|
|
Visualization of scalar fields by back-to-front method
Gurecká, Hana ; Druckmüller, Miloslav (oponent) ; Martišek, Dalibor (vedoucí práce)
This master’s thesis is focused on scalar data in rigid data mesh imaging. In particular the data are acquired from fluorescent confocal microscope. The theoretical part begins with introduction to confocal microscopy followed by putting the subject of examined graphical methods in mathematical context. Next chapter is devoted to volume rendering integral derivation and consequent back-to-front method. The theoretical part is finalized by introduction of methods suitable for rendering 3D scalar fields using back-to-front algorithm. In the practical part the implemented algorithm is described.
|
|
|
Monitorování pracovního prostoru robotu
Gurecká, Hana ; Šeda, Miloš (oponent) ; Lang, Stanislav (vedoucí práce)
Cílem teoretické části práce je shrnutí postupů a algoritmů určených pro monitorování pracovního prostoru robota, kterým je věnována první kapitola. Dalším důležitým tématem je problematika přesnosti výpočtů při použití datových typů s plovoucí desetinnou čárkou. V poslední teoretické kapitole budou představeny možnosti reprezentace kuželu pomocí kvadratických ploch či analytické geometrie. Praktická část je věnována implementaci vlastního algoritmu pro monitorování pracovního prostoru kuželu a komolého kuželu v jazyce C++.
|
|
|
Počítačové modelování 3D objektů pomocí povrchové sítě
Gurecká, Hana ; Martišek, Dalibor (oponent) ; Lang, Stanislav (vedoucí práce)
Práce je rozdělena do rešeršní a praktické části. Cílem rešerše je seznámení se s modelováním objektů pomocí povrchových sítí. Jsou rozebrány základní vlastnosti a typy struktur povrchových sítí. Značný prostor je věnován kapitole o algoritmech určených k redukci počtu trojúhelníků na povrchové síti. V rámci praktické části jsou implementovány algoritmy shlukování bodů a kolapsu hrany. Závěrem práce jsou diskutovány výsledky.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Visualization of scalar fields by back-to-front method
Gurecká, Hana ; Druckmüller, Miloslav (oponent) ; Martišek, Dalibor (vedoucí práce)
This master’s thesis is focused on scalar data in rigid data mesh imaging. In particular the data are acquired from fluorescent confocal microscope. The theoretical part begins with introduction to confocal microscopy followed by putting the subject of examined graphical methods in mathematical context. Next chapter is devoted to volume rendering integral derivation and consequent back-to-front method. The theoretical part is finalized by introduction of methods suitable for rendering 3D scalar fields using back-to-front algorithm. In the practical part the implemented algorithm is described.
|
|
|
Počítačové modelování 3D objektů pomocí povrchové sítě
Gurecká, Hana ; Martišek, Dalibor (oponent) ; Lang, Stanislav (vedoucí práce)
Práce je rozdělena do rešeršní a praktické části. Cílem rešerše je seznámení se s modelováním objektů pomocí povrchových sítí. Jsou rozebrány základní vlastnosti a typy struktur povrchových sítí. Značný prostor je věnován kapitole o algoritmech určených k redukci počtu trojúhelníků na povrchové síti. V rámci praktické části jsou implementovány algoritmy shlukování bodů a kolapsu hrany. Závěrem práce jsou diskutovány výsledky.
|
|
|
Monitorování pracovního prostoru robotu
Gurecká, Hana ; Šeda, Miloš (oponent) ; Lang, Stanislav (vedoucí práce)
Cílem teoretické části práce je shrnutí postupů a algoritmů určených pro monitorování pracovního prostoru robota, kterým je věnována první kapitola. Dalším důležitým tématem je problematika přesnosti výpočtů při použití datových typů s plovoucí desetinnou čárkou. V poslední teoretické kapitole budou představeny možnosti reprezentace kuželu pomocí kvadratických ploch či analytické geometrie. Praktická část je věnována implementaci vlastního algoritmu pro monitorování pracovního prostoru kuželu a komolého kuželu v jazyce C++.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
host ::
RSS.