|
|
Konstrukce dílu přehazovačky pro přímou montáž k rámu jízdního kola
Chalupa, David ; Strecker, Zbyněk (oponent) ; Košťál, David (vedoucí práce)
Tato bakalářská práce se zaměřuje na optimalizaci řazení horských kol prostřednictvím eliminace nepřesností způsobených použitím vyměnitelné patky. Cílem bylo navrhnout, vyrobit a otestovat adaptér, který umožňuje přímé připevnění mechanické přehazovačky k rámu horského kola. Podstata práce spočívá v použití 3D tisku k výrobě mechanicky namáhaných součástí. V rámci projektu byly představeny dva návrhy adaptérů: První optimalizovaný pro výrobu pomocí 3D tisku SLS technologii s úmyslem komerčního prodeje. Druhý adaptér je určen pro výrobu na domácích 3D tiskárnách. Oba adaptéry jsou navrženy s využitím generativního designu na základě analyzovaných zatížení. Výsledkem práce jsou dvě plně funkční řešení adaptéru. Testování ukázalo, že adaptér vyrobený pomocí tisku technologií SLS z materiálu PA12 vykazuje o 24,8 % vyšší tuhost a o 2,85 % nižší hmotnost ve srovnání s přehazovačkou připevněnou pomocí patky. Adaptér vyrobený technologií FDM z materiálu ASA dosáhl zvýšení tuhosti o 127,5 % a snížení hmotnosti o 2,3 %.
|
|
|
Rozšiřující modul platformy 3D Slicer pro segmentaci tomografických obrazů
Chalupa, Daniel ; Jakubíček, Roman (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce pojednává o využití strojového učení při úlohách klasifikace medicínských obrazů. Obsahuje literární rešerši pojednávající o klasických a moderních metodách segmentace obrazů. Hlavním cílem práce je navržení a vytvoření rozšíření pro platformu 3D Slicer. Rozšíření využívá strojové učení ke klasifikaci obrazů dle zadaných parametrů. Testování rozšíření probíhá na reálných tomografických obrazech z nukleární magnetické rezonance a sleduje přesnost klasifikace a využitelnost v praxi.
|
|
| |
|
|
Supervised Segmentation For 3D Slicer
Chalupa, Daniel
The purpose of this work is to introduce an extendable framework for training and usage of machine learning algorithms. This framework is bundled in an extension for 3D Slicer that is to be used for medical images segmentation. An example usage of the extension is also provided.
|
|
|
Rozšiřující modul platformy 3D Slicer pro segmentaci tomografických obrazů
Chalupa, Daniel ; Jakubíček, Roman (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce pojednává o využití strojového učení při úlohách klasifikace medicínských obrazů. Obsahuje literární rešerši pojednávající o klasických a moderních metodách segmentace obrazů. Hlavním cílem práce je navržení a vytvoření rozšíření pro platformu 3D Slicer. Rozšíření využívá strojové učení ke klasifikaci obrazů dle zadaných parametrů. Testování rozšíření probíhá na reálných tomografických obrazech z nukleární magnetické rezonance a sleduje přesnost klasifikace a využitelnost v praxi.
|
|
|
Vývoj místní samosprávy v obci Písek
Chalupa, Daniel ; Čopík, Jan (vedoucí práce) ; Monika, Monika (oponent)
Diplomová práce se zabývá samosprávou a komunální politikou ve městě Písek. Práce je zaměřená na vývoj místní samosprávy v období po roce 1989 až po současnost. Předmětem práce je analýza místního politického systému a také jeho činnost v oblasti rozvoje obce. Práce je rozdělena na část teoretickou a praktickou.
Teoretická část vysvětluje základní pojmy, které souvisí se samosprávou i obcí samotnou, jako jsou obecní samospráva, komunální volby a polemiky.
Praktická část pak charakterizuje Písek z historického, demografického a socioekonomického hlediska. Dále se zaměřuje na komunální politiku v tomto městě, zabývá se místními politickými subjekty, chodem zastupitelstva a polemikami, které zde vznikají. Praktická část také zahrnuje analýzu komunálních voleb v letech 1994 až 2014 a popisuje vývoj místní samosprávy po posledních volbách v roce 2014.
|
|
| |
|
|
Pattern Recognition in Surface Electromyography
Chalupa, D.
In this paper, a method is proposed to differentiate patterns in one-channel surface electromyography. This particular method uses an example signal containing all relevant patterns to learn spectral coefficients. These coefficients are used to analyze unknown signals. An example of finger recognition algorithm based on a signal from forearm muscles is shown and discussed.
|
host ::
RSS.