|
|
Středně dobá předpověď průtoků vody měrným profilem toku
Šelepa, Milan ; Menšík, Pavel (oponent) ; Marton, Daniel (vedoucí práce)
Diplomová práce je zaměřena na sestavení střednědobých předpovědí průměrných měsíčních průtoků vody měrným profilem toku za účelem optimalizace řízení nádrže a vodohospodářských soustav nádrží. Průtoky byly předpovídány pomocí metody umělých neuronových sítí. Předpovězené průtoky byly statisticky vyhodnoceny odpovídajícími koeficienty a následně porovnávány s naměřenými hodnotami průtoků pro dané měrné profily toku.
|
|
| |
|
| |
|
|
Indoor robot - řídicí neuronová síť
Křepelka, Pavel ; Kopečný, Lukáš (oponent) ; Žalud, Luděk (vedoucí práce)
V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.
|
|
|
Komprese obrazu s využitím umělé neuronové sítě
Vondráček, Jiří ; Pohl, Jan (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce je zaměřena na kompresi obrazu s využitím umělé neuronové sítě včetně praktické realizace. Jejím cílem je prozkoumat možnosti komprese obrazu umělou neuronovou sítí a vyhodnotit výsledky. V teoretické části je vysvětlen princip umělých neuronových sítí a také jsou zde popsány základní metody komprese obrazu. V praktické části je stručný popis kompresního programu, porovnání různých nastavení a vyhodnocení výsledků.
|
|
|
Analýza podpisového vzoru s využitím umělé neuronové sítě
Ševčík, Pavel ; Horák, Karel (oponent) ; Pohl, Jan (vedoucí práce)
Práce se zabývá metodami počítačového zpracování podpisového vzoru a jeho analýzou s využitím umělé neuronové sítě. Jde o procesy, při kterých je nejprve podpis digitalizován a zpracováván pomocí metod předzpracování a segmentace. Poté je objekt podpisového vzoru popsán pomocí centrálních geometrických momentů a momentových charakteristik. Nakonec probíhá klasifikace vícevrstvým perceptronen, pomocí jehož výstupů bude určena osoba, které podpis patří.
|
|
| |
|
|
Umělá neuronová síť pro modelování polí uvnitř automobilu
Kostka, Filip ; Škvor, Zbyněk (oponent) ; Raida, Zbyněk (vedoucí práce)
Tato diplomová práce se zabývá umělými neuronovými sítěmi. Po navržení a odladění vzorové testovací a trénovací sady byly vytvořeny vícevrstvé perceptronové sítě v Neural Network Toolbox(NNT) Matlabu. Pro vytváření sítí byly využity různé trénovací algoritmy a algoritmy zlepšující generalizaci sítě. Při tvorbě radiální bázové sítě nebylo užito NNT. Tato síť byla vytvořena kódem v programu Matlab. Funkčnost vytvořených sítí byla ověřena na jednoduchých trénovacích a testovacích vzorech. Reálná trénovací data byla získána simulací dvanácti monokónických anténpracujícíchna frekvencích 2 až 6 GHz. Antény byly rozmístěny uvnitř matematického modelu Octavia II. Simulací v programu CST Microwave Studio byla modelována elektromagnetická pole uvnitř automobilu. U natrénovaných sítí zobrazujeme regresivní křivku přichycení trénovacích vzorů k síti, závislosti střední kvadratické chyby na počtu neuronů a na složitosti vstupního signálu a absolutní chybu sítě. Vlastnosti jednotlivých sítí jsou vzájemně porovnány a jsou určeny podmínky pro použití NN sítí pro modelování polí uvnitř automobilu.
|
|
|
Použití kumulantů vyšších řádů pro klasifikaci srdečních cyklů
Dvořáček, Jiří ; Kolářová, Jana (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá použitím kumulantů vyšších řádů pro klasifikaci srdečních cyklů. Kumulanty druhého, třetího a čtvrtého řádu byly aplikovány na EKG záznamy pořízené z izolovaných srdcí králíků v průběhu experimentů s opakovanou ischemií. Vlastnosti kumulantů, které mohou byt užitečné pro následnou klasifikaci, byly ověřeny na EKG cyklech z kontrolní a ischemické skupiny. Dosažené výsledky byly statisticky zpracovány. Následně jsou jednotlivé kumulanty jako vektory příznaků klasifikovány v neuronové síti. Výstupem je klasifikovaný srdeční cyklus.
|
|
|
Heart beat classification
Potočňák, Tomáš ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
The aim of this work was to develop the method for classification of ECG beats into two classes, namely ischemic and non-ischemic beats. Heart beats (P-QRS-T cycles) selected from animals orthogonal ECGs were preprocessed and used as the input signals. Spectral features vectors (values of cross spectral coherency), principal component and HRV parameters were derived from the beats. The beats were classified using feedforward multilayer neural network designed in Matlab. Classification performance reached the value approx. from 87,2 to 100%. Presented results can be suitable in future studies aimed at automatic classification of ECG.
|
host ::
RSS.