|
|
Visualization of scalar fields by back-to-front method
Gurecká, Hana ; Druckmüller, Miloslav (referee) ; Martišek, Dalibor (advisor)
Diplomová práce je zaměřena na metody zobrazování skalárních dat v pevné datové mřížce, konkrétně dat získaných užitím fluorescenčního konfokálního mikroskopu. Teoretická část textu začíná představením fungování konfokálních mikroskopů a zasazení problematiky zkoumaných grafických metod do matematického kontextu. Následující kapitola se věnuje odvození integrálu pro zobrazování objemů a z něj vyplývající back-to-front metodu. Teoretická část je zakončena představením metod vhodných pro zobrazování trojrozměrných skalárních dat při použití back-to-front algoritmu. V praktické části je pak popsán implementovaný algoritmus.
|
|
|
Workspace monitoring of robot
Gurecká, Hana ; Šeda, Miloš (referee) ; Lang, Stanislav (advisor)
The goal of theoretical part of the thesis is to sumarise basic procedures and algorithms for robotic workspace monitoring. The first chapter is focused on those procedures. Another important topic of thesis is problematics of floating point error in calculations accuracy. Representations of cones and conical surfaces are discussed in the last theoretical chapter. The practical part of the thesis is focused on implementation of cone AND truncated cone workspace monitoring algorithm in C++.
|
|
|
Computer modeling of 3D objects using surface network
Gurecká, Hana ; Martišek, Dalibor (referee) ; Lang, Stanislav (advisor)
The thesis is divided into theoretical and practical part. The goal of the thesis is introduction to object modeling using surface meshes. The basics features and mesh data structures are discussed. Considerable space is devoted to the chapter about mesh decimation algorithms. In practical part of the thesis vertex clustering and edge collapse algorithms are implemented. In the end acquired results are disscussed.
|
|
|
Data Classification using Artificial Neural Networks
Gurecká, Hana ; Dvořák, Jiří (referee) ; Matoušek, Radomil (advisor)
The thesis deals with neural networks used in data classification. The theoretical part presents the three basic types of neural networks used in data classification. These networks are feedforward neural network with backpropagation algorithm, the Hopfield network with minimization of energy function and the Kohonen’s method of self-organizing maps. In the second part of the thesis these algorithms are programmed and tested in Matlab environment. At the end of each network testing results are discussed.
|
|
|
Visualization of scalar fields by back-to-front method
Gurecká, Hana ; Druckmüller, Miloslav (referee) ; Martišek, Dalibor (advisor)
Diplomová práce je zaměřena na metody zobrazování skalárních dat v pevné datové mřížce, konkrétně dat získaných užitím fluorescenčního konfokálního mikroskopu. Teoretická část textu začíná představením fungování konfokálních mikroskopů a zasazení problematiky zkoumaných grafických metod do matematického kontextu. Následující kapitola se věnuje odvození integrálu pro zobrazování objemů a z něj vyplývající back-to-front metodu. Teoretická část je zakončena představením metod vhodných pro zobrazování trojrozměrných skalárních dat při použití back-to-front algoritmu. V praktické části je pak popsán implementovaný algoritmus.
|
|
|
Computer modeling of 3D objects using surface network
Gurecká, Hana ; Martišek, Dalibor (referee) ; Lang, Stanislav (advisor)
The thesis is divided into theoretical and practical part. The goal of the thesis is introduction to object modeling using surface meshes. The basics features and mesh data structures are discussed. Considerable space is devoted to the chapter about mesh decimation algorithms. In practical part of the thesis vertex clustering and edge collapse algorithms are implemented. In the end acquired results are disscussed.
|
|
|
Workspace monitoring of robot
Gurecká, Hana ; Šeda, Miloš (referee) ; Lang, Stanislav (advisor)
The goal of theoretical part of the thesis is to sumarise basic procedures and algorithms for robotic workspace monitoring. The first chapter is focused on those procedures. Another important topic of thesis is problematics of floating point error in calculations accuracy. Representations of cones and conical surfaces are discussed in the last theoretical chapter. The practical part of the thesis is focused on implementation of cone AND truncated cone workspace monitoring algorithm in C++.
|
|
|
Data Classification using Artificial Neural Networks
Gurecká, Hana ; Dvořák, Jiří (referee) ; Matoušek, Radomil (advisor)
The thesis deals with neural networks used in data classification. The theoretical part presents the three basic types of neural networks used in data classification. These networks are feedforward neural network with backpropagation algorithm, the Hopfield network with minimization of energy function and the Kohonen’s method of self-organizing maps. In the second part of the thesis these algorithms are programmed and tested in Matlab environment. At the end of each network testing results are discussed.
|
guest ::
