Národní úložiště šedé literatury Nalezeno 12 záznamů.  předchozí11 - 12  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Použití mobilního robotu v inteligentním domě
Kuparowitz, Tomáš ; Burian, František (oponent) ; Petyovský, Petr (vedoucí práce)
Zadáním této práce je prozkoumat trh a vybrat vhodný autonomní robot pro spolupráci s inteligentním domem. Součástí práce je rešerše schopností inteligentních domů v oblasti senzorických systému, možnosti zpracování získaných dat a jejich následné využití autonomními roboty. Součástí práce je implementace ovládání robotu ve vývojovém prostředí Microsoft Robotics Studio (C#) a jeho simulace pomocí simulátoru Visual Simulation Environment. V práci je navrženo a realizováno komunikační rozhraní mezi robotem a inteligentním domem a komunikační rozhraní mezi robotem a uživatelem. Rozhraní robotu nabízí přímé ovládání a automatické navádění robotu v rámci inteligentního domu. Aplikace je vybavena pro navigaci a pohyb v dynamickém prostředí inteligentního domu. Robot je schopný registrovat nové překážky a pracovat s nimi.
Detekce logopedických vad v řeči
Pešek, Milan ; Smékal, Zdeněk (oponent) ; Atassi, Hicham (vedoucí práce)
Tato práce se zabývá návrhem a realizací softwarového nástroje pro detekci logopedických vad v řeči. Jelikož je třeba odhalit logopedické vady v řeči co nejdříve, je tento nástroj zaměřen na mluvčí dětského věku. Úvodem text popisuje teorii vytváření řeči, modelování vytváření řeči pro její číslicové zpracování, fonetiku, logopedii a základní logopedické vady v řeči. Dále jsou popsány použité metody pro extrakci příznaků, pro segmentaci slov na hlásky a pro klasifikaci příznaků do tříd vadné a správné výslovnosti. V závěru textu jsou uvedeny výsledky testování vybraných metod. K rozpoznání logopedických vad v řeči jsou použity algoritmy pro extrakci příznaků MFCC (Melovské kepstrální koeficienty) a PLP (Perceptivní lineární predikce). Segmentace slova na hlásky je provedena pomocí metody sledování rozdílnosti příznaků. Extrahované příznaky hlásky jsou klasifikovány do tříd vadné nebo správné výslovnosti jednou z testovaných metod rozpoznání vzoru. Pro klasifikaci příznaků jsou testovány metody k-NN (Algoritmus k-nejbližších sousedů), SVM (Algoritmy podpůrného učení), ANN (Umělé neuronové sítě) a GMM (Smíšené Gaussovy modely).

Národní úložiště šedé literatury : Nalezeno 12 záznamů.   předchozí11 - 12  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.