|
Řízení virtuálního robota pomocí EEG
Drla, Michal ; Goldmann, Tomáš (oponent) ; Tinka, Jan (vedoucí práce)
Tato práce si kladla za cíl implementovat aplikaci, ve které je možné ovládat virtuálního robota pomocí EEG. V práci je vysvětlena teorie nutná k pochopení, jak fungují BCI systémy, které zpracovávají signály EEG. Jsou zde uvedeny nejen základy analýzy EEG, ale také ukazuje biologii lidského mozku a signály, které lze získat. Další důležitou části je teorie neuronových sítí, které byly v implementaci využity. V implementaci jsou popsané skripty, které byly využity pro sbírání dat, návrh neuronové sítě a tvorba demonstrační aplikace. Výsledky testování jsou uspokojivé. Neuronová síť vyhodnocovala správně signály EEG a uživatel byl schopen ovládat virtuálního robota.
|
|
Hluboké neuronové sítě
Habrnál, Matěj ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Diplomová práce se zabývá hlubokými neuronovými sítěmi, zejména pak metodami z oblasti hlubokého učení, jež slouží k inicializaci vah a samotnému učení hlubokých neuronových sítí. Dále popisuje základní teorii klasických neuronových sítí, která je důležitá pro pochopení této problematiky. Cílem této práce je experimentováním s vytvořenou aplikací realizující hluboké neuronové sítě na různě obtížných úlohách rozpoznávání obrazu zjistit optimální nastavení volitelných parametrů algoritmů. Dále pak zhodnotit výsledky a poznatky získané při experimentování s klasickou a hlubokou neuronovou sítí.
|
|
Automatická detekce ischemie v EKG pomocí umělé neuronové sítě
Noremberczyk, Adam ; Smital, Lukáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá využitím umělých neuronových sítí (UNS), jako elektrokardiografických (EKG) klasifikátorů ischemické choroby srdeční (ICHS) a infarktu myokardu (IM) v EKG signálu. První část této práce je zaměřena na teoretické znalosti a popisuje problematiku patologických změn na EKG, metody pro automatickou detekci ICHS a IM, a problematiku perceptronu a UNS. Druhá část se zabývá využitím knihovny Neural Network Toolbox programu MATLAB® verze R2010a. V uživatelském rozhraní pro vývoj grafického prostředí (Guide) je vytvořen program, který slouží k porovnání úspěšnosti automatické detekce ischemie v EKG pomocí UNS. Umožňuje uživateli nastavit různé parametry UNS a zobrazit EKG křivky.
|
| |
|
Rozpoznávání číslic
Gorgol, Martin ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Tato práce popisuje základní pojmy a principy v oboru neuronových sítí. Blíže se pak zabývá problematikou rozpoznávání číslic pomocí těchto sítí, konkrétně pak pomocí metody back-propagation. Je zde rozebrán postup při volbě sady příznaků, typů příznaků a volbě topologie neuronové sítě. Cílem je získání konkrétních výsledků pomocí programu pro práci s neuronovými sítěmi.
|
|
Adaptivní komprese dat pomocí neuronových sítí
Kučera, Michal ; Přinosil, Jiří (oponent) ; Koula, Ivan (vedoucí práce)
Tématem práce je využití neuronových sítí pro kompresy dat. Tento nástroj přináší nové možnosti jak při bezeztrátové tak ztrátové kompresi. Návrh několika kompresních algoritmů ukazuje chování, výhody i slabiny těchto systémů. Jako řešení využijeme znalosti o vícevrstvé perceptronové síti a zkusíme změnou struktury a dílčích parametrů naučit takovouto síť komprimovat data, dle našich vstupních požadavků. Tyto sítě mají i nevýhody, které jsou zatím překážkou ve vyžití v praxi. Cílem práce je vyzkoušet některé algoritmy. Prozkoumat jejich vlastnosti a možnosti využití. Dále pak navrhnout další možné řešení a vylepšení těchto algoritmů.
|
|
Head Pose Estimation in an Image by a Neural Network
Rybnikár, Lukáš ; Goldmann, Tomáš (oponent) ; Orság, Filip (vedoucí práce)
Artificial neural networks are not a novelty, but their recent rise in popularity is noticeable as well as their gain of attention from the masses. This bachelor thesis focuses on the head pose estimation in an image using the convolution neural networks. The fields of use of neural networks are vast and during last years strong enough hardware has been developed to allow us to train these networks under commonly accessible conditions. In theoretical part there are neural networks introduced with an explanation of what they are, how they work, how they are divided followed by a detailed description of convolutional neural networks. In the practical part the necessary tools used for development needed to perform experiments, such as determining appropriate configuration for neural network and optimization to get the best results possible, are described.
|
|
Aplikace pro frontalizaci obličeje
Tichý, Filip ; Malinka, Kamil (oponent) ; Goldmann, Tomáš (vedoucí práce)
Tato práce se zaměřuje na implementaci aplikace pro frontalizaci obličeje pomocí projektu Complete Face Recovery GAN a pomocí otočení 3D modelu obličeje s následným vyrenderováním. Cílem práce je zhodnotit vliv aplikace na úspěšnost rozpoznávání obličeje na základě datasetu Fidentis. Výsledky jsou prezentovány ve formě krabicových grafů, které znázorňují euklidovské vzdálenosti mezi vygenerovanými frontalizovanými snímky a reálnými snímky. Při experimentování bylo zjištěno, že při frontalizaci pomocí otočení 3D modelu z vysokých úhlů natočení, stoupá úspěšnost procesu rozpoznávání obličeje. Naopak, při frontalizaci pomocí projektu Complete Face Recovery GAN, úspěšnost rozpoznávání značně klesá. Pro porovnání snímků byl použit algoritmus VGG Face. Celá aplikace je implementována v jazyce Python s využitím běžně dostupných knihoven.
|
|
Segmentace buněk pomocí konvolučních neuronových sítí
Hrdličková, Alžběta ; Chmelík, Jiří (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato práce zkoumá využití konvolučních neuronových sítí se zaměřením na sémantickou a instanční segmentaci buněk z mikroskopických snímků. Teoretická část obsahuje popis hlubokých neuronových sítí a shrnutí široce používaných konvolučních architektur pro segmentaci obrazu. Praktická část práce je věnována vytvoření modelu konvoluční neuronové sítě na základě architektury U-Net. Dále obsahuje segmentaci buněk predikovaných obrazů pomocí tří metod, a to prahování, metody rozvodí a metody náhodného chodce.
|
| |