|
|
Pokročilé hodnocení kvality spánku
Benáček, Petr ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Tato diplomová práce se zabývá hodnocením kvality spánku pomocí moderních metod hlubokého učení. V práci jsou popsány metriky automatické klasifikace spánkových fází. Je zde diskutována vybraná databáze spánkových dat. Vzhledem k nízkému počtu dat ve fázi bdění jsou popsány a provedeny různé způsoby augumentace dat. Základem pro klasifikaci jsou modely založené na 1D konvolučních sítích. Výsledkem jsou připravené modely pro binární klasifikaci a klasifikaci 3 a 4 fází spánku. Nakonec jsou pomocí těchto modelů vypočítány metriky hodnotící kvalitu spánku a výsledky jsou srovnány s literaturou.
|
|
|
Pokročilé hodnocení kvality spánku
Doležalová, Anna ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová se zabývá pokročilým hodnocením kvality spánku pomocí hlubokého učení. Jsou zde popsány metriky pro hodnocení spánku a jejich využití. Pro klasifikaci jsou použity data tepové frekvence a akcelerometru pocházejících z chytrých hodinek Apple Watch. Základem pro klasifikaci byl model složený z 1D konvolučních sítí v kombinaci s rekurentní neuronovou sítí. Jako rekurentní sítě byly využity LSTM a GRU. Modely byly naučeny na klasifikaci do dvou, třech a pěti spánkových fází. V poslední řadě byly srovnány vzniklé metody.
|
|
|
Optimization of a Deep Neural Network Label Encoding in a Multi-Label Problem.
Zaťko, Martin ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of the diploma thesis is to propose a method of deep learning for the classification of arrhythmias from ECG recordings and to compare the effect of coding its outputs on the overall quality of the model. A 1D convolutional neural network was selected and methods of label coding using one-hot coding, ordinal coding, the method using an autoencoder and the word embbeding method were tested and compared on it. The obtained results show that the use of the word embbeding method can increase the classification capacity of the proposed network.
|
|
|
Pokročilé hodnocení kvality spánku
Benáček, Petr ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Tato diplomová práce se zabývá hodnocením kvality spánku pomocí moderních metod hlubokého učení. V práci jsou popsány metriky automatické klasifikace spánkových fází. Je zde diskutována vybraná databáze spánkových dat. Vzhledem k nízkému počtu dat ve fázi bdění jsou popsány a provedeny různé způsoby augumentace dat. Základem pro klasifikaci jsou modely založené na 1D konvolučních sítích. Výsledkem jsou připravené modely pro binární klasifikaci a klasifikaci 3 a 4 fází spánku. Nakonec jsou pomocí těchto modelů vypočítány metriky hodnotící kvalitu spánku a výsledky jsou srovnány s literaturou.
|
|
|
Optimization of a Deep Neural Network Label Encoding in a Multi-Label Problem.
Zaťko, Martin ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of the diploma thesis is to propose a method of deep learning for the classification of arrhythmias from ECG recordings and to compare the effect of coding its outputs on the overall quality of the model. A 1D convolutional neural network was selected and methods of label coding using one-hot coding, ordinal coding, the method using an autoencoder and the word embbeding method were tested and compared on it. The obtained results show that the use of the word embbeding method can increase the classification capacity of the proposed network.
|
|
|
Pokročilé hodnocení kvality spánku
Doležalová, Anna ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová se zabývá pokročilým hodnocením kvality spánku pomocí hlubokého učení. Jsou zde popsány metriky pro hodnocení spánku a jejich využití. Pro klasifikaci jsou použity data tepové frekvence a akcelerometru pocházejících z chytrých hodinek Apple Watch. Základem pro klasifikaci byl model složený z 1D konvolučních sítí v kombinaci s rekurentní neuronovou sítí. Jako rekurentní sítě byly využity LSTM a GRU. Modely byly naučeny na klasifikaci do dvou, třech a pěti spánkových fází. V poslední řadě byly srovnány vzniklé metody.
|
host ::
RSS.