|
|
Klasifikace EKG na základě metod HRV analýzy
Caha, Martin ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá klasifikací EKG naměřeného z izolovaných králičích srdcí v průběhu experimentu s opakovanou ischemií. Klasifikační příznaky byly tvořeny za použitím metod analýzy variability srdečního rytmu. Výsledky byly statisticky vyhodnoceny. Parametry variability srdečního rytmu byly vypočtené pomocí prostředí Kubios HRV, ostatní výpočty se prováděly v MATLABu. Byla vytvořena neuronová síť pro klasifikaci analyzovaných parametrů do specifických skupin.
|
|
|
Klasifikace srdečních cyklů z více svodového EKG pomocí metody hlavních komponent
Vlček, Milan ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je seznámit se s metodou hlavních komponent. Dále se zaměřit na její využití při zpracování srdečních cyklů. Tato metoda umožňuje zredukovat množství dat beze ztráty užitečných informaci, což je důvodem proč se v posledních letech často používá pro zpracování dat a pro jejich následnou klasifikaci, kterou se tato práce také zabývá. Data byla získána ústavem biomedicínského inženýrství na FEKT VUT v Brně. Jejich následná analýza byla provedena v programu Matlab.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (oponent) ; Vágnerová, Jitka (vedoucí práce)
This work describes the principle of operation of neurons and how they form artificial neural networks. The structure and the operation of neurons are thoroughly described and the most widely used algorithm for neuron training is shown as well as the basics of fuzzy logic including its advantages and disadvantages. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. These techniques provide effective methods of neural network learning.
|
|
|
Klasifikace EKG signálů s použitím neuronových sítí
Loviška, David ; Vítek, Martin (oponent) ; Hrubeš, Jan (vedoucí práce)
Cílem projektu Klasifikace EKG signálů pomocí neuronových sítí je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout vytvořením programu schopného jednoduše a téměř okamžitě klasifikovat EKG signál s použitím umělé neuronové sítě. Vytvořený program poskytne lékaři základní informace o vloženém elektrokardiogramu, jako jsou časové intervaly a amplitudy signálu v jednotlivých zkoumaných úsecích. Následně lékaře upozorní na odchylky od normálu. Součástí programu je i grafické okno se zobrazeným signálem a na něm barevně zvýrazněny body a úseky vyhodnocené programem za zvláštní. V další fázi bude program sám klasifikovat získané údaje a určí nezávisle na lékaři diagnózu, kterou může lékař vyhodnotit a případně vlastním podpisem uznat za skutečnou diagnózu pacienta. Tento program je rovněž vhodný pro několikahodinové, až týdenní záznamy Holterova monitorování EKG.
|
|
|
Vyhodnocování elektrochemických signálů neuronovou sítí
Šílený, Jan ; Kuchta, Radek (oponent) ; Hubálek, Jaromír (vedoucí práce)
Automatizovaná elektrochemická měření jsou zdrojem velkého množství dat určených k následnému vyhodnocování. Tato práce se zabývá problémem zpracování, klasifikace a vyhodnocování elektrochemických signálů pomocí neuronových sítí. Kvůli vysoké dimenzionalitě analyzovaných dat je v této práci využita autoasociativní neuronová síť (AANN). Tento typ sítě provádí redukci dimenzionality filtrováním analyzovaných dat a extrahuje relativně nízký počet význačných parametrů na výstupu svého krčku. Pomocí extrahovaných parametrů je možné provést klasifikaci, vyhodnocení a násleně modelovat analyzovaný experiment díky rekonstrukční části naučené sítě. Dále se tato práce zabývá implementací dopředných neuronových sítí v jazyku OpenCL.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
|
|
Využití prostředků inverzní analýzy spolehlivosti při pravděpodobnostním návrhu vybraných parametrů konstrukcí
Lipowczan, Martin ; Novák, Drahomír (oponent) ; Lehký, David (vedoucí práce)
Podstatou předložené bakalářské práce je aplikace metodiky a prostředků inverzní analýzy při pravděpodobnostním návrhu vybraných parametrů konstrukcí. Prvním krokem bylo seznámení se s pravděpodobnostním návrhem a posouzením konstrukcí, následně pak s vlastní metodikou inverzní analýzy založené na umělých neuronových sítí. Po nastudování daného tématu bylo možné přejít k samotné problematice. Zprvu pro uvedení teorie do praxe se začalo na lehčích příkladech. Jednalo se o matematické funkce a jeden praktičtější příklad. U těchto příkladů byly předem známé výsledky. Tato skutečnost vedla k snadné kontrole dosažených hodnot. Postupným zdokonalováním v užívání softwarových nástrojů a to zejména programu DLNNET bylo možné přejít na příklady z praxe. Zvoleny byly příklady z předmětů nižších ročníků bakalářského studia na Fakultě stavební VUT Brno. Prvním z nich byl návrh železobetonové desky, u které byly hledanými návrhovými parametry výška desky a plocha vyztužení. Druhým příkladem byl návrh montážního ocelového šroubového spoje u diagonály vazníku. Zde se provedlo dimenzování průměru šroubu a jeho počet.
|
|
|
Predikce produkce popela jako vedlejšího produktu spalování v uhelné elektrárně Ledvice
Zikmundová, Alena ; Kuncová, Martina (vedoucí práce) ; Houšková Beránková, Martina (oponent)
Tato práce se zabývá predikcí produkce popela jako vedlejšího energetického produktu v uhelné elektrárně Ledvice. Cílem prvních dvou kapitol této práce bylo zmapovat vývoj spotřeby elektrické energie a zdrojů elektrické energie v Evropě, trendy v energetice na začátku 21. století, uvést energetickou společnost ČEZ, shrnout problematiku vedlejších energetických produktů a představit nový zdroj uhelné elektrárny Ledvice. V teoretické části byly prezentovány metody lineárního programování, simulačních modelů, lineárního regresního modelu a umělých neuronových sítí. Tyto metody pak byly využity v praktické části pro sestavení optimalizačního modelu zpracování vedlejších energetických produktů za pomoci lineárního programování, k simulaci produkce vedlejších energetických produktů a následné aplikaci optimalizace jejich zpracování na simulované případy a modelu predikce poměru produkce ložového popela ku spálenému uhlí na základě charakteristik zpracovaného uhlí vlhkosti, popelnatosti a spalného tepla za pomoci umělých neuronových sítí.
|
|
|
Souvislost volatility akciových kurzů a pozice ekonomiky v hospodářském cyklu
Poláková, Soňa ; Veselá, Jitka (vedoucí práce) ; Krabec, Tomáš (oponent) ; Onder, Štěpán (oponent)
Cílem této disertační práce bylo prokázání nebo vyvrácení hypotézy o existenci vztahů mezi akciovými trhy zasaženými všudypřítomnou volatilitou a reálnou ekonomikou USA, Německa, Velké Británie a Japonska. Analytickým nástrojem, který byl pro tuto práci využit, byl model založený na aplikaci umělých neuronových sítí. Analýzou dílčích vztahů v období od počátku r. 2000 do října r. 2014 byla prokázána existence silného jednosměrného vztahu mezi akciovými trhy (zastoupenými hlavními akciovými indexy) a příslušnou reálnou ekonomikou. Tyto vztahy byly nejkvalitněji prokázány na americkém a britském trhu. Akciový index S&P 500, FTSE a indikátor VIX dokázaly pomoci správně predikovat budoucí vývoj reálné ekonomiky USA a Velké Británie na následujících šest až devět měsíců, a to s úspěšností 71% až 86%. Umělé neuronové sítě prokázaly schopnost predikcí vybraných finančních časových řad s nadprůměrnou kvalitou, a to jak v období konjunktury, tak v období recese, které byly v obou případech ve sledovaném období zastoupeny.
|
host ::
RSS.