Browsing by Author "Paroubek, Martin"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
- ItemUniverzální servisní databáze výrobků(Technická Univerzita v Liberci, 2012) Paroubek, Martin; Martinec, TomášTato bakalářská práce se zabývá vytvořením programu pro ukládání dat o výrobcích a servisních zásazích a rozšiřuje tak bakalářský projekt Servisní databáze výrobku. V úvodní části je stručně shrnut obsah projektu, náplň spočívající ve vytvoření funkčního programu a popsána motivace práce. První kapitola je věnována uvedení do problematiky. Je definován pojem výrobek a tato práce je zařazena do odvětví Product Life Management (PLM) a pododvětví Maintenace, repair and overhaul (MRO). Obě tato odvětví jsou představena a u MRO je provedena rešerše existujících řešení. V samostatné části jsou stanoveny cíle práce, jejichž součástí je také vytvoření funkčního programu umožňujícího hierarchicky ukládat výrobky a k těmto výrobkům přidávat vlastnosti, soubory a informace o servisních zásazích. Poté je upraven návrh databáze z bakalářského projektu a je vytvořen návrh programu i uživatelského prostředí s využitím frameworku DockingFrames. V předposlední obsahové kapitole je realizováno řešení v programovacím jazyce JAVA s využitím funkcí vývojového prostředí NetBeans IDE. Toto řešení je zdokumentováno uživatelským manuálem a dokumentací zdrojového kódu (javadoc). Nakonec je ověřena funkčnost programu a nejrizikovější části jsou podrobeny zátěžovým testům s velikostí databáze až půl milionu řádků. Přínosem této práce je umožnění uživatelům ukládat informace o výrobcích do jednoho přehledného místa.
- ItemUniverzální servisní databáze výrobkůParoubek, Martin
- ItemVyužití hlubokých neuronových sítí v systémech rozpoznávání řečiParoubek, Martin
- ItemVyužití hlubokých neuronových sítí v systémech rozpoznávání řeči(Technická Univerzita v Liberci, 2014) Paroubek, Martin; Červa, PetrPráce se zabývala využitím nového hybridního systému DNN-HMM pro rozpoznávání řeči. V teoretické části byla představena základní problematika rozpoznávání řeči a neuronových sítí. Na základě těchto informací bylo možné představit hluboké neuronové sítě a jejich propojení s HMM systémem. Z důvodu velkého množství různých parametrů pro trénování neuronových sítí proběhla rešerše existujících postupů a jejich výsledků, kterými byla inspirována praktická část. Cílem praktické části bylo prozkoumat vliv uspořádání neuronové sítě, vliv předtrénování a vliv velikosti trénovacího korpusu na přesnost rozpoznávání. Na základě těchto výsledků byl vytvořen akustický model, který byl porovnán se současným systémem pro rozpoznávání řeči GMM-HMM. Trénování neuronových sítí probíhalo na GPU použitím modifikovaných skriptů knihovny Theano. Následné vyhodnocení bylo provedeno pomocí vlastních skriptů. K dispozici byl trénovací korpus s 56 hodinami polské řeči a vytvořené modely byly odzkoušeny na 3 testovacích sadách obsahujících publicistický a odborný styl. K porovnání výsledků byla použita tzv. accuracy. Celkem bylo takto vytvořeno více než 250 akustických modelů, které se také lišily dobou trénování, neboť kriterium ukončení trénování je stále předmětem zkoumání. Celkem doba k jejich natrénování zabrala více než 62 dní. Bylo zjištěno, že využití neuronových sítí, jakožto akustických modelů, přináší několikaprocentní zlepšení oproti současnému systému a zároveň také že diskriminativní předtrénování nemá žádný vliv na přesnost sítě. Dále byla popsána topologie s nejvyšší přesností a bylo zjištěno, že vliv množství dat v trénovacím korpusu může být závislý na kontextu testovací sady.