Browse
Recent Submissions
- ItemVylepšení kvality řeči bez supervize za pomoci neurálních audio kodeků(Vysoké učení technické v Brně. Fakulta informačních technologií, ) Klement, Dominik; Burget, Lukáš; Brukner, JanTáto práca sa zaoberá skúmaním spôsobov na vylepšenie reči pomocou neurálnych audio kodekov. Štandardné supervizované metody sa spoliehajú na umelo vytvorené dáta z párov zašumenej a čistej reči, čo môže sposobiť problémy s generalizáciou na reálne audio. Ako riešenie v tejto práci predstavujeme novú dvoj-vetvovú architektúru, ktorá umožňuje separáciu čistej reči a šumu bez potreby párových dát. Navrhnutý systém využíva adversariálny tréning s vetvovými disrkiminátormi, ktoré zaručujú že jedna vetva bude produkovať čistú reč a druhá šum. Pre zaručenie konzistencie medzi čistou rečou a vstupnou zašumenou nahrávkou, systém je trénovaný tak aby súčet výstupov z daných vetví odpovedal vstupnému zašumenému audiu. Naviac pritom používa vektorovú kvantizáciu na kontrolu priepustnosti latentných reprezentácií pre kontrolu interferencie medzi vetvami. Navrhnutý model je vyhodnotení na supervizovanom aj nesupervizovanom učení za použitie širokej škály objektívnych, percepčných a downstream metrík. Rozsiahle experimenty validujú efektivitu navrhnutého riešenia a demonštrujú jeho schopnosť vylepšiť kvalitu reči syntetických aj skutočných nahrávok bez použitia explicitnej supervízie. Výsledky ukazujú že systém je porovnateľný s predchádzajúcimi riešeniami a umožňuje vylepšenie audia v reálnom čase.
- ItemMultiplayer hry Polylithic(Vysoké učení technické v Brně. Fakulta informačních technologií, ) Ludvík, Tomáš; Milet, Tomáš; Chlubna, TomášTato práce popisuje postup při implementaci multiplayeru do vydané hry Polylithic v předběžném přístupu. Využívá se klient–server architektura sítě s variantou listen server, kde jeden z hráčů je zároveň server. Hráči mají možnost hraní sandbox módu ve více hráčích.
- ItemEvoluční návrh funkcí pro filtraci obrazu(Vysoké učení technické v Brně. Fakulta informačních technologií, ) Gyselová, Julie; Bidlo, Michal; Hurta, MartinEvoluční algoritmy nabízejí efektivní způsob explorace velkého množství jedinců za cílem najít toho s nejlepšími kvalitami. Kartézské genetické programování (CGP) kóduje funkce, které jednotlivci představují, do kartézské mřížky dané velikosti. Tato práce zkoumá využití klasické verze CGP a jejích modifikací pro návrh obrazových filtrů pro odstranění šumu z obrazu nebo detekci hran.
- ItemJazyk pro prototypování vizualizací(Vysoké učení technické v Brně. Fakulta informačních technologií, ) Kříž, Daniel; Milet, Tomáš; Pečiva, JanTato práce představuje nový programovací jazyk, který je navržený tak, aby řešil výzvy spojované s programováním grafických aplikací s cílem poskytnout prostředí, které by umožňovalo tvorbu prototypů vizualizací. Toto prostředí by tak mělo umožňovat začínajícím i zkušeným programátorům experimentovat, a tímto způsobem studovat počítačovou grafiku. Tento jazyk, nazývaný VPSL, je založen na vysokoúrovňových preprocesorových direktivách, díky čemuž je možné ho použít na rozšíření jiných programovacích jazyků. Na základě toho podporuje znovupoužitelnost kódu a přenositelnost znalostí. Jazyk byl v této práci implementován jako rozšíření jazyka GLSL.
- ItemEvoluční algoritmy v posilovaném učení(Vysoké učení technické v Brně. Fakulta informačních technologií, ) Gulčíková, Sabína; Sekanina, Lukáš; Vašíček, ZdeněkFunkcia odmeny je jedným z najdôležitejších signálov, ktoré vedú agenta pri učení v konfigurácii bez znalosti modelu prostredia. Prenesenie komplexného cieľa úlohy do ekvivalentného matematického výrazu je netriviálny proces, ktorý pri nesprávnom prístupe môže viesť k neželaným javom, ako je zneužívanie odmeny (reward hacking) alebo úplné zlyhanie učenia. Formovanie odmien (reward shaping) je metóda, ktorá agentovi poskytuje dodatočné informácie o úlohe s cieľom zlepšiť efektivitu a stabilitu jeho učenia. Táto diplomová práca sa zaoberá použitím genetického programovania na evolúciu formovacích funkcií odmeny, čím presúva záťaž návrhu z manuálneho procesu na automatickú evolúciu riadenú vhodne navrhnutou fitness funkciou. Tá umožňuje optimalizáciu zameriavať na požadované správanie agenta a priebeh učenia, výsledkom čoho je možnosť objaviť vhodné formy odmeňovania. Kvalitu tohto prístupu vyhodnocujeme na úlohe CartPole a porovnávame ho s prístupmi založenými na náhodne vygenerovaných aj ručne navrhnutých funkciách, ako aj so základným prístupom bez dodatočnej funkcie odmeny. Okrem štandardného učenia vyhodnocujeme aplikácie vyvinutých funkcií v rámci tzv. transfer učenia, pričom sa zameriavame na ich robustnosť a dopad na agentovu schopnosť učiť sa aj v prostrediach so zmenenou dynamikou, bez potreby dodatočnej zmeny hyperparametrov.