|
|
Webová aplikace pro efektivní anotaci atributů objektů ve videu
Pernický, Michal ; Kohút, Jan (oponent) ; Hradiš, Michal (vedoucí práce)
Cílem této práce je vytvořit webovou aplikaci pro anotaci atributů objektů ve videu, která kombinuje efektivní uživatelské rozhraní s asistenčním klasifikátorem poskytujícím predikce. Na rozdíl od aktuálně dostupných nástrojů se řešení zaměřuje přímo na objekty bez jejich zařazení do původních videí. Důležitá je možnost filtrace objektů podle jejich atributů a hromadné potvrzení či zamítnutí predikované hodnoty atributu. Testováním na uživatelích bylo zjištěno snížení času stráveného prací až o polovinu. Ukazuje to, že další práce s tímto principem anotace má význam.
|
|
|
Rozpoznání stresu pomocí biologických signálů měřených nositelnými zařízeními
Surkoš, Ondřej ; Vítek, Martin (oponent) ; Smital, Lukáš (vedoucí práce)
S rostoucím významem duševního zdraví ve společnosti a s narůstající dostupností nositelných technologií se nabízí unikátní příležitost využít biologické signály pro monitorování a řízení stresu v každodenním životě. Diplomová práce se zaměřuje na automatické rozpoznávání stresu pomocí biologických signálů měřených nositelnými zařízeními. V teoretické části jsou proto definovány klíčové pojmy týkající se stresu a nositelných zařízení a popsány vybrané biologické signály, které jsou relevantní pro detekci stresu. Práce rovněž představuje několik veřejně dostupných datasetů a popisuje současné metody rozpoznávání stresu, společně s dosaženými výsledky. Praktická část práce se věnuje konstrukci datasetu, předzpracování dat a vývoji algoritmu pro rozpoznání stresu v programovém prostředí MATLAB. Využity jsou zejména techniky strojového učení jak při extrakci a selekci příznaků, tak také při samotné klasifikaci. Výkonosti navržených modelů, které dosahovali přesnosti až 81,1 % v případě sjednoceného datasetu, 97,1 % v případě datasetu WESAD a 80 % v případě datasetu Non-EEG Biosignals, jsou uvedeny a diskutovány v závěrečné části práce, společně se zjištěním velkého vlivu metodologie a využitých zařízení při akvizici dat na výkonnost jednotlivých modelů.
|
|
|
Získávání znalostí z dat pojišťovny
Kříž, Ondřej ; Burgetová, Ivana (oponent) ; Bartík, Vladimír (vedoucí práce)
Tato bakalářská práce se zabývá problematikou získávání znalostí z databází. Jejím cílem je z provozních dat nejmenované pojišťovny sestavit algoritmicky zpracovatelné datasety, které budou následně analyzovány funkcemi knihovny scikit-learn jazyka Python za použitím různých algoritmů z oblasti klasifikace a algoritmu FP-growth v oblasti tvorby silných asociačních pravidel a následné vyhodnocení výsledků.
|
|
|
Aplikace hlubokého učení v detekci spánkové apnoe
Láznička, Jakub ; Šaclová, Lucie (oponent) ; Králík, Martin (vedoucí práce)
Tato diplomová práce se zaměřuje na využití metod hlubokého učení pro detekci spánkové apnoe, poruchy spánku charakterizované opakovanými epizodami zastavení nebo významného snížení průtoku dýchacích cest během spánku. Studie zkoumá efektivitu konvolučních neuronových sítí (CNN) a modelů Bidirectional Long Short-Term Memory (BiLSTM) v automatické detekci různých typů spánkové apnoe s využitím polysomnografických záznamů. V práci jsou využity datasety z databáze MESA, které byly speciálně připraveny a upraveny pro potřeby hlubokého učení. Modely s nejlepšími výsledky dosáhly hodnot F1 skóre 0,87 a 0,83, což ukazuje, že hluboké učení může poskytovat přesné nástroje pro diagnostiku spánkové apnoe, představující potenciální zlepšení v klinické praxi. Práce také diskutuje možnosti integrace těchto modelů do klinických diagnostických procesů a nastiňuje směry pro budoucí výzkum v této oblasti.
|
|
|
Akustická analýza emočně zabarvených vět u pacientů s Parkinsonovou nemocí
Gavlasová, Radka ; Kováč, Daniel (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato diplomová práce se zaměřuje na Parkinsonovu nemoc a její vliv na emoční projev v řeči. Cílem bylo provést rešerši literatury o akustické emoční analýze pacientů s PN a implementovat akustické parametry pro rozlišení zdravých a nemocných jedinců. Použitá databáze obsahovala nahrávky 100 pacientů s PN a 52 zdravých kontrol pro různé řečové úlohy. Pro tuto analýzu bylo vybráno 7 emočně zabarvených vět a 11 akustických parametrů, které byly implementovány v Pythonu. Ze statistické analýzy bylo zjištěno, že mezi nejvýznamnější parametry patří pauzy v řeči a variabilita intenzity. Pro klasifikaci byl použit algoritmus XGBoost s 10-násobnou stratifikovanou křížovou validací. Bylo implementováno celkem 10 modelů, které analyzovaly všechny úlohy dohromady i každou zvlášť. Optimalizace probíhala pomocí randomized search. Pro kombinaci všech úloh byla signifikantním parametrem variabilita intenzity, příp. tempo řeči. U jednotlivých řečových úloh se velmi projevovala variabilita intonace a formantových oblastí. Nejlepší model dosáhl 63% úspěšnosti (BACC) a 85% senzitivity. Výsledky naznačují, že emoční prozodie ovlivňuje klasifikaci, potvrzuje dosavadní poznatky a poukazuje na potřebu dalšího zkoumání v této oblasti.
|
|
|
Regenerace brownfieldů v Jihočeském kraji
ŠÁDKOVÁ, Pavla
Diplomová práce na téma Regenerace brownfieldů v Jihočeském kraji se zabývá komplexním přístupem k analýze a regeneraci brownfieldů v Jihočeském kraji. Hlavním cílem práce je analyzovat a syntetizovat ekologické, sociální a ekonomické dopady regenerace brownfieldů a greenfieldů na vybraných lokalitách v Jihočeském kraji. K naplnění cílů práce byla použita kombinace kvantitativních a kvalitativních výzkumných metod. Práce je rozdělena na dvě části, teoretickou a aplikační. Teoretická část je zaměřena na vymezení problematiky brownfieldů, hodnocení vývoje a současného stavu. Součástí teoretické části jsou možné způsoby klasifikace brownfieldů a způsoby financování. Ve druhé, aplikační části, je provedena komparace vybraných brownfieldů a greenfieldů v Jihočeském kraji. Lokality jsou posuzovány podle modelu Jihočeského kraje, který vychází ze studie německého Ministerstva životního prostředí a je založen na bodovém hodnocení daných kritérií a jejich parametrů. Model se skládá ze 3 kritérií - potenciálu z hlediska obce, potenciálu z hlediska investora a ze změny hodnoty místa. Na jejich základě je vyhodnocena významnost lokalit. Prostřednictvím komparace Indexu preference práce následně předkládá výběr lokalit vhodných k realizaci včetně návrhu budoucího využití. Výstupy práce přispívají k hlubšímu pochopení problematiky regenerace brownfieldů a nabízejí návrhy pro efektivní využití potenciálu těchto lokalit pro podporu lokální ekonomiky a zlepšení kvality života obyvatel.
|
|
|
Identifikace obsahu šifrovaného video-streamu
MACÁK, Tomáš
Tato práce se zabývá tvorbou datové sady naměřených, šifrovaných video streamů a následnou implementací řešení, které má za cíl identifikovat jejich obsah pomocí metod strojového učení. V teoretické části práce je nejdříve vysvětleno, co to video streaming on demand je a jak funguje. Následně jsou představeny modely strojového učení, které je možné využít k řešení tohoto problému. Kapitolu uzavírá rešerše již vypracovaných prací na podobné téma. V praktické části práce byla vytvořena zmíněná datová sada, která byla následně zanalyzována a byly vytvořeny reprezentace, které měly sloužit jako otisk jednotlivých video streamů. V následující části byly implementovány klasifikační modely a modely pro zkoumání podobnosti, které byly poté trénovány pomocí dříve připravených dat. Na závěr byly modely otestovány a jejich výsledky shrnuty a porovnány.
|
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Smital, Lukáš (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. V kapitole první je krátce popsán úvod k srdci a měření jeho elektrické aktivity, navíc jsou zde krátce popsány abnormality, které budou v práci klasifikovány. Ve druhé kapitole je popsáno, jak bylo EKG diagnostikováno dříve, tedy klasickými metodami, které předcházely hlubokému učení. Zde jsou i zmíněny některé nedostatky, které tyto metody mají právě oproti hlubokému učení. Část třetí již věnuje pozornost hlubokému učení samotnému, jeho přínosu a výhodám ve srovnání s metodami klasickými. Popsány jsou zde i konvoluční neuronové sítě a jejich jednotlivé bloky, později je věnována pozornost i vybraným architekturám, které byly v některých studiích použity. Kapitola čtvrtá se již zaměřuje na praktickou část, v níž jsou podrobněji popsána použitá data z databáze PhysioNet, navržený algoritmus a jeho realizace. V páté kapitole jsou výsledky diskutovány a srovnány výsledky dostupných publikací se související problematikou.
|
|
|
Hodnocení zdraví pomocí chytrých zařízení
Vargová, Enikö ; Filipenská, Marina (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá možností neinvazivního stanovení glykémie z fotopletysmografických signálů. Zvýšená glykémie často souvisí s onemocněním zvaným diabetes mellitus, což je jedno z nejčastějších chronických onemocnění na světě. Neléčený diabetes bývá často příčinou úmrtí. Cílem práce je vytvořit algoritmus pro klasifikaci a predikci glykémie. Nejdříve byly naměřeny dvě databáze PPG signálů s využitím dvou chytrých zařízení (chytrý náramek a chytrý telefon). Současně byla měřena také referenční hodnota glykémie invazivně. PPG signály byly předzpracovány a byly z nich extrahovány vhodné příznaky pro klasifikaci i predikci konkrétní hodnoty glykémie. Následně bylo vytvořeno několik různých modelů pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie) a pro predikci konkrétní hodnoty glykémie.
|
|
|
Strojové učení z dat systémů pro detekci síťového průniku
Dostál, Michal ; Očenášek, Pavel (oponent) ; Hranický, Radek (vedoucí práce)
Aktuální stav nástrojů pro detekci síťového průniku je nedostačující, protože tyto nástroje často fungují na základě statických pravidel a nevyužívají potenciál umělé inteligence. Cílem této práce je rozšířit open-source nástroj Snort o schopnost detekovat škodlivý síťový provoz pomocí strojového učení. Pro dosažení kvalitního klasifikátoru byly zvoleny užitečné příznaky síťového toku, které byly získány z výstupních dat aplikace Snort. Následně byly tyto toky obohaceny a označeny odpovídajícími událostmi. Experimenty vykazují velmi dobré výsledky nejenom při klasifikaci na testovacích datech, ale také v rychlosti zpracování. Z~navrženého přístupu a samotných experimentů vyplývá, že tento nový přístup by mohl vykazovat dobrou úspěšnost i při práci s reálnými daty.
|
host ::
RSS.