|
Řízení výkonnosti procesů v podnicích DZP
Marcineková, Katarína
Důvodem zabývání se optimalizací interních procesů ve firmě je zvýšení celkové výkonnosti výroby a tím i její konkurenceschopnosti. V současnosti se podíl nábytkářského průmyslu na celkovém HDP Slovenské republiky zvyšuje, avšak stále představuje jen jeho velmi malou část. Navíc vzhledem k přírodnímu bohatství země je důležité, abychom se věnovali optimalizaci odvětví, která patří do dřevozpracujícího průmyslu. Disertační práce se zabývá problematikou použití numerických metod matematické optimalizace výroby nábytku, díky kterým lze řešit i lineární nepopsatelné procesy, jejichž cíle mají protichůdný charakter. Při optimalizaci je důležité zaměřit se na klíčový a kritický subproces za účelem maximalizace produktivity, kvality a minimalizace nákladovosti prostřednictvím identifikace vstupních parametrů a výstupních cílových veličin. Pod pojmem klíčový subproces rozumíme ten, který se v největší míře podílí na celkové efektivnosti výrobního procesu. Z hlediska jeho identifikace je důležité determinovat podíl jednotlivých produktů na celkovém objemu výroby případně podíl jejich krycích příspěvků. Kritický subproces představuje prostor pro zlepšení a lze jej identifikovat na základě určení zmetků v jednotlivých aktivitách a rovněž je třeba respektovat technologický postup, z čehož vyplývá, že chyby v prvních fázích výrobního procesu mají vyšší vliv na jeho celkovou výkonnost. Na základě analýzy ve sledovaném nábytkářském podniku byla identifikována kritická činnost- frézování. Optimální hodnoty vstupních parametrů vzhledem k cílovým veličinám byly determinovány prostřednictvím použití umělých neuronových sítí (UNS), přičemž v experimentu byly použity dva druhy nástrojových materiálů – diamant (PKD) a slinutý karbid (T03SMG). Nakonec byl vytvořen komplexní model subprocesů výroby nábytku, který představuje principiální postup optimalizace a návrh modulárního řešení informačního systému pro podniky DZP v odvětví nábytkářské výroby.
|
|
Automatická klasifikace geologických vzorků pomocí spektroskopie laserem buzeného plazmatu a strojového učení
Stříbrná, Klára ; Hrdlička, Aleš (oponent) ; Prochazka, David (vedoucí práce)
Tato práce se zabývá tvorbou databáze LIBS (Laser Induced Breakdown Spectroscopy) spekter geologických vzorků, na jejíž základě jsou pak natrénovány klasifikační modely konvoluční neuronové sítě (CNN), které slouží k automatické klasifikaci vzorků. Natrénované modely jsou následně validovány na neznámých datech a porovnány mezi sebou z hlediska spolehlivosti a času potřebného pro jejich natrénování. Motivací práce je otestovat metodu LIBS v kombinací se strojovým učením jako potenciální metodu automatické klasifikace geologických vzorků. Současná řešení jsou totiž často finančně i časově nákladná. Metoda LIBS umožňuje rychlé chemické mapování a systémy jsou ve srovnání s jinými metodami chemické analýzy standardně používanými v geologii poměrně levné. LIBS navíc umožňuje detekci lehkých prvků (např. Li, Be), které jiné metody detekovat nedokáží.
|
|
Perspektivní obvodové struktury pro modulární neuronové sítě
Bohrn, Marek ; Ďuračková, Daniela (oponent) ; Husák, Miroslav (oponent) ; Fujcik, Lukáš (vedoucí práce)
Předkládaná práce se zabývá návrhem nové obvodové struktury pro implementace dopředných neuronových sítí. Navržená struktura využívá nekonvenční uspořádání sběrnic pro propojení dílčích bloků. Přínos navržené struktury spočívá v optimalizaci vytížení výpočetních bloků a zvýšení efektivity přenosu dat mezi nimi. Navržená struktura je flexibilní a vhodná pro implementace širokého spektra topologií dopředných neuronových sítí.
|
|
Klasifikace spánkových fázi za použití polysomnografických dat
Králík, Martin ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je klasifikace spánkových fází za použití polysomnografických dat. Součástí práce je rešerše na dané téma a statistická analýza parametrů vypočtených ze skutečných signálů EEG, EOG a EMG, která hodnotí vhodnost jejich použití pro klasifikaci spánkových fází. Praktická část je zaměřena na automatickou klasifikaci spánkových fází za použití umělých neuronových sítí. Všechny výsledky jsou v práci prezentovány a diskutovány.
|
| |
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
|
Detekce a rozpoznání objektů v obraze
Muzikářová, Michaela ; Hradiš, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá návrhem a implementací aplikace typu klient-server, která umožňuje rozpoznání objektů v obraze a využívá již existující mobilní aplikaci. V teoretické části jsou nejprve popsány rozdíly lidského a počítačového vidění, dále detekce a rozpoznání objektů včetně vybraných metod. Další sekce obsahuje popis umělých neuronových sítí, které byly pro práci hlouběji nastudovány, spolu s jejich využitím k rozpoznání objektů. Následují informace, týkající se vybraných mobilních aplikací pro rozpoznání objektů v obraze, zakončené přehledem frameworků a knihoven, umožňujících práci s neuronovými sítěmi. Z nich byl k práci zvolen Caffe Framework. Dále je popsán průběh návrhu a řešení a vytvořený systém včetně experimentů a datasetů, použitých k ověření jeho funkčnosti.
|
|
Movement Prediction of Wireless Nodes in Mobile Ad Hoc Networks (MANETS)
Makhlouf, Nermin ; Šimák, Boris (oponent) ; Slavíček, Karel (oponent) ; Koton, Jaroslav (vedoucí práce)
The rapid evolution in the field of mobile computing has led to a new alternative way for mobile communication, in which mobile nodes form a self-organising wireless network, called a Mobile Ad hoc Network (MANET). The specific characteristics of MANETs impose many challenges to network protocol designs on all layers of the protocol stack because of unpredictable topology changes and mobile nature. Mobility prediction is a tool to deal with the problems emerging from the nodes’ mobility by predicting future changes in the network topology. This is crucial for different tasks such as routing. In this doctoral thesis, two mobility prediction methods for MANET networks are developed. The first method supposes that each node can build its virtual map depending on its location over the time. This method is called mobility prediction using virtual map. In order to evaluate the developed prediction algorithm, it has been implemented in the network simulator NS-2. I have investigated existing mobility models, and how the prediction method can be applied to them. Simulations respectively realize performance improvement in terms of average end to end delay, packet delivery ratio and network throughput under different mobility model. The proposed prediction concept is implemented over AODV (Ad Hoc On-Demand Distance Vector) routing protocol. In the second method, I have developed an artificial neural network for movement prediction in MANETs. The prediction model for mobility has been done by the data collected from location patterns. The Bayesian technique was used for learning or training ANNs. It has been implemented in software for training Bayesian neural networks called Model Manager. The best way to evaluate the final model is done by making predictions and comparing predictions with target data. The predictions are made by using 50 patterns as input variables. The reached and in the thesis discussed results show that improvement in the most significant network parameters, i.e. delay, throughput and packet delivery ratio, are reached even by 30% compared to AODV routing protocol, where the proposed prediction model is not utilized.
|
|
Klasifikace EKG signálů s použitím neuronových sítí
Loviška, David ; Vítek, Martin (oponent) ; Hrubeš, Jan (vedoucí práce)
Cílem projektu Klasifikace EKG signálů pomocí neuronových sítí je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout vytvořením programu schopného jednoduše a téměř okamžitě klasifikovat EKG signál s použitím umělé neuronové sítě. Vytvořený program poskytne lékaři základní informace o vloženém elektrokardiogramu, jako jsou časové intervaly a amplitudy signálu v jednotlivých zkoumaných úsecích. Následně lékaře upozorní na odchylky od normálu. Součástí programu je i grafické okno se zobrazeným signálem a na něm barevně zvýrazněny body a úseky vyhodnocené programem za zvláštní. V další fázi bude program sám klasifikovat získané údaje a určí nezávisle na lékaři diagnózu, kterou může lékař vyhodnotit a případně vlastním podpisem uznat za skutečnou diagnózu pacienta. Tento program je rovněž vhodný pro několikahodinové, až týdenní záznamy Holterova monitorování EKG.
|
| |