|
|
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.
|
|
|
Bilance plavenin unášených ve vznosu ve vybraných profilech povodí Dyje a Svratky
Priesner, Radek ; Mikl, Libor (oponent) ; Marton, Daniel (vedoucí práce)
V rámci této diplomové práce je vyhodnocena bilance plavenin, tedy nerozpuštěných látek unášených v suspenzi, ve vodoměrných profilech Hevlín/Dyje, Přibice/Jihlava, Znojmo/Dyje a Židlochovice/Svratka. Měření a následné vyhodnocení plavenin je provedeno dle oficiální rakouské metodické příručky, tento spis tedy navazuje na předchozí, bakalářskou práci. Vybrané základní kroky doporučované rakouskou metodikou při samotném měření plavenin jsou nadto porovnány s oficiálními postupy ze Spojených státu amerických a z České republiky. Práce navíc přichází s inovativními způsoby korekce dat naměřených optickou sondou. Výstupy budou využity v projektu ATCZ28 SEDECO – Sedimenty a ekosystémové služby ve vzájemném působení s povodněmi a suchem v pohraniční oblasti AT-CZ, ze kterého jsou k dispozici i samotné záznamy měření, a to od roku 2019 do roku 2022. Všechny výsledky jsou mimoto porovnány s měřeními Českého hydrometeorologického ústavu.
|
|
|
Návrh algoritmů pro neuronové sítě řídicí síťový prvek
Stískal, Břetislav ; Kacálek, Jan (oponent) ; Škorpil, Vladislav (vedoucí práce)
V teoretické části této práce se uvádí základní informace o historii a vývoji umělých neuronových sítí (UNS) z minulého období až po dnešek. Praktická část podává důkazy předpokladů zmiňovaných v teoretické části této práce, např. znázornění učení, trénování jednotlivých typů neurónových sítí na různých praktických úkolech, jejich následná simulace a vynesení poznání a závěrů z těchto simulací. Cílem je simulování aktivního prvku v síti, řízeného pomocí umělé inteligence. Tedy učení (trénování) neuronové sítě a její následná simulace pro řízení přepínače. V práci je uveden a popsán algoritmus směrování pomocí Hopfieldovy sítě založeném na typickém problému obchodního cestujícího. Následuje nastínění optimalizačních problémů a jejich řešení, porovnání s dalšími typy rekurentních (zpětnovazebních) sítí (Elman a Layer Recurrent) jejich hlavní rozdíly, způsoby optimalizace, výhody a nevýhody. Z poznatků této práce, je uveden návrh dalšího řešení řízení pomocí neuronových sítí do budoucna.
|
|
|
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.
|
|
|
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.
|
|
|
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.
|
|
|
Návrh algoritmů pro neuronové sítě řídicí síťový prvek
Stískal, Břetislav ; Kacálek, Jan (oponent) ; Škorpil, Vladislav (vedoucí práce)
V teoretické části této práce se uvádí základní informace o historii a vývoji umělých neuronových sítí (UNS) z minulého období až po dnešek. Praktická část podává důkazy předpokladů zmiňovaných v teoretické části této práce, např. znázornění učení, trénování jednotlivých typů neurónových sítí na různých praktických úkolech, jejich následná simulace a vynesení poznání a závěrů z těchto simulací. Cílem je simulování aktivního prvku v síti, řízeného pomocí umělé inteligence. Tedy učení (trénování) neuronové sítě a její následná simulace pro řízení přepínače. V práci je uveden a popsán algoritmus směrování pomocí Hopfieldovy sítě založeném na typickém problému obchodního cestujícího. Následuje nastínění optimalizačních problémů a jejich řešení, porovnání s dalšími typy rekurentních (zpětnovazebních) sítí (Elman a Layer Recurrent) jejich hlavní rozdíly, způsoby optimalizace, výhody a nevýhody. Z poznatků této práce, je uveden návrh dalšího řešení řízení pomocí neuronových sítí do budoucna.
|
host ::
RSS.