatelům jsou často prezentovány výsledky, které obsahují hledaná klíčová slova, ale nejsou pro uživatele relevantní. Cílem této práce je rozšířit dokumenty o štítky na základě obsahu dokumentů. K dosažení cíle bylo zvažováno několik přístupů: Elasticsearch, Semaphore, LSTM, BERT. Cílem práce je zjistit, která technika má největší potenciál a poskytuje nejlepší výsledky. Všechny uvedené přístupy byly testovány a vyhodnoceny. Bylo zjištěno, že modely BERT fungovaly nejlépe a splnily všechny vstupní požadavky. Zlepšení kvality klasifikace pomocí BERT bylo dosaženo použitím počátečního modelu a manuální klasifikací malé sady dokumentů s nízkým skóre spolehlivosti.
Predikce věku na základě 3D scanu obličeje
Autor
Filip Žďánský
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Miroslav Čepek, Ph.D.
Katedra
Anotace
Bakalářská práce se zabývá odhadem věku lidského obličeje zachyceném na trojrozměrném skenu
tváře. Odhad je prováděn pomoci metod strojového učeni zejména umělých neuronových siti.
Práce posuzuje chybovost odhadu věku pomoci různých umělých neuronových siti. Zohledňuje
různou reprezentaci dat, které lze převést z trojrozměrného skenu a analyzovat, a jejich dopad na
výslednou predikci věku. Dále zkoumá dopad klasifikace v souvislosti s pohlavim osoby zachycené
na skenu. V neposledni řadě posuzuje přesnost rozpoznáni věkových skupin 15, 18 a 40 let.
Diplomové práce
Modelování chování zákazníků na základě transakčních logů
Autor
Jitka Kubelová
Rok
2016
Typ
Diplomová práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Katedra
Anotace
Cílem této diplomové práce je modelování chování zákazníka z transakčních dat.
Ke zpracování používám modely pro zpracování časových událostí a transakčních dat: Markovské řetězce, RFM analýzu, K-means, SOM, THSOM a asociační pravidla.
V praktické části se věnuji aplikaci vybraných modelů na data se soutěže Acquire Valued Shoppers Challenge uložených v databázi Vertica. Demonstruji použití těchto modelů a jejich přínos. Na výsledky jednotlivých modelů aplikuji shlukovou analýzu, která odhaluje shluky podobných zákazníků a věnuji se také popisu takto vzniklých shluků.
Generování hudby pomocí neuronových sítí
Autor
Jan Staněk
Rok
2017
Typ
Diplomová práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Jan Drchal, Ph.D.
Katedra
Anotace
Tato práce se zabývá generováním hudby pomocí rekurentních neuronových sítí. V řešení byly použity modely s GRU a LSTM jednotkami. Ty se snažily v různých konfiguracích naučit vytvářet skladby, a to na základě klasické hudby (určené pro piano) uložené v MIDI formátu. Z tohoto základu se posléze generovala nová díla.
Nejprve se testovala schopnost naučit se konkrétní skladby a z nich vygenerovat identické kopie. Posléze se experimentovalo s generováním skladeb nových. Sítě byly schopné vygenerovat kopie, které se až z 83 % podobaly originálu.
Výsledkem práce je rešerše na téma generování hudby a vypracování programu schopného vygenerovat nové skladby z existujících.
DeepRCar: Autonomní model auta
Autor
David Ungurean
Rok
2018
Typ
Diplomová práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Michal Štepanovský, Ph.D.
Katedra
Anotace
Tato práce se zabývá stavbou modelu autonomního vozu na dálkové ovládání a jeho kontrolou pomocí hlubokých neuronových sítí. Vozidlo je schopno zatáčet samo pouze na základě vizuálního vstupu z přední kamery. Text práce popisuje jeho kompletní vývoj od výběru hardwarových komponent, návrhu kontrolního systému, až po selekci a učení konvoluční neuronové sítě, která ovládá nastavení kol. Model se naučil rozeznat okraje jízdního pruhu, přestože měl během učení přístup pouze ke dvojicím vstupní obrázek a příslušný úhel kol pro danou situaci. Finální systém operuje při 20 snímcích za sekundu na jednodeskovém počítači Raspberry Pi 3.
3D simulátor pro trénování autonomních robotů
Autor
Daniel Laube
Rok
2018
Typ
Diplomová práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
Ing. Michal Štepanovský, Ph.D.
Katedra
Anotace
Tato práce se zabývá návrhem a implementací prostředí vhodného pro učení
neuronové sítě k ovládání robotů podobných autům. Neuronová síť se k prostředí
může připojit pomocí protokolu TCP a tím pádem nelimituje implementaci
neuronové sítě.
Druhou částí této práce je skript, který učí neuronovou síť zaparkovat
auto na parkovací místo. Parkování probíhá na základě obrazu z kamery
na autě. Tato část má sloužit jako důkaz použitelnosti implementovaného
prostředí k učení neuronové sítě, jak ovládat autu podobného robota. Finální
neuronová síť je rozdělena na dvě části, kde první část lokalizuje parkovací
místo na obrazu z kamery. Výstup této sítě je pak zpracován plně rekurentní
neuronovou sítí sloužící jako kontroler dávající povely autu.
Prostředí je implementováno v herním enginu Unity 3D a skript v Wolfram
Mathematica.
Detekce podobností datových domén pomocí metod strojového učení
Autor
Andrej Oliver Chudý
Rok
2019
Typ
Diplomová práce
Vedoucí
Ing. Zdeněk Buk, Ph.D.
Oponenti
doc. RNDr. Pavel Surynek, Ph.D.
Katedra
Anotace
Cieľom tejto práce je navrhnúť a zostrojiť systém, na základe ktorého by bolo možne efektívne porovnávať podobnosť v stĺpcoch tabuľky. Bolo preukázané, že vektorová reprezentácia stĺpca vytvorená pomocou rekurentnej neurónovej siete je schopná dobre zakódovať vlastnosti domény, ktorú reprezentuje. V porovnaní s TF-IDF metódou, ktorá je na tento účel najčastejšie používaná, RNN dosiahli zlepšenie až o \textbf{14,5\%}. Na základe výsledkov tejto práce bol implementovaný a nasadený systém na doporučovanie Business Terms v produkte Ataccama One.