|
|
Automatická detekce ischemie v EKG
Noremberczyk, Adam ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá využitím umělých neuronových sítí (UNS), pro detekci ischemické choroby srdeční (ICHS) ve frekvenční oblasti. První část této práce je zaměřena na teoretické znalosti a popisuje problematiku patologických změn na EKG, převodu EKG do frekvenční oblasti. Popisuje použité statistické metody a metody pro automatickou detekci ICHS a IM. Vysvětluje problematiku perceptronu a UNS. Druhá část práce se zabývá Neural Network Toolboxem MATLAB®. Tato část je zaměřena na výpočet parametrů a výběr vhodných parametrů. Propojování pásem v oblasti. Na konci práce je použita UNS na detekci ischemických parametrů a výsledky jsou diskutovány. Průměrné hodnoty pro nejlepší nastavení vycházeli na 100 % celkové úspěšnosti.
|
|
|
Vztah emocí a intonačních křivek
Gavlasová, Radka ; Smékal, Zdeněk (oponent) ; Tučková,, Jana (vedoucí práce)
Tato práce se zabývá intonačními křivkami s jejími vztahy pro různé emoce. Kromě teoretického základu, který pojednává o tvorbě řeči, zpracování signálů a psychologického nastínění rozdělení emocí, obsahuje také tvorbu vlastní emotivní databáze realizované s profesionálními herci. Cílem této závěrečné práce je klasifikace signálu na základě emoce, kterou nahrávka má představovat. Těmito emocemi jsou hněv, radost, nuda a smutek. Klasifikace probíhala pomocí umělých neuronových sítí, konkrétně v aplikaci Classification Learner, kterou poskytuje programovací prostředí Matlab. Použité příznaky pro tuto metodu byly variace fundamentální frekvence a MFCC. Výsledky byly následně porovnány a zanalyzovány poslechovým testem. Tento test pomohl určit, zda jsou výsledky relevantní pro tuto problematiku. Maximální úspěšnost trénování sítě dosáhla přibližně 82 %, testování pak 75 %. Poslechové testy potvrdily, že výsledky odpovídají předpokládanému lidskému vnímání. Pro podrobnější a lepší vyhodnocení, by bylo zapotřebí větší a kvalitnější databáze.
|
|
|
Konvoluční neuronová síť pro segmentaci obrazu
Mitrenga, Michal ; Petyovský, Petr (oponent) ; Jirsík, Václav (vedoucí práce)
Cílem bakalářské práce je seznámit se s problematikou konvolučních neuronových sítí a realizovat segmentaci obrazu. Toto téma v sobě zahrnuje obor počítačového vidění, který je používán v systémech s umělou inteligencí. Zvláštní pozornost je věnována procesu segmentace obrazu. Dále se práce věnuje základním principům umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak popisu jednotlivých architektur sémantické segmentace. Vybraná architektura SegNet je použiti v praktické aplikaci spolu s před-učenou sítí. Součástí práce je databáze obrazů CamVid, která je použita pro trénování. Pro testování je vytvořena databáze vlastních snímků. Praktická část je zaměřená na trénování CNN a hledání nevhodnějších parametrů pro učení sítě za pomocí SW Matlab.
|
|
|
Neural Modeling of Electromagnetic Fields in Cars
Kotol, Martin ; Škvor, Zbyněk (oponent) ; Koudelka, Vlastimil (oponent) ; Raida, Zbyněk (vedoucí práce)
The dissertation thesis is focused on the exploitation of artificial neural networks for modeling of the electromagnetic fields inside cars. The first part of the thesis is deals with the analytical description of electromagnetic wave propagation in the interior using Norton surface waves. In the following part, attention is turned to the practical measurement and verification of analytical models. Practical measurements were the source of training and verification data for neural networks. The thesis is focused on frequency bands 3 to 11 GHz and 55 to 65 GHz.
|
|
|
The decision boundary
Gróf, Zoltán ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
The main aim of this master's thesis is to describe the subject of the implementation of decision boundaries with the help of artificial neural networks. The objective is to present theoretical knowledge concerning this field and on practical examples prove these statements. The work contains basic theoretical description of the field of pattern recognition and the field of feature based representation of objects. A classificator working on the basis of Bayes decision is presented in this part, and other types of classificators are named as well. The work then deals with artificial neural networks in more detail; it contains a theoretical description of their function and their abilities in the creation of decision boundaries in the feature plane. Examples are shown from literature for the use of neural networks in corresponding problems. As part of this work, the program ANN-DeBC was created using Matlab, for the generation of practical results about the usage of feed-forward neural networks for the implementation of decision boundaries. The work contains a detailed description of this program, and the achieved results are presented and analyzed. It is shown as well, how artificial neural networks are creating decision boundaries in the form of geometrical shapes. The effects of the chosen topology of the neural network and the number of training samples on the success of the classification are observed, and the minimal values of these parameters are determined for the successful creation of decision boundaries at the individual examples. Furthermore, it's presented how the neural networks behave at the classification of realistically distributed training samples, and what methods can affect the shape of the created decision boundaries.
|
|
|
Neural Networks in Inertial Navigation Systems
Tejmlová, Lenka ; Ochodnický,, Ján (oponent) ; Masopust, Jiří (oponent) ; Šebesta, Jiří (vedoucí práce)
The dissertation is focused on inertial navigation systems and dead reckoning positioning. The issue in the problematics is that the dead reckoning systems and inertial navigation systems are inaccurate for medium-term and long-term application due to cumulative errors, assuming that the positioning is not supported by another external system. The dissertation shows possible approaches to the issue of more accurate positioning system based only on the inertial sensors. Basically we are talking about 9-DOF inertial measurement unit that allows sensing the global acceleration, rotation rate and magnetic field strength in three particular axes. The new approach brings artificial neural networks into data processing, where proper neural network is able to recognize the character of motion leading to improvement in positioning. The description of the proposed method includes an analytical procedure of its development and, if possible, the analytical performance assessment. Proposed artificial neural networks are modelled in MATLABTM and they are used for the determination of the state of the inertial unit. Due to this determination, the position of the inertial measurement unit is evaluated with higher accuracy. An application using Qt framework was developed to create an evaluation system with user interface for standard inertial measurement unit. The designed system based on artificial neural networks was verified by experiments using real sensor data.
|
|
|
Automatická detekce jazyka textového dokumentu
Cakl, Jan ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá rozpoznáním jazyka textového dokumentu. Výsledný program obsahuje implementaci dvou odlišných metod určených pro rozpoznání jazyka textu. První metoda je založena na frekvenčních statistikách N-gramu. Druhou metodou jsou Markovské řetězce a poslední metoda za účelem rozpoznání jazyka využívá umělou neuronovou síť. Řešení je implementováno v jazyce Python.
|
|
|
Methods and Tools for Image and Video Quality Assessment
Slanina, Martin ; Říčný, Václav (vedoucí práce)
The doctoral thesis is focused on methods and tools for image quality assessment in video sequences, which is a very up-to-date theme, undergoing a rapid evolution with respect to digital video signal processing, in particular. Although a variety of metrics for objective (automated) video sequence quality measurement has been developed recently, these methods are mostly based on comparison of the processed (damaged, e.g. with compression) and original video sequences. There are very few methods operating without reference, i.e. only on the processed video material. Moreover, such methods are usually analyzing signal values (typically luminance) in picture elements of the decoded signal, which is hardly applicable for modern compression algorithms such as the H.264/AVC as they use sophisticated techniques to remove compression artifacts. The thesis first gives a brief overview of the available metrics for objective quality measurements of compressed video sequences, emphasizing the different approach of full-reference and no-reference methods. Based on an analysis of possible ideas for measuring quality of video sequences compressed using modern compression algorithms, the thesis describes the design process of a new quality metric for video sequences compressed with the H.264/AVC algorithm. The new method is based on monitoring of several parameters, present in the transport stream of the compressed video and directly related to the encoding process. The impact of bitstream parameters on the video quality is considered first. Consequently, an algorithm is designed, employing an artificial neural network to estimate the peak signal-to-noise ratios (PSNR) of the compressed video sequences -- a full-reference metric is thus replaced by a no--reference metric. Several neural network configurations are verified, reaching from the simplest to three-layer feedforward networks. Two sets of video sequences are constructed to train the networks and analyze their performance and fidelity of estimated PSNRs. The sequences are compressed using the H.264/AVC algorithm with variable encoder configuration. The final part of the thesis deals with an analysis of behavior of the newly designed algorithm, provided the properties of the processed video are changed (resolution, cut) or encoder configuration is altered (format of group of pictures coded together). The analysis is done on video sequences with resolution up to full HD (1920 x 1080 pixels, progressive)
|
|
|
Defect detection on fiber materials using machine learning
Lang, Matěj ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Following Master's Thesis is presenting the creation of scanning unit, that will automate the quality check process in company SILON, for their fibered material. The process of manual detection is discussed and the automated solution is proposed. Several test are shown, that demonstrate effects of different lights on fibres dyed in Rhodamine. Optimal filter for camera is chosen, to achieve images with highest resolution possible and with enough definition. Next, the software tools for hardware control are presented and tools for building neural networks. Also, some basic info on current state of the art is provided, to explain some of the tools used. The network itself is shown and also its learning process and capabilities of defect detection.
|
|
|
Moderní řečové příznaky používané při diagnóze chorob
Bílý, Ondřej ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá diagnózou Parkinsonovy choroby na základě analýzy řečového signálu. Na začátku práce je popsána tvorba řečového signálu. Následuje popis analýzy řečového signálu, jeho předzpracování a následná extrakce příznaků. Dále je popsána Parkinsonova choroba a změna řečového signálu při tomto postižení. V následující části jsou popsány příznaky, které se používají pro diagnózu Parkinsonovy choroby (FCR, VSA, VOT atd.). Další část práce se zabývá metodami redukce a výběru příznaků pomocí učících se algoritmů (SVM, ANN, k-NN) a jejich následné ohodnocení. V poslední části diplomové práce je popsán vytvořený program pro počítání příznaků. Dále je popsán výběr příznaků a na konec jsou zhodnoceny všechny dosažené výsledky.
|
host ::
RSS.