|
|
Systém identifikace vlaků ve výhybkách pomocí pokročilých metod strojového učení
Krč, Rostislav ; Vorel,, Jan (oponent) ; Plášek, Otto (oponent) ; Podroužek, Jan (vedoucí práce)
Tato disertační práce pojednává o možnostech automatického rozpoznání vlaků ve výhybkách na základě akcelerometrických dat. Byl zohledněn současný stav poznání včetně požadavků výzkumných projektů jako S-Code, In2Track a Výhybka 4.0. V provedených experimentech byly uvažovány různé architektury umělých neuronových sítí (ANN) a statisticky vyhodnoceny různé scénáře použití. Výsledná přesnost dosáhla 89.2 % pro konvoluční neuronovou síť (CNN), která byla vybrána jako vhodná základní architektura pro další experimenty. Projevila se vysoká schopnost zobecnění problému, jelikož modely natrénované na datech z jedné lokality byly schopné určit typ lokomotivy na jiné lokalitě. Další experimenty posuzovaly vliv filtrů a redukce šumu. Ukázalo se, že natrénované modely jsou vhodné pro aplikaci in-situ s ohledem na hardwarová omezení, neboť mají malé nároky na paměť a výpočetní výkon. Kvůli omezenému množství naměřených dat byla využita data z elektrické přenosové soustavy, což umožnilo další upřesnění navržené CNN architektury. Nejvyšší přesnosti pro klasifikaci časových řad je dosaženo pomocí hluboké vícevrstvé architektury s využitím regularizačních metod jako dropout nebo normalizace batche. Využití aktivační mapy tříd (CAM) napomohlo vysvětlení rozhodovacího procesu neuronové sítě. Prezentované výsledky prokázaly proveditelnost identifikace typů vlaků přímo ve výhybce. CNN byla zvolena jako optimální architektura pro tento úkol, vzhledem k vysoké přesnosti, schopnosti automatické filtrace a rozpoznání vzorů, což umožňuje využití end-to-end strategie. Vzhledem k nízkým výpočetním nárokům je navíc možné použití natrénovaných modelů přímo na výhybce. Byly rovněž formulovány požadavky na minimální množství dat a parametry senzorů. Tato disertační práce přispívá k porozumění problematiky identifikace typů vlaků a poskytuje pevné teoretické základy pro další výzkum.
|
|
|
Zpracování signálů z optovláknových senzorů
Sikora, Vojtěch ; Urban, František (oponent) ; Čučka, Milan (vedoucí práce)
První kapitoly práce se zabývají rozdělením optických vláknových senzorů, digitálním zpracováním signálu a je v nich zakomponováno cenové srovnání experimentálních senzorů. Třetí kapitola se zabývá rozborem, popisem a hodnocením měření vibrací pomocí Machova - Zehnderova interferometru. V kapitole poslední je popsáná aplikace pro analýzu signálu z vibračních senzorů. Popis obsahuje vysvětlené úryvky ze zdrojového kódu a grafické uživatelské rozhraní. Tato práce díky spojení oborů vláknové optiky, digitálního zpracování signálů a tvorby aplikace vytváří pevný základ pro studium optických vláknových senzorů.
|
|
|
Měření respiračních zvuků
Gottvald, Martin ; Rychtárik, Milan (oponent) ; Kolář, Radim (vedoucí práce)
Gottvald Martin, Měření respiračních zvuků. Bakalářská práce. Brno 2008 Předmětem této bakalářské práce je analýza a měření respiračních zvuků, s využitím digitalizační měřící karty a prostředí LabView. V práci je popsán dýchací systém jako celek a poté i jeho jednotlivé části a poruchy související s dýchacím ústrojím. Dále je popsána konstrukce zesilovače respiračních zvuků, který vzhledem k rušení měřeného signálu síťovým kmitočtem (50 Hz) a tím pádem i značného zkreslení signálu, nebyl pro tuto práci použitý. Pro zpracování v prostředí Matlab tedy byly využity již dříve naměřené zvuky. V prostředí LabView, byl navržen měřící program, v kterém je možno signál načíst z výstupu měřící karty a dále zpracovávat.
|
|
|
Rozpoznávání hudebních záznamů
Masár, Igor ; Horka, Michal (oponent) ; Sigmund, Milan (vedoucí práce)
Tato práce se zabývá analýzou specifických zvukových signálů- hudbou. Jsou zde popsány základní metody analýzy hudebních signálů. Dále jsou zmíněny nejpoužívanější formáty hudebních souborů a možnost jejich vzájemného převodu. Jsou vysvětleny termíny z hudební teorie, které se v práci dále vyskytují. Jsou popsány a vytvořeny 3 způsoby detekce melodie. Na základě úspěšnosti detekce melodie z referenčních nahrávek je vybrán optimální algoritmus. Je vytvořeno uživatelské rozhraní v MATLAB GUI umožňující rozpoznávání nahrávek. Toto rozhraní je otestováno na několika melodiích.
|
|
|
Výzkum tempových parametrů porovnávající zvukové nahrávky
Ištvánek, Matěj ; Galáž, Zoltán (oponent) ; Kiska, Tomáš (vedoucí práce)
Tato práce se zabývá technickými vlastnostmi audio signálů, respektive skladbami z připravené databanky, a popisuje používané parametry pro transkripci a rozbor audio signálů. Shrnuje poznatky z oblasti hudební teorie a automatické transkripce zvukových nahrávek, uvádí odborné studie zabývající se problematikou analýzy signálů a jejich výsledky. Dále uvádí atributy s největší schopností rozlišovat dané skladby podle tempa a obecně z rytmického a metrického hlediska. Práce analyzuje pomocí dvou zvolených metod jednotlivé interpretace skladby Leoše Janáčka „Smyčcový kvartet No. 1 – IV. Con moto" z definované databanky v jazyku MATLAB a předkládá výsledky analýzy a porovnání mezi jednotlivými metodami. Na závěr uvádí shrnutí celé práce a probírané problematiky.
|
|
|
Analýza AVG signálů
Janeček, David ; Balogh, Jaroslav (oponent) ; Rozman, Jiří (vedoucí práce)
Bakalářská práce se zabývá analýzou arteriovelocitogramu (AVG). V první části práce se zabývám otázkou sběru dat AVG křivky. Rozebírám zde Dopplerův jev a princip Dopplerovských systémů pomocí níž data získáváme. V další části se zabývám metodami analýzy signálu AVG. To znamená popisem křivky, výpočtem koeficientů či metodami pro správné hodnocení signálu. Úkolem těchto analýz je roztřídit naměřená data do skupin dle patologických změn, z kterých lékař určí další postup léčby. V třetí kapitole se potom zabývám metodou shlukové analýzy ke klasifikaci dat naměřených Dopplerovskými systémy. Zabývám se zde algoritmem metody a výběrem nejvhodnějšího postupu shlukování. V následující části se zabývám praktickou částí práce. Popisuji zde poskytnutá data, program zvolený pro analýzu a popis algoritmu programu. V poslední kapitole popisuji dosažené výsledky.
|
|
|
Analysis of sleep EEG signal
Ježek, Martin ; Kozumplík, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
The aim of this study was to develop an automatic detection program for scoring the sleep EEG arousals, based on one of time-frequency analysis methods. The subject of the study was 13 overnight polysomnographic recordings (four leads of EEG, EMG, ECG and EOG), i.e over 100 hours in total. It was a subset of data used in former studies by sleep expert Dr. Emilia Sforza, Geneva, Switzerland, who also provided baseline arousal scoring. Total number of 1551 arousal events were marked in the recordings. Next, several tools for recordings' visualization were developed to facilitate the decision on methods of analysis. Following the conclusions made after extensive visualization of input recordings in different time-frequency representations and regarding the character of EEG as neuroelectric waveforms and computing efficiency, discrete wavelet decomposition with Daubechies order 6 mother wavelet was chosen. The EEG signals were decomposed into six frequency bands. The results together with EMG recordings were used to evaluate a set of indices describing EEG and EMG changes accompanying arousals. These indices were weighted to form linear classifier of microarousal suspicion in each EEG lead – a microarousal was marked as present when it remained suspect in period of 3 to 30 seconds. Outputs of four EEG channels were then integrated to report final outcome. Based on sensitivity and selectivity measures the algorithm was optimized by genetic algorithm. The subject of tuning were the linear classifier parameters and first four of 13 recordings were selected as training data. A microarousal detection program emerged on basis of the tuned algorithm and resulted in average sensitivity of 76,09 %, selectivity of 53,26 % and 97,66 % specificity over all 13 recordings compared to expert visual scorings.
|
|
|
Analýza EEG signálů při Stroopově testu
Tolaszová, Eva ; Roman,, Robert (oponent) ; Sekora, Jiří (vedoucí práce)
Diplomová práce se zabývá problematikou měření biologických signálů během psychické zátěže. Ke sledování tohoto vlivu byl zvolen Stroopův test, který se v psychologii využívá ke zjišťování poruch pozornosti a schopnosti soustředění. Záznamy EEG a EKG signálů v průběhu Stroopova testu byly získány pomocí EEG stanice v rámci výzkumu evokovaných potenciálů. Součástí práce je navržená uživatelská aplikace pro analýzu a interpretaci dat a následnou statistickou analýzou dvou-výběrovým t-testem.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
Nástroj pro vizualizaci a poslech vibračních signálů
Slavov, Jan ; Mancl, Vlastimil (oponent) ; Čala, Martin (vedoucí práce)
Tato bakalářská práce se zabývá vývojem nástroje pro vizualizaci a poslech vibračních signálů. Cílem práce je zjistit možnosti vývojového prostředí LabVIEW v oblasti, ke které je aplikace určena, dále vyhodnotit podobné programy nabízené na trhu a vytvořit aplikaci, která umožní uživateli základní zpracování signálu, při kterém uživatel přímo uvidí reakci signálu na změnu nastavení. Aplikace dále umožní práci se zařízením myDAQ a poslech signálů pomocí reproduktorů, při kterém se mu zobrazí aktuální pozice přehrávání.
|
host ::
RSS.