Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.03 vteřin. 
Forenzní analýza ručně psaného písma pro české prostředí s použitím umělé inteligence
Stejskal, Jan ; Přinosil, Jiří (oponent) ; Burget, Radim (vedoucí práce)
Analýza ručně psaného písma je důležitou oblastí výzkumu moderní vědy. Jedná se však o velice složitý proces, jelikož ručně psaný text může nabývat různých podob. Využití umělé inteligence k analýze a identifikaci textu pocházejícího od různých autorů není ve světě nic nového. Avšak výzkum v této oblasti pro české prostředí mírně zaostává. Z tohoto důvodu bylo v rámci této práce navrženo a porovnáno několik architektur konvolučních sítí, ve snaze nalézt nejvhodnější strukturu pro řešení tohoto problému. Ze všech natrénovaných a otestovaných modelů dosáhl nejvyšší přesnosti model založený na struktuře ResNet18, který měl úspěšnost 92,2 % na vlastní databázi tvořené 1328 ukázkami s rozlišením 750x256. Tento výsledek naznačuje, že s dostatečně velkou a kvalitní databází je daný problém řešitelný i v českém prostředí s jeho komplikovanější znakovou sadou.
Atrial Fibrillation Classification Using Deep Convolution Networks
Novotna, Petra
We propose the usage of three deep convolutional neural networks architectures for classification of a single lead electrocardiogram (ECG) recordings and evaluate them on the atrial fibrillation (AFIB) classification, for which data set was provided by the Department of Biomedical Engineering, BUT. The compared networks are based on ResNet, VGG net and AlexNet. Single lead signals are transformed into the form of spectrogram. AFIB data was augmented for the purpose of similar size of both respected classes and for successful classification. The most successful architecture, based on AlexNet, was found to perform obtaining an accuracy of 92 % and F1 score of 56 % on the hidden testing set.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.