|
|
Studium vlivu toxických a nutričních prvků na metabolismus buněk pomocí kombinace Ramanovy spektroskopie a spektroskopie laserem buzeného plazmatu
Mazura, Martin ; Hrdlička, Aleš (oponent) ; Prochazka, David (vedoucí práce)
V této práci je studováno online rozlišení šesti kmenů bakterií pomocí multivariační analýzy dat (MVDA). Jako nejvhodnější technika byla zvolena analýza hlavních komponent (Principal component analysis, PCA). K chemické analýze bakterií byly použity dvě různé analytické metody – Spektroskopie laserem buzeného plazmatu (LIBS) a Ramanova spektroskopie. Pro co nejlepší rozlišení jednotlivých kmenů bakterií byla získaná data z obou metod vyhodnocována zvlášť i dohromady. Pro společné vyhodnocení byla data separátně škálována od nuly do jedné a následně zařazena za sebe. Takto vznikl soubor dat nesoucí informaci z obou metod. U jednotlivých kmenů bakterií byl navíc studován i vliv doby kultivace. Bylo zjištěno, že pomocí Ramanovy spektroskopie je možné rozlišit dva kmeny bakterií a pomocí metody LIBS dokonce čtyři. Kombinací obou metod bylo dosaženo úplného rozdělení všech šesti kmenů do samostatných shluků. Pomocí vah jednotlivých vlnových délek první hlavní komponenty (PC1) bylo zjištěno, že největší přínos pro třídění bakterií u metody LIBS nenese rozdíl jejich prvkového složení, ale matriční efekt ovlivňující spektrum. Vliv doby kultivace byl sledován pouze metodou LIBS. Na základě měření provedených s odstupem 24 hodin bylo možné pozorovat změnu u čtyř kmenů bakterií. Z výsledků této práce lze usuzovat, že kombinace Ramanovy spektroskopie a metody LIBS je díky komplementárním informacím vhodná pro rychlé rozlišení jednotlivých kmenů a druhů bakterií. Navíc bylo zjištěno, že pomocí metody LIBS je u některých kmenů bakterií možné stanovit změny vzniklé délkou kultivace.
|
|
|
Vyhledávání ve videu
Černý, Petr ; Mlích, Jozef (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce shrnuje základní teorii týkající se vyhledávání informací, základy z oblasti relačního modelu dat a problematiky indexace dat v relačních databázových systémech. Práce se dále zabývá problematikou vyhledávání v multimediálních datech. Zahrnuje popisy základních principů automatické extrakce rysů multimediálního obsahu a indexace multidimenzionálních dat. Praktická část této práce se zabývá návrhem a implementací řešení, které má za úkol zvýšit efektivitu dotazů na podobnost multidimenzionálních vektorů rysů, které popisují jednotlivá videa. Závěr práce je věnován experimenty nad tímto řešením.
|
|
|
Sdružená EEG-fMRI analýza na základě heuristického modelu
Janeček, David ; Kremláček, Jan (oponent) ; Labounek, René (vedoucí práce)
Diplomová práce se zabývá sdruženou EEG-fMRI analýzou na základě heuristického modelu. Heuristický model popisuje vztah mezi změnami v prokrvení aktivních mozkových oblastí a v elektrické aktivitě neuronů. Dále se tato práce zabývá různými metodami extrakce užitečné informace z EEG záznamu a jejich vlivy na konečný výsledek sdružené analýzy. Byly testovány metody průměrování elektrod zájmu, rozklad pomocí analýzy hlavních komponent a rozklad pomocí nezávislých komponent. Metoda průměrování elektrod zájmu a rozklad pomocí PCA dává podobné výsledky, ale není možné z EEG záznamu extrahovat jedinečnou informaci o určitém stimulačním vektoru. Pomocí ICA rozkladu jsme schopni získat informaci vztahující se k určité stimulaci, ale nastává zde problém v konečné interpretaci a výběru správné komponenty při slepém hledání variability spřažené s experimentem. Bylo zjištěno, že ačkoliv komponenty vypočtené z časové posloupnosti EEG záznamu jsou vzájemně nezávislé, jejich posun spektra vzájemně koreluje. Tato spektrální závislost byla eliminována PCA/ICA rozkladem až na vektorech posunu spektra. Zde již každá komponenta přináší novou informaci o mozkové aktivitě. Výsledky z heuristického přístupu byly porovnávány s výsledky sdružené analýzy na základě výpočtu relativního a absolutního výkonu v pásmech zájmu a byly nalezeny souvislosti mezi aktivačními mapami, a to především mezi heuristickým modelem a relativním výkonem v pásmu gamma (20-40 Hz).
|
|
|
Biometrické rozpoznání živosti prstu
Váňa, Tomáš ; Vítek, Martin (oponent) ; Smital, Lukáš (vedoucí práce)
Tato diplomová práce je zaměřena na biometrické rozpoznání živosti prstu. Teoretická část práce je zaměřena na biometrické systémy využívající k rozpoznání otisk prstu, problematiku stanovení živosti prstu a metody pro detekci živosti prstu. V praktické části jsou popsány vybrané příznaky pro rozpoznání živosti prstu. Dále je zde navrhnuto a realizováno předzpracování obrazu s ohledem na vybrané příznaky. K rozpoznání živosti využívá algoritmus dopředné neuronové sítě. Navržený algoritmus byl testován na databázi LivDet 2009, která obsahuje pravé i falešné otisky prstů pořízené třemi různými snímači. Při testování bylo dosaženo přibližně 93% úspěšnosti klasifikace.
|
|
|
Posuzování spánkových stádií z Hjorthových parametrů signálů EEG
Kupková, Kristýna ; Ronzhina, Marina (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato bakalářská práce je zaměřena na rozlišování jednotlivých spánkových stádií ze signálů EEG. V její první části je představena klasická vizuální metoda klasifikace spánkových stádií, v části druhé metoda automatizované klasifikace. Jedná se o metodu využívající tří Hjorthových parametrů k vytvoření vektorového prostoru, ve kterém by na základě podobnosti vzniklých útvarů mohla být rozlišována jednotlivá stádia spánku. Hjorthovy parametry jsou počítány jak z celého pásma signálu EEG, tak i v jeho jednotlivých pásmech. V další části práce je provedena analýza hlavních komponent. Hlavní komponenty jsou analogicky s Hjorthovými parametry umístěny do vektorového prostoru a je u nich sledován charakter vzniklých útvarů.
|
|
|
Využití analýzy hlavních komponent (PCA) ke zpracování obrazových dat
Solnický, Jan ; Archalous, Tomáš (oponent) ; Rychtárik, Milan (vedoucí práce)
Tato práce se zabývá využitím analýzy hlavních komponent (PCA) ke zpracování obrazových dat a jejím cílem je seznámit se s matematickým aparátem analýzy hlavních komponent a možnostmi jejího využiti pro zpracovaní obrazu. Dále obsahuje návod jak PCA využít ke kompresi obrazových dat a k převodu barevného obrazu na šedotónový. Ukazuje také možnosti PCA při odstraňování šumu ve vlnkové oblasti. Práce zahrnuje také výsledky kompresních a odšumovacích operací a jejich zhodnocení.
|
|
|
Detekce ischemie v EKG záznamech
Tichý, Pavel ; Smital, Lukáš (oponent) ; Ronzhina, Marina (vedoucí práce)
V této práci jsou popsány projevy ischemie srdce v EKG signálu a shrnuty některé metody umožňující automatickou detekci ischemie. Dále byly vypočteny morfologické parametry EKG ze záznamů dostupných na UBMI a provedeno jejich statistické zhodnocení pro následnou automatickou klasifikaci. Pro vlastní klasifikaci srdečních cyklů byla použita vícevrstvá neuronová síť vytvořená v Matlabu. Na dostupných datech bylo dosaženo úspěšnosti klasifikace až 99,9%.
|
|
|
Metody redukce dimenzionality statistického souboru
Sabo, Adam ; Kosová, Petra (oponent) ; Hrabec, Pavel (vedoucí práce)
Tato práce se zabývá představením metod pro redukci dimenzionality a následnou aplikací těchto metod na vybrané sportovní statistické soubory. První část práce pojednává o teoretickém aparátu matematické statistiky, a to konkrétně o metodě hlavních komponent a o její alternativě - faktorové analýze. Druhá část práce stručně vysvětluje pojmy týkající se souborů zvolených fotbalových statistik, na něž jsou metody aplikovány. Třetí část práce seznamuje s výsledky aplikací obou metod na statistické soubory. Data získaná výpočty v programovacím jazyku Python jsou vyjádřena a prezentována formou grafů a tabulkových výstupů.
|
|
|
Příznaky z videa pro klasifikaci
Behúň, Kamil ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce porovnává ručně-navrženy příznaky s příznaky naučenými metodami učení příznaků při klasifikací videa. Příznaky naučené pomocí Analýzy nezávislých podprostorů, Řídkými Autoenkodéry a vybělením Analýzou hlavních komponent byly otestovány v systému pro klasifikaci videa pomocí Bag of Words, ve kterém nahradily ručně-navrženy příznaky (např. SIFT, HOG, HOF). Úspěšnost klasifikace těchto naučených příznaků byla testována na datových sadách Human Motion DataBase a YouTube Action Data Set, kde ukázaly lepší výsledky než ručně-navrženy příznaky. Tato práce také ukazuje pomocí navržené metody inspirovanej metódami Multiple Kernel Learning, že při kombinaci naučených příznaků s ručně-navrženými příznaky lze dosáhnout ještě výraznější zlepšení úspěšnosti klasifikace videa a to i v případě, když ručně-navrženy příznaky a naučené příznaky samostatně nedosahují příliš velké úspěšnosti klasifikace.
|
|
|
Determination of Factors Affecting Wage Differentiation in the EU Countries
Kocurová, Tamara
Cílem této práce je identifikovat faktory, které se podílejí na mzdové diferenciaci mezi krajinami EU pomocí analýzy panelových dat. Přehled literatury poskytuje shrnutí teoretických základů k tématu mezd a předchozích studií o mzdových rozdílech, jako i rozbor současné situace v EU, potenciálních determinantů a důsledků diferenciace mezd. Analýza ukázala, že mzdy jsou ovlivněné různými potenciálními proměnnými. Avšak, použití faktorové analýzy vedlo k identifikaci významných faktorů – ekonomická síla krajiny, úroveň digitalizace a pracovní podmínky, investice a míra nezaměstnanosti. Tyto výsledky jsou v souladu s existujícími studiemi. Závěr obsahuje doporučení vedoucí k vyšším mzdám na základě výsledků.
|
host ::
RSS.