Ing. Mgr. Ladislava Smítková Janků, Ph.D.

Závěrečné práce

Bakalářské práce

Návrh vybavení interiéru pomocí metod umělé inteligence

Autor
Eliška Svobodová
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
prof. RNDr. Tomáš Skopal, Ph.D.
Anotace
Tato práce přispívá k výzkumu automatizovaného interiérového designu návrhem a implementací nového systému. Proces designu je rozdělen na plánování funkčních zón pomocí simulovaného žíháni a na aranžování nábytku genetickým algoritmem. Výsledky obou algoritmů jsou dotaženy gradientním sestupem. Systém dokáže splnit požadavky od uživatele na tvar místnosti, její funkce a použitý nábytek. Experimenty ukazují schopnost systému navrhnout interiér různě tvarovaných místností s různým výběrem kusů nábytku.

Program tutor pro výuku vybrané oblasti z oboru umělé inteligence

Autor
Viktória Benková
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Anotace
Táto práca sa zameriava na vytvorenie inteligentného adaptívneho systému typu "tutor", ktorý bude precvičovať vybranú oblasť umelej inteligencie - rozhodovacie stromy. Desktopová aplikácia je postavená na prvotnom preskúmaní existujúcich adaptívnych výukových systémoch, technológií na budovanie expertných systémov a následnom využití jednej z existujúcej technológie. Využitá technológia je CLIPS JNI - jazyk Clips a jeho integrácia s jazykom Java a Swing pre implementáciu GUI. Báza znalostí je vytvorená za pomoci experta (vedúci práce), na ktorej základe sú vytvorené pravidlá pre fungovanie expertného systému. Výsledný systém je diagnostický, ktorý generuje sled otázok na základe užívateľových odpovedí, kde na záver vyhodnotí užívateľove znalosti a zobrazí, v čom užívateľ pochybil. Užívateľ si vie zvoliť úroveň a oblasť, pričom úroveň sa mu mení v závoslasti od správne/nesprávne zodpovedaných otázok. Práca môže slúžiť ako podklad pre ďalšie skúmanie tejto oblasti, ale taktiež môže byť rozšírená o vyučovanie ďalších oblastí umelej inteligencie či iných predmetov, a tým pomôcť k zefektívneniu výuky.

Algoritmy pro automatickou tvorbu cen v sektoru ubytovacích služeb

Autor
Michal Bacigál
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Eva Pernecká, Ph.D.
Anotace
Táto bakalárska práca stavia na súčasných prácach, ktoré sa zaoberajú tvorbou hotelových simulátorov pomocou simulačnej optimalizácie a metód Monte Carlo. Literárna rešerš je zameraná na doterajšie využitie matematických metód a umelej inteligencie na riešenie problémov výnosového manažmentu. Na základe analýzy silných a slabých stránok existujúcich riešení prezentujeme odporúčania, ako súčasné riešenie vylepšiť. V práci prezentujeme nový spôsob modelovania pravdepodobnosti prijatia, na základe ktorého si každý zákazník dynamicky vyberá "cenové bariéry" (ceny s 0 % a 100 % pravdepodobnosťou prijatia), na rozdiel od súčasného riešenia, v ktorom majú zákazníci fixný pohľad na cenu. Ďalej diskutujeme možnosti širšieho využitia cenových multiplikátorov a ich aplikáciu v úprave akceptačnej krivky. Naše experimenty ukázali, že sa navrhnutý model chová realisticky a je schopný dosiahnutia lepších výsledkov prostredníctvom optimalizácie. V testoch sme namerali zvýšenie výnosov troch simulovaných hotelov s kapacitou 10, 25 a 75 izieb o 3.43, 8.04 a 20.29 %. Toto porozovanie naznačnuje vhodnosť modelu ako alternatívu k existujúcemu riešeniu pre účely ďalšieho výskumu.

Evaluace frameworku SEAGE

Autor
David Omrai
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Petr Šimánek
Anotace
Tato práce je zaměřena na zhodnocení optimalizačního frameworku SEAGE z pohledu aktuálního stavu výzkumu v oblasti hyper-heuristik, a to s využitím nové metriky, která algoritmy ohodnocuje objektivně dle kvality jejich řešení instancí optimalizačních problémů. Porovnání je provedeno na jednom systému mezi již implementovanými heuristikami ve frameworku SEAGE a hyper-heuristikami vytvořenými pro mezinárodní výzvu CHeSC2011. Na začátku práce popisujeme naši motivaci, cíle a dále také rešerši aktuálního stavu výzkumu v této oblasti, díky které jsme objevili framework HyFlex společně s hyper-heuristikami účastníků výzvy CHeSC2011. Během implementace jsme narazili na řadu problémů, které nás odradili od využití již vytvořeného evaluátoru a metriky ve frameworku HyFlex. Jejich nevýhody v práci blíže rozebíráme a představujeme metriku i evaluátor nový, který zmíněné problémy řeší a zároveň přináší určitou formu vylepšení. Pro představení snadnosti tvorby hyper-heuristik v prostředí SEAGE jsme vytvořili takovou, která jednoduše využívá vylepšení objektivního ohodnocení řešení heuristik. K otestování nově představené metriky nejdříve v experimentech přepočítáváme výsledky mezinárodní výzvy CHeSC2011 a zkoumáme chování algoritmů z obou frameworků. Zajímavým výstupem z provedených pozorování je kvalita řešení samotných stavebních bloků hyper-heuristik ve frameworku SEAGE, tedy metaheuristik, nad jednotlivými instancemi domény problému SAT. V závěru práce shrnujeme veškeré získané znalosti a na základě výsledků experimentů zhodnocujeme framework SEAGE z pohledu aktuálního stavu výzkumu

Modelování a predikce vývoje cen akcií pomocí neuronových sítí

Autor
Martin Šír
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Kamil Dedecius, Ph.D.
Anotace
Akciové trhy jsou náchylné na různé vlivy a proto je jejich predikce velmi náročná. Existuje mnoho přístupů, jak předpovídat vývoj cen akcií, nicméně žádný není univerzální. Tato práce se zabývá přístupem zvaným machine learning. Do tohoto přístupu se dají zařadit modely CNN, LSTM, GRU, jejich obousměrné varianty a následné kombinace modelů. Dále jsou jednotlivé modely použity pro jednodenní a vícedenní predikci. V práci je upozorněno na nepoužitelnost jednodenní predikce, která je opakovaně použita za účelem predikce několika dní dopředu. Pro predikci byla vybrána data SXR8.DE, které kopírují index S&P 500. Následně jsou modely na těchto datech vyhodnoceny a na základě jejich přesnosti je vybrán model, který má největší úspěšnost za cílem maximalizovat profit z obchodování s akciemi.

Modelování vývoje kurzu bitcoinu a zlata vůči dolaru a hledání souvislostí vývoje těchto kurzů s vybranými událostmi

Autor
Alim Shapiev
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Pavel Surynek, Ph.D.
Anotace
Tato práce je zaměřena na vývoj rozhodovacích stromů pro predikci cen bitcoinu a zlata na burze, které využívají fundamentální a technickou analýzu trhu.

Algoritmy CASA a jejich užití v separaci monofonní hudby z audio scény

Autor
Nikita Mortuzaiev
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Monika Borkovcová, Ph.D.
Anotace
Velkou výzvou pro moderní systémy strojového slyšení je problém oddělení zdrojů. Jeden z přístupů k jeho řešení spočívá ve studiích počítačové analýzy sluchové scény (CASA), ve kterých jsou výpočetní modely inspirovány mechanismy sluchového ústrojí člověka a široce známým "cocktail party" efektem. Tato práce by měla být úvodem do oblasti CASA. V první části zkoumá teorii za sluchovým modelováním a zpracováním zvuku a odkazuje se na fyziku zvuku, biologii lidského ucha, psychologii sluchového vnímání a digitální zpracování signálu. Ve druhé části jsou tyto znalosti prakticky použity k implementaci jednoduchého CASA systému pro oddělení monofonní hudby od šumu. Tento systém je pak rozsáhle popsán a experimentálně vyhodnocen na sadě klavírních nahrávek.

Application of Machine Learning in Real Estate

Autor
Jakub Nádraský
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Vojtěch Rybář
Anotace
Tématem této práce je použití metod strojového učení pro automatické ohodnocení výše nájmu realitního objektu. Ohodnocení je založené na datech z českých serverů pro inzerci realit. Datová sada obsahující technické parametry jednotlivých realitních objektů je sestavena, vizualizována a použita pro trénování několika modelů strojového učení, které byly poté porovnány. Dále se práce zabývá použitím obrazových dat pro vylepšení predikce výše nájmu realitních objektů. Byla prozkoumána možnost extrakce popisných příznaků z obrazových dat. Byly zavedeny metodiky pro manuální extrakci a několik příznaků, například úroveň přirozeného osvětlení v realitním objektu, bylo experimentálně extrahováno. Datová sada obsahující popisné příznaky extrahované z obrazových dat byla sestavena, vizualizována a použita pro trénování modelů strojového učení. Bylo naměřeno, že prezence příznaků extrahovaných z obrazových dat snížila chybu predikce výše nájmu použitých modelů strojového učení o zhruba 10 až 20 %.

Detekce webových stránek s extremistickým obsahem

Autor
Markéta Minářová
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Anotace
Tato bakalářská práce se zabývá detekcí extremismu v online prostředí, konkrétně detekcí neonacistických a saláfistických webových stránek. Cílem je vytvořit hybridní znalostní systém, který bude pomocí metody Support Vector Machines a klasifikačních pravidel znalostního systému klasifikovat dané stránky. Řešení tohoto problému staví na základě důkladné rešerše již existujících řešení detekce extremistických textů, obrázků a videí a následně jejich analýzy s pomocí odborné literatury. V rámci této práce byl vytvořen dataset extremistických a neextremistických webových stránek pomocí existujících textových dokumentů a obrázků. Metoda SVM byla použita pro klasifikaci textu a její výstup byl použit jako vstup do znalostního systému. Ten byl vytvořen pomocí shellu PyKe a celý program byl naprogramován v jazyce Python. Jednotlivé SVM modely dávaly velmi dobré výsledky s klasifikační přesností okolo 99 \\%. Celková klasifikační přesnost systému byla 80 \\%.