|
|
Rozpoznání jednotlivých písmen ve zvukovém záznamu s využitím SOM
Malásek, Jan ; Honzík, Petr (oponent) ; Honzík, Petr (oponent) ; Pohl, Jan (vedoucí práce)
Bakalářská práce popisuje historické pozadí vývoje neuronových sítí a jejich použití při procesu rozpoznání řeči a uvádí do problematiky práce a učení neuronových sítí. Představuje tři vybrané systémy pro rozpoznání řečového signálu včetně vyhodnocení jejich úspěšnosti v experimentech, výhod a nevýhod. Zabývá se charakteristikou lidské řeči a systémy na její rozpoznávání. Nabízí pohled na spektra signálů různých typů hlásek a dává návod k programování neuronových sítí v prostředí MATLAB.
|
|
|
Fyzikální frakcionace půdní organické hmoty
KREJČÍKOVÁ, Jitka
Cílem této práce bylo podat přehled údajů o vzniku agregátů a o roli půdní organické hmoty v jejich stabilitě. Dalším cílem bylo uvedení metody fyzikální frakcionace, která byla použita v praktické části pro porovnání minerálních půd z povodí Čertova a Plešného jezera.
|
|
|
Kohonenova síť
Fic, Miloslav ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce se zabývá problematikou samoorganizujících neuronových sítí a jejich učícím mechanismem. Je rozebráno učení, aktivace a aplikace Kohonenovy sítě. Část bakalářské práce je věnována programu Kohonenovy neuronové sítě. Praktická část práce obsahuje citlivostní analýzu výsledného stavu sítě na učící parametry a jejich vliv na průběh učení. Na zvolených variacích parametrů učení je zkoumán vliv počátečního nastavení vah na výslednou „pozici“ vítězných neuronů.
|
|
|
Rozpoznávání objektů pomocí neuronových sítí
Marák, Jaroslav ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zaměřuje na neuronové sítě a jejich klasifikační schopnosti při rozpoznávání objektů v obraze. Pro rozpoznávání je zde použito vícevrstvé dopředné neuronové sítě, trénovatelné pomocí algoritmu zpětného šíření chyby - Back Propagation. V práci je zmíněna problematika volby topologie takovéto sítě a významných parametrů ovlivňujících průběh učení dopředné sítě. Pomocí série experimentů rozpoznávání objektů v různých úlohách jsou prezentovány dosažené výsledky spolu se zhodnocením úspěšnosti.
|
|
| |
|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Jamborová, Soňa ; Řezníček, Ivo (oponent) ; Žák, Pavel (vedoucí práce)
Tato práce se zabývá návrhem softwaru pro segmentaci obrazu pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro segmentaci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k segmentaci obrazu.
|
|
|
Kohonenova síť
Kaňa, Michal ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
V bakalářské práci je stručně popsána problematika umělých neuronových sítí, konkrétně poté samoorganizujících neuronových sítí a jejich využití. Práce se hlouběji věnuje problematice Kohonenovy samoorganizující sítě, popisem principu jejího učení a aplikací v praxi. V praktické části se práce zabývá problematikou nastavení počatečních vah neuronů v Kohonenově síti a jejich vlivem na konečnou pozici vítězného neuronu. U zvolené tréninkové množiny tento vliv demonstruje pomocí programového prostředí MATLAB.
|
|
|
Využití neuronových sítí pro klasifikaci alternací vlny T
Procházka, Tomáš ; Harabiš, Vratislav (oponent) ; Hrubeš, Jan (vedoucí práce)
Tato práce se zabývá analýzou pravidelných změn vlny T v EKG signálu nazývaných TWA. Přítomnost těchto alternací může znamenat zvýšené riziko náhlé srdeční smrti. K analýze TWA je zde využito algoritmů trénování neuronových sítí, konkrétně pak samoorganizujících se map. Výstupem této práce je program, který v testovaném EKG signálu nejprve detekuje QRS komplexy a získané referenční body následně využije k detekci T-vln. Vektor specifických bodů reprezentujících nalezené T-vlny je potom analyzován pomocí neuronové sítě. Výsledkem je rozhodnutí o míře přítomnosti TWA v analyzovaném signálu.
|
|
|
Využití neuronových sítí v klasifikaci srdečních onemocnění
Skřížala, Martin ; Tannenberg, Milan (oponent) ; Hrubeš, Jan (vedoucí práce)
Práce je zaměřená na návrh a využití umělých neuronových sítí jako klasifikátoru srdečních onemocnění z EKG signálu se zaměřením na ischemickou chorobu srdeční. Změny ST-T komplexů jsou významným ukazatelem ischemie v EKG signálu. Různe typy ischemické choroby srdeční se projevují zejména elevací nebo depresí ST segmentů a změnami T vlny v analyzovaném signálu. První část této práce obsahuje teoretický úvod popisující jednotlivé typy ischemické choroby srdeční a na ně vázané změny EKG signálu. Druhá část je věnována popisu předzpracování EKG signálu ke klasifikaci neuronovými sítěmi. Obsahuje filtraci EKG, QRS detekci, detekci ST-T komplexů a popis analýzy hlavních komponent a její využítí k popisu analyzovaného signálu. V poslední části práce je popsán návrh a způsob detekce možných příznaků ischemické choroby srdeční v EKG pomocí dvou typů umělých neuronových sítí: Back-propagation, SOM. Dále jsou zde uvedeny výsledky navržených algoritmů. Přílohy obsahují popis navrženého programu pro klasifikaci srdečních onemocnění, popis jednotlivých jeho funkcí, dále zde najdeme podrobný popis všech použitých neuronových sítí a tabulky obsahující detailní výsledky klasifikace EKG signálu. Samotný program byl vytvořen v programovacím prostředí Matlab R2007b.
|
host ::
RSS.