Number of the records: 1  

Neuronové sítě a jejich aplikace

  1. Title statementNeuronové sítě a jejich aplikace [rukopis] / Michal Roubal
    Additional Variant TitlesNeuronové sítě a jejich aplikace
    Personal name Roubal, Michal (dissertant)
    Translated titleNeural Networks and Its Application
    Issue data2012
    Phys.des.80 s (92 000znaků) : il., grafy, schémata, tab. + 1 CD ROM
    NoteVed. práce Pavel Ženčák
    Oponent Rostislav Vodák
    Another responsib. Ženčák, Pavel (thesis advisor)
    Vodák, Rostislav (opponent)
    Another responsib. Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (degree grantor)
    Keywords neuronová síť * zpracování obrazu * lineární regrese * logistická regrese * umělá inteligence * počítačová věda * počítačové vidění * matematické modelování * optimalizace bez podmínek * artificial neural networks * image processing * linear regression * logistic regression * artificial intelligence * computer science * computer vision * math modelling * unconstained optimization
    Form, Genre diplomové práce master's theses
    UDC (043)378.2
    CountryČesko
    Languagečeština
    Document kindPUBLIKAČNÍ ČINNOST
    TitleMgr.
    Degree programNavazující
    Degree programAplikovaná matematika
    Degreee disciplineMatematické a počítačové modelování
    book

    book

    Kvalifikační práceDownloadedSizedatum zpřístupnění
    00139185-225868989.pdf792.2 MB30.03.2012
    PosudekTyp posudku
    00139185-ved-154206731.pdfPosudek vedoucího
    00139185-opon-902185117.pdfPosudek oponenta

    Tato diplomová práce popisuje základy neuronových sítí s dopředným šířením a jejich aplikaci na rozpoznání registračních značek aut České republiky. Dále zde využíváme zpracování obrazu pro získání vstupních dat pro neuronovou síť. Nakonec porovnáváme výsledky jednotlivých neuronových sítí.Thus thesis describes basics of artificial feed-forward neural networks and its application on licence plate recognition of cars in the Czech Republic. Further we use image processing for gaining input data to neural networks. At the end of this thesis we compare the results of the different neural networks.

Number of the records: 1  

  This site uses cookies to make them easier to browse. Learn more about how we use cookies.