|
|
Novel methods for sleep analysis and classification
Navrátilová, Markéta ; Ronzhina, Marina (oponent) ; Kolářová, Jana (vedoucí práce)
This diploma thesis deals with methods for sleep analysis and classification. Sleep stagesand biosignals patterns during sleep are described as well as methods for classification.Features are extracted from provided EDA, ECG and RIP signals. Based on those fea-tures individual sleep stages are classified using random forest classifier and the classifierparameters are tuned. The results are evaluated. The features dataset is explored usingdimensionality reduction techniques and the results are compared with the results fromstandard sleep stages classification. The approach for visualization of both raw biosig-nals and extracted features is designed and implemented. Achieved results are comparedwith published methods.
|
|
|
Charakterizace tkání ve spektrálních CT datech
Poláková, Veronika ; Jan, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato bakalářská práce se zabývala charakterizací tkání na virtuálních monoenergetických obrazech (VMI). Byla zpracována literární rešerše o spektrálním CT, díky kterému lze VMI vytvořit. Dále bylo provedeno statistické vyhodnocení CT čísel tkání napříč spektrem energií VMI. Bylo zjištěno, že medián CT čísla s rostoucí energií VMI roste, nebo klesá různě strmě v závislosti na tkáni. To přispívá k lepšímu kontrastnímu rozlišení vybraných dvojic tkání na vhodných VMI a tím pádem i jejich lepší segmentaci a klasifikaci na těchto obrazech.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
|
Využití strojového učení pro predikci vlivu mutací na stabilitu proteinů
Dúbrava, Juraj Ondrej ; Martínek, Tomáš (oponent) ; Musil, Miloš (vedoucí práce)
Táto práca sa zaoberá predikciou vplyvu aminokyselinových mutácií na stabilitu proteínu. Cieľom bolo vytvorenie nástroja klasifikujúceho výsledný charakter mutácie s využitím kombinácie viacerých metód strojového učenia. Implementovaný prístup kombinujúci metódy SVM a Random Forest dosiahol lepšie výsledky ako použitie metód samostatne. Nástroj bol porovnaný s dostupnými nástrojmi na nezávislom datasete na ktorom dosiahol úspešnosť predikcie 67 % a koreláciu 0,3.
|
|
|
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
|
|
|
Rozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonem
Nevěčná, Leona ; Vítek, Martin (oponent) ; Smíšek, Radovan (vedoucí práce)
Díky vývoji v poslední době přibývá miniaturizovaných senzorů umísťovaných do chytrých telefonů jako jsou akcelerometr, gyroskop, magnetometr, přijímač souřadnic globálního pozičního systému (GPS), mikrofon a dalších. Použití těchto senzorů k rozpoznávání lidské aktivity, za účelem zlepšení péče o zdraví je stále více aktuálním tématem. Výhodou použití chytrého telefonu k sledování aktivity osob je, že se jedná o přístroj, který u sebe měřená osoba má a nejsou s měřením žádné dodatečné náklady, nevýhodou je omezená paměť i kapacita baterie. Proto byly vybrány pouze senzory akcelerometr, gyroskop, magnetometr a mikrofon, jejichž kombinací je dosaženo nejlepšího výsledku. Senzor GPS nebyl použit pro svou energetickou náročnost a hlavně nespolehlivost vzorkování. Z naměřených dat byly vypočítány příznaky, které byly použity pro tvorbu klasifikačního modelu. Nejvyšší úspěšnosti bylo dosaženo metodou strojového učení zvanou náhodný les (angl. Random Forest). Hlavním cílem práce je vytvořit algoritmus pro rozpoznání dopravních prostředků ze signálů naměřených chytrým telefonem. Vytvořený algoritmus zvládá rozpoznání chůze a jízdy autem, autobusem, tramvají, vlakem a na kole s úspěšností 97,4 % při validaci na 20 % pozdržených dat. Při testování na sadě dat od desátého dobrovolníka byla výsledná úspěšnost vypočítaná jako průměr úspěšností rozpoznání jednotlivých druhů přepravy 90,49 %.
|
|
|
Comparison of different models for forecasting of Czech electricity market
Kunc, Vladimír ; Krištoufek, Ladislav (vedoucí práce) ; Kopečná, Vědunka (oponent)
Mnoho rozdílných přístupů jako jsou umělé neuronové sítě nebo SVR bývá použito v literatuře. Tato práce poskytuje srovnání několika rozdílných metod v jednotných podmínkách za použití dat z Českého trhu s elektřinou. Výsledné srovnání více jak 5000 modelů vedlo k vybrání několika nejlepších modelů. Tato práce také vyhodnocuje roli historických meteorologických dat (teplota, rosný bod a vlhkost) - bylo zjištěno, že třebaže použití meteorologických může vést k přeučení, za vhodných podmínek může také vést k přesnějším modelům. Nejlepší testovaný přístup představovala Lasso regrese. 1
|
|
|
Využití vybraných metod strojového učení pro modelování kreditního rizika
Drábek, Matěj ; Witzany, Jiří (vedoucí práce) ; Málek, Jiří (oponent)
Diplomová práce je členěna na tři základní části. V té první se věnuji P2P úvěrování, jeho charakteristikám, základním konceptům a jejich promítnutím v praxi. Srovnávám v ní také P2P trh u nás, ve Velké Británii a v USA. V druhé části této práce popisuji teoretická východiska vybraných metod strojového učení, kterými jsou naivní bayesovský klasifikátor, klasifikační strom, náhodný les a logistická regrese. Také zde popisuji způsoby stanovení úspěšnosti těchto modelů. Ve třetí části pak uvádím postup, kterým se tyto metody převádí do praxe, a to od přípravy dat přes optimalizaci parametrů až po zhodnocení úspěšnosti modelu.
|
|
|
Rozšiřující modul platformy 3D Slicer pro segmentaci tomografických obrazů
Chalupa, Daniel ; Jakubíček, Roman (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce pojednává o využití strojového učení při úlohách klasifikace medicínských obrazů. Obsahuje literární rešerši pojednávající o klasických a moderních metodách segmentace obrazů. Hlavním cílem práce je navržení a vytvoření rozšíření pro platformu 3D Slicer. Rozšíření využívá strojové učení ke klasifikaci obrazů dle zadaných parametrů. Testování rozšíření probíhá na reálných tomografických obrazech z nukleární magnetické rezonance a sleduje přesnost klasifikace a využitelnost v praxi.
|
|
|
Hledání anomálií v DNS provozu
Vraštiak, Pavel ; Slaný, Karel (oponent) ; Matoušek, Petr (vedoucí práce)
Tato diplomová práce je napsána ve spolupráci s firmou NIC.CZ a zabývá se anomáliemi v provozu systému DNS. Obsahuje popis základních principů tohoto systému a vlastností, kterými se jeho provoz vyznačuje. Účelem této práce je pokusit se vytvořit klasifikátor některých z anomálií v této práci uvedených a ověřit jeho schopnosti teoreticky i v praktických podmínkách.
|
host ::
RSS.