• Restricted close
• Publications close
• Research data close
• Research software close
• Other research products close
• Czech close
• Digitální knihovna VUT close
• Digital Humanities and Cultural Her... close
• North American Studies close

Phoebe Apperson Hearst měla velmi úspěšného vlastního syna Williama, který byl ale více jako jeho otec: tvrdý obchodník. Našla však jemnou, uměleckou duši v malíři Orrinu Peckovi (1860–1921), který byl údajně gay a který ji, ještě za života své vlastní matky, začal oslovovat „má druhá mámo.“ Na základě podrobného výzkumu jejich vzájemné korespondence v Peckově pozůstalosti se můžeme ptát, jak moc si byla progresivní, bohatá žena 19. století, jakou byla Phoebe Hearst, vědoma Peckovy sexuality a pokud ano, jestli s tím neměla problém, nebo šlo o nevyřčené tajemství mezi nimi? Jejich příběh představí historik umění Ladislav Zikmund-Lender. Phoebe Apperson Hearst had a very successful son of William, but he was more like his father: a tough businessman. However, she found a delicate, artistic soul in the painter Orrin Peck (1860–1921), who was allegedly gay and who, while still his own mother's life, began to address her as “my second mother.” Based on a detailed study of their correspondence in Peck's estate, we may ask how much a progressive, rich 19th-century woman like Phoebe Hearst was aware of Peck's sexuality, and if so, if she had no problem with it, or was it an unspoken secret between them? Their story will be presented by art historian Ladislav Zikmund-Lender.

This thesis is concerned with the explanation of the word2vec models. Even though word2vec was introduced recently (2013), many researchers have already tried to extend, understand or at least use the model because it provides surprisingly rich semantic information. This information is encoded in N-dim vector representation and can be recall by performing some operations over the algebra. As an addition, I suggest a model modifications in order to obtain different word representation. To achieve that, I use public picture datasets. This thesis also includes parts dedicated to word2vec extension based on convolution neural network. Tato práce se zabývá porozuměním word2vec modelů. Přestože tyto modely vznikly nedávno (2013), staly se velmi populárními. Učením těchto modelů lze obdržet vektorovou reprezentaci slov v~N-dimenzionálním prostoru reálných čísel. Pomocí operací nad těmito vektory je možné určit sémantické vazby mezi slovy. Dále se práce snaží o rozšíření představených modelů za účelem jiné reprezentace slov. K tomuto účelu je navrženo využití obrazové informace. Taktéž je diskutována možnost použití konvolučních neuronových sítí ve spojitosti s poskytnutím odlišné kontextové informace. A