|
| |
|
|
Fracture Behaviour of Steels and Their Welds for Power Industry
Al Khaddour, Samer ; Kohout, Jan (oponent) ; Válka, Libor (oponent) ; Dlouhý, Ivo (vedoucí práce)
The aim of the study is to verify the validity of the master curve concept for evaluation of the dissimilar weld joint and/or thermally aged weld joints. In addition, the thesis is focused on development of quantitative models for the prediction of reference temperature characterising position of the fracture toughness transition on the temperature axis using experimental data collected from tensile tests, together with a powerful computational technique known as neural network. This study focuses on the evaluation of the fracture behaviour of welds carried out by fusion welding. It aims to investigate the fracture behaviour in transition region of the structural steels and welds with ferritic basic microstructures by means of reference temperature. In order to obtain the reference temperature artificial neural network is used exploting tensile test and hardness test data. Creating a model using neural network method requires a sufficient amount of data and it is sometimes not possible to accomplish easily. Creating a truly general model requires a combination of data and metallurgical knowledge. So, the aim of this work is also to develop artificial neural network enabling to predict the reference temperature. In total 29 experimental data sets from low alloy steels have been applied to validate the model of reference temperature prediction. The tensile tests have been done at general yield temperature of circumferential notched tensile tests (purely general yield temperature) and at room temperature (purely ductile fracture temperature). To build the model all parameters of tensile test and hardness values were used as input variables. The study indicated that the reference temperature characterizing the fracture toughness transition behaviour in low alloy steels with predominantly ferritic structure is predictable on the basis of selected characteristics of tensile test.
|
|
|
Genetický návrh klasifikátoru s využítím neuronových sítí
Tomášek, Michal ; Vašíček, Zdeněk (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této práce je genetický návrh neuronových sítí, jenž budou schopné provádět klasifikaci v rámci různých klasifikačních úloh. K vytváření těchto neuronových sítí je použit algoritmus vycházející z algoritmu NeuroEvolution of Augmenting Topologies (zkráceně známého jako NEAT). Dále je představena myšlenka předzpracování, která je v implementovaném výsledku rovněž zahrnuta. Cílem předzpracování je snížení výpočetních nároků pro zpracování datové sady daného klasifikačního problému. Výsledkem této práce je množina experimentů provedených nad datovou sadou pro detekci rakovinných buněk a databází ručně psaných číslic MNIST. Klasifikátory vytvořené pro rakovinné buňky pak dosahují více jak 99% přesnosti a u experimentu MNIST dochází ke snížení výpočetních nároků o více jak 10% se zanesením zanedbatelné chyby o velikosti 0,17%.
|
|
|
Komprese obrazu s využitím umělé neuronové sítě
Vondráček, Jiří ; Pohl, Jan (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce je zaměřena na kompresi obrazu s využitím umělé neuronové sítě včetně praktické realizace. Jejím cílem je prozkoumat možnosti komprese obrazu umělou neuronovou sítí a vyhodnotit výsledky. V teoretické části je vysvětlen princip umělých neuronových sítí a také jsou zde popsány základní metody komprese obrazu. V praktické části je stručný popis kompresního programu, porovnání různých nastavení a vyhodnocení výsledků.
|
|
|
Predikce vlivu povrchové vrstvy oxidů na intenzitu vodního chlazení
Haluza, Vít ; Hrabovský, Jozef (oponent) ; Pohanka, Michal (vedoucí práce)
Tato diplomová práce se zabývá analýzou vlivu povrchové vrstvy oxidů na vedení tepla. Důraz je kladen především na numerické simulace. Kromě modelování vedení tepla pomocí diferenciálních rovnic je k predikci vlivu oxidů na chlazení použito také lineárních regresních modelů a umělých neuronových sítí. Výsledkem práce je stanovení podmínek, za kterých dojde ke zintenzivnění chlazení vlivem oxidických vrstev a porovnání jednotlivých metod predikce vlivu oxidů na chlazení.
|
|
| |
|
|
Automatická klasifikace spánkových fází
Schwanzer, Miroslav ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá klasifikací spánkových fází na základě polysomnografických signálů. Pro vybrané signály byla provedena analýza a selekce příznaků v časové oblasti a ve frekvenční oblasti. Příznaky ke klasifikaci byly získány ze signálů EEG, EOG a EMG. Jako klasifikátory byly použity klasifikační modely typu K-NN, SVM, a umělé neuronové sítě. Úspěšnost klasifikace se liší podle použité metody a rozdělení skupin. Nejlepších výsledků dosahovala klasifikace mezi stavy bdělosti, fáze REM a N3, a to za pomoci neuronové sítě. Zde bylo dosaženo celkové úspěšnosti 93,1 %.
|
|
|
Neuronové sítě pro lokalizaci lidského obličeje
Žák, Jakub ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá využitím vícevrstvých neuronových sítí na problém lokalizace lidského obličeje ve statickém obraze. Tato metoda má obecně dobré generalizační schopnosti a proto není nutné sestavovat složité modely analyzovaných dat. Je také rozebrána možnost využití neuronové sítě s pozměněnou architekturou.
|
|
|
Návrh síťového prvku pomocí neuronové sítě
Pokorný, Petr ; Krček, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Diplomová práce se zabývá řešením prioritního síťového přepínače, jehož model byl vytvořen v simulačním prostředí Matlab - Simulink. Úloha optimálního přepínání je řešena pomocí umělé neuronové Hopfieldovy sítě. Výsledkem práce je model přepínače a srovnání časové náročnosti, při řešení optimalizačního problému, pomocí umělé neuronové sítě a bez využití této sítě. Tato diplomová práce byla zpracována v rámci vědecko-výzkumného záměru MSM 0021630529 Inteligentní systémy v automatizaci.
|
|
|
Detekce objektů v obraze
Vaľko, Tomáš ; Motlíček, Petr (oponent) ; Švub, Miroslav (vedoucí práce)
Detekce objektů v obraze je velmi populární téma už několik let. Značí o tom mnoho prací v této oblasti počítačové vědy. V této práci se věnujeme klasifikaci objektů, konkrétně lidských obličejů, jako jedním z nejzajímavějších objektů na zpracování. Ke klasifikaci používáme neuronové sítě, naučené na databáze obličejů. Zkoumá se vplyv velikosti databáze a předzpracovaní digitálního obrazu na učení neuronové sítě. Práce implementuje jednoduchý detektor a lokalizátor obličejů. Obsahuje shrnutí úspěšných i méně úspěšných výsledků a naznačuje další možný vývoj systému v budoucnu.
|
host ::
RSS.