|
Deep learning based QRS delineator
Malina, Ondřej ; Hejč, Jakub (referee) ; Smíšek, Radovan (advisor)
This thesis deals with the issue of automatic measurement of the duration of QRS complexes in ECG signals. Special emphasis is then placed on the possibility of automatic detection of QRS complexes while exciting cardiac tissue with a pacemaker. The content of this work is divided into four logical units, where the first part deals with the heart as an organ. It describes the origin and spread of excitement in the heart, its possible pathologies and their manifestations in ECG recording, it also deals with pacing and measuring ECG recording during simultaneous pacing. The second part of the thesis contains a brief introduction to the topic of machine and deep learning. The third part of the thesis contains a search of current approaches using methods based on deep learning to solve the detection of QRSd. The fourth part deals with the design and implementation of its own model of deep learning, able to detect the beginnings and ends of QRS complexes from ECG recordings. It describes the data preprocessing implemented in the MATLAB programming environment. The actual implementation of the model was performed in the Python using the PyTorch and NumPy moduls.
|
|
Deep learning based sound records analysis
Kramář, Denis ; Říha, Kamil (referee) ; Přinosil, Jiří (advisor)
This master thesis deals with the problem of audio-classification of the chainsaw logging sound in natural environment using mainly convolutional neural networks. First, a theory of grafical representation of audio signal is discussed. Following part is devoted to the machine learning area. In third chapter, some of present works dealing with this problematics are given. Within the practical part, used dataset and tested neural networks are presented. Final resultes are compared by achieved accuracy and by ROC curves. The robustness of the presented solutions was tested by proposed detection program and evaluated using objective criteria.
|
|
Advanced scoring of sleep data
Jagošová, Petra ; Novotná, Petra (referee) ; Ronzhina, Marina (advisor)
The master´s thesis is focused on advanced scoring of sleep data, which was performed using deep neural network. Heart rate data and the movement information were used for scoring measured using an Apple Watch smartwatch. After appropriate pre-processing, this data serves as input parameters to the designed networks. The goal of the LSTM network was to classify data into either two groups for sleep and wake or into three groups for wake, Non-REM and REM. The best results were achieved by network doing classification of sleep vs. wake using the accelerometer. The statistical evaluation of this best-designed network reached the values of sensitivity 71,06 %, specificity 57,05 %, accuracy 70,01 % and F1 score 81,42 %.
|
|
Real-Time Prediction of Football Matches Results
Drankou, Aliaksandr ; Bartík, Vladimír (referee) ; Hynek, Jiří (advisor)
Tato práce se zabývá problematikou predikce výsledků fotbalových zápasů v reálném čase. Skládá se z několika kroků, včetně získání vhodného souboru dat a trénování predikčního modelu. Predikční model je reprezentován dvěma typy neuronových sítí: dopředné a rekurentní, která je představená LSTM. Různé kombinace vstupních parametrů jsou testovány pro dosažení nejlepšího výkonu modelů, včetně dostupných sázkových kurzů. Oba modely dosáhly klasifikační přesnosti přibližně 67,5%, kde dopředná neuronová síť začíná od přesnosti 54% na začátku zápasu a dosahuje přesnosti 93,54% na konci zápasu. Kromě široce používaných metrik, jako je kategorická přesnost, každý model je vyhodnocován v simulovaném sázkovém prostředí.Experimenty v rámci hodnocení sázek ukázaly, že LSTM nemůže konkurovat dopředným neuronovým sítím, jelikož v každém sázkovém běhu skončila LSTM s bilancí nižší než o 90%. Dopředná neuronová síť však dosáhla návratnosti investic ve výši 0,39% při provádění simulace sázení s jednou z testovacích konfigurací. Výsledkem je, že neuronové sítě, zejména dopředné, se ukázaly jako docela úspěšné řešení, pokud jde o předpovídání výsledků fotbalových zápasů v reálném čase. Navíc, dopředná neuronová síť může posloužit jako základ pro úspěšnou strategii sázení.
|
|
Algorithmic Accompaniment Composition
Vinš, Jakub ; Hradiš, Michal (referee) ; Kolář, Martin (advisor)
This thesis deals with problems of computer music, especially with generating accompaniment to an existing song in MIDI format by means of artificial neural networks. Existing methods of algorithmic music composition are presented in the beginning. Followed by problems and their solutions connected with the conversion of MIDI files to matrices, which are suitable as an input for neural network and their inverse transformation. Subsequently are proposed, created, optimized and evaluated models which generate saxophone and piano accompaniment by means of feedforward and recurrent neural network. At the end model generates accompaniment to my own song as a form of a test.
|
|
Stylized Natural Language Generation in Dialogue Systems
Bolshakova, Ksenia ; Kesiraju, Santosh (referee) ; Fajčík, Martin (advisor)
Tato práce se zabývá přístupy generování přirozeného jazyka v různých stylech. Kromě toho také zkoumá schopnost modelů řídit sílu projevu stylu v generované sekvenci. Model pro generování přirozeného jazyka byl implementován s několika aspekty projevů stylu, konkrétně poezie, humor, sentiment a specifičnost. Jako strategie dekódování jazykových modelů byly použity Beam search a Nucleus sampling. Navrhované experimenty jsou založeny na váženém dekódování. Zejména pravděpodobnostní funkce vypočítaná pomocí jazykového modelu, který generuje odpověď, je modifikována dvěma přístupy. První přístup používá ručně vytvořené příznaky, například NIDF. Druhý používá neurální pravděpodobnostní jazykové modely natrénované na stylistických datových sadách. Architektura modelu je prezentována ve dvou verzích. První variantou je model založený na LSTM a druhá varianta využívá nejmodernější předpřipravené modely BART a GPT-2 pro generování textu. Experimenty odhalily problém, že i současné nejmodernější modely trpí špatným odhadem kompromisu mezi stylem a kontextem. Jinými slovy, čím více se styl projeví v generované sekvenci, tím méně se vztahuje k tématu diskutovanému v dialogu.
|
|
Deep Learning for OCR in GUI
Hamerník, Pavel ; Špaňhel, Jakub (referee) ; Lysek, Tomáš (advisor)
Optical character recognition (OCR) has been a topic of interest for many years. It is defined as the process of digitizing a document image into a sequence of characters. Despite decades of intense research, OCR systems with capabilities to that of human still remains an open challenge. In this work there is presented a design and implementation of such system, which is capable of detecting texts in graphical user interfaces.
|
|
Analysis of GPON frames using machine learning
Tomašov, Adrián ; Horváth, Tomáš (referee) ; Holík, Martin (advisor)
Táto práca sa zameriava na analýzu vybraných častí GPON rámca pomocou algoritmov strojového učenia implementovaných pomocou knižnice TensorFlow. Vzhľadom na to, že GPON protokol je definovaný ako sada odporúčaní, implementácia naprieč spoločnosťami sa môže líšiť od navrhnutého protokolu. Preto analýza pomocou zásobníkového automatu nie je dostatočná. Hlavnou myšlienkou je vytvoriť systém modelov za použitia knižnice TensorFlow v Python3, ktoré sú schopné detekovať abnormality v komunikácií. Tieto modely používajú viaceré architektúry neuronových sietí (napr. LSTM, autoencoder) a zameriavajú sa na rôzne typy analýzy. Tento systém sa naučí na vzorovej vzorke dát a upozorní na nájdené odlišnosti v novozachytenej komunikácií. Výstupom systému odhad podobnosti aktuálnej komunikácie v porovnaní so vzorovou komunikáciou.
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (referee) ; Kolář, Radim (advisor)
Táto diplomová práca sa venuje automatickému rozpoznávaniu ludí v obrazových dátach s využitím konvolučných neurónových sieti na určenie polohy tváre a následnej analýze získaných dát. Výsledkom analýzy tváre je určenie pohlavia, emócie a veku osoby. Práca obsahuje popis použitých architektúr konvolučných sietí pre každú podúlohu. Sieť na odhad veku má natrénované nové váhy, ktoré sú vzápätí zmrazené a majú do svojej architektúry vložené LSTM vrstvy. Tieto vrstvy sú samostatne dotrénované a testované na novom datasete vytvorenom pre tento účel. Výsledky testov ukazujú zlepšenie predikcie veku. Riešenie pre rýchlu, robustnú a modulárnu detekciu tváre a ďalších ludských rysov z jedného obrazu alebo videa je prezentované ako kombinácia prepojených konvolučných sietí. Tieto sú implementované v podobe skriptu a následne vysvetlené. Ich rýchlosť je dostatočná pre ďalšie dodatočné analýzy tváre na živých obrazových dátach.
|
|
Image based smoke and fire detection
Ďuriš, Denis ; Burda, Karel (referee) ; Přinosil, Jiří (advisor)
This diploma thesis deals with the detection of fire and smoke from the image signal. The approach of this work uses a combination of convolutional and recurrent neural network. Machine learning models created in this work contain inception modules and blocks of long short-term memory. The research part describes selected models of machine learning used in solving the problem of fire detection in static and dynamic image data. As part of the solution, a data set containing videos and still images used to train the designed neural networks was created. The results of this approach are evaluated in conclusion.
|