but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. RNDr. Pavel Smrž, Ph.D. (místopředseda) doc. Ing. Jiří Jaroš, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen) Ing. Filip Orság, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " C ". Otázky u obhajoby: Objasněte konkrétněji, v jakém směru jsou Vámi navržené klasifikátory "lepšie optimalizované na hardware", jak zmiňujete na str. 45. Je možné toto doložit nějakými daty? Rozdíl úspěšnosti klasifikace pomocí CNN a CGP je poměrně značný. Vidíte ještě prostor, jak Váš přístup vylepšit se zachováním alespoň některých uvedených výhodných vlastností? Komise, například: Co to je kartézská mřížka? Komise, například: Konvoluční neuronové sítě vyšly nejlépe?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Drahošová, Michaela	cs
dc.contributor.author	Koči, Martin	cs
dc.contributor.referee	Bidlo, Michal	cs
dc.date.created	2021	cs
dc.description.abstract	Táto práca sa zaoberá evolučným návrhom klasifikátora obrazov pomocou genetického programovania, konkrétne kartézskeho genetického programovania. Práca popisuje teoretické základy strojového učenia, evolučných algoritmov a genetického programovania. Súčasťou práce je popísaný návrh programu a jeho implementácia. Ďalej sú vykonané experimenty na dvoch riešených úlohách pre klasifikáciu ručne písaných číslic a klasifikáciu obrázkov kociek pomocou, ktorých sa dá určiť miera demencie pri Parkinsonovej chorobe. Najlepšie navrhnuté riešenie pre čísla má AUC 0.95 a pre kocky 0.86. Navrhnuté riešenia sú porovnané s inými metódami, konkrétne konvolučnými neurónovými sieťami (CNN) a metódou podporných vektorov (SVM). Výsledná AUC pre klasifikáciu číslic, je pre obe CNN a aj SVM 0.99 pre kocky mala CNN výslednú AUC 0.81 a SVM 0.69. Kocky sú následne porovnané z existujúcim riešením, pri ktorom bola výsledná AUC 0.70, takže na základe výsledkov experimentov je vidieť zlepšenie pri použitej metóde v tejto práci.	cs
dc.description.abstract	This thesis deals with evolutionary design of image classifier with help of genetic programming, specifically with cartesian genetic programming. Thesis discribes teoretical basics of machine learing, evolutionary algorithms and genetic programming. Part of this thesis is described design of the program and its implementation. Futhermore, experiments are performed on two solved tasks for the classification of handwritten digits and the classification of cube drawings, which can be used to determine the rate of dementia in Parkinson's disease. The best designed solution for digits is with AUC of 0.95 and for cubes 0.86. Designed solutions are compared by other methods, namely convolutional neural networks (CNN) and the support vector machines (SVM). The resulting AUC for the classification of digits for both CNN and SVM is 0.99, for cubes CNN has a final AUC 0.81 and SVM 0.69. The cubes are then compared with existing solution, which resulted in AUC 0.70, so that the results of the experiments show an improvement in the method used in this thesis.	en
dc.description.mark	C	cs
dc.identifier.citation	KOČI, M. Evoluční návrh klasifikátoru obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	137590	cs
dc.identifier.uri	http://hdl.handle.net/11012/201256
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	strojové učenie	cs
dc.subject	klasifikácia	cs
dc.subject	evolučné algoritmy	cs
dc.subject	genetické programovanie	cs
dc.subject	stromové genetické programovanie	cs
dc.subject	kartézské genetické programovanie	cs
dc.subject	konvolučné neuronové siete	cs
dc.subject	metóda podporných vektorov	cs
dc.subject	klasifikácia obrázkov	cs
dc.subject	machine learning	en
dc.subject	evolutionary algorithms	en
dc.subject	genetic programming	en
dc.subject	cartesian genetic programming	en
dc.subject	tree-based geneting programming	en
dc.subject	convolutional neural networks	en
dc.subject	support vector machines	en
dc.subject	image classification	en
dc.title	Evoluční návrh klasifikátoru obrazů	cs
dc.title.alternative	Evolutionary Design of Image Classifier	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-08-23	cs
dcterms.modified	2022-08-24-18:55:43	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	137590	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:38:53	en
sync.item.modts	2025.01.15 13:24:01	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Evoluční návrh klasifikátoru obrazů

Files

Original bundle

Collections