|
|
Identifikace a verifikace osob pomocí záznamu EKG
Waloszek, Vojtěch ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
V posledních letech je zkoumáno využití EKG pro verifikaci a identifikaci osob v biometrických systémech. V této práci je tato možnost rovněž zkoumána a ověřována na databázi ECG ID z PhysioNetu a také na vlastních záznamech měřených pomocí Apple Watch Series 4. Mnohé existující metody již ověřily možnost použití EKG pro biometrii, ale na záznamech pořízených klinickým EKG přístrojem. Tato práce ověřuje možnost využití záznamů EKG pořízených pomocí nositelných zařízení, konkrétně chytrých hodinek. Ze signálu EKG je extrahováno 16 příznaků, které jsou za použití náhodného lesa jako klasifikátoru využity pro verifikaci a identifikaci. Mezi příznaky patří intervaly mezi význačnými body v signálu EKG, potenciálové rozdíly mezi některými body v signálu a variabilita intervalů PR v rámci záznamu. Průměrné výsledky verifikace 14 osob z vlastní databáze dat jsou TRR 96,19 %, TAR 84,25 %.
|
|
|
Analýza dat firmy produkující zdravotnické potřeby
Kulhánková, Monika ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato bakalářská práce se zabývá analýzou prodejních dat společnosti, konkrétně klasifikací typu zákazníka podle jeho prodejních dat. Poskytuje teoretický úvod k získávání znalostí z dat. Popisuje proces klasifikace, metody pro vytváření klasifikátorů a je zde představen model CRISP-DM. V práci jsou popsány poskytnuté datové sady, ze kterých jsou vybrány relevantní atributy. Data jsou předzpracována a použita při tvorbě a testování klasifikačních modelů. Výsledkem práce je porovnání dosažených výsledků.
|
|
|
Novel methods for sleep analysis and classification
Navrátilová, Markéta ; Ronzhina, Marina (oponent) ; Kolářová, Jana (vedoucí práce)
This diploma thesis deals with methods for sleep analysis and classification. Sleep stagesand biosignals patterns during sleep are described as well as methods for classification.Features are extracted from provided EDA, ECG and RIP signals. Based on those fea-tures individual sleep stages are classified using random forest classifier and the classifierparameters are tuned. The results are evaluated. The features dataset is explored usingdimensionality reduction techniques and the results are compared with the results fromstandard sleep stages classification. The approach for visualization of both raw biosig-nals and extracted features is designed and implemented. Achieved results are comparedwith published methods.
|
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Chmelík, Jiří (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. Tato problematika je řešena standardními metodami, jako například náhodný les, umělé neuronové sítě nebo K-nejbližších sousedů. Díky své schopnosti samostatně extrahovat příznaky se ale těší oblibě i metody hlubokého učení. Všechny tyto metody jsou popsány v teoretické části. V praktické části byly navrženy deeplearningové modely, jejichž funkčnost byla ověřována za pomoci dat z databáze PhysioNet. Byly vytvořeny dva pilotní modely, které byly následně optimalizovány. Z celého progresu optimalizace parametrů jsou k dispozici tři modely, z nichž nejlepší dosahuje F1 skóre 87,35 % a přesnosti 83,7 %, a druhý nejlepší dosahuje F1 skóre 77,74 % a přesnosti 84,53 %. Výsledky, kterých bylo dosaženo, jsou diskutovány a porovnány s výsledky podobných publikací.
|
|
|
Detection of modern Slow DoS attacks
Jurek, Michael ; Jonák, Martin (oponent) ; Sikora, Marek (vedoucí práce)
With the evolving number of interconnected devices, the number of attacks arises. Malicious actors can take advantage of such devices to create (D)DoS attacks against victims. These attack are being more and more sophisticated. New category of DoS attacks was discovered that tries to mimic standard user behavior -- Slow DoS Attacks. Malicious actor leverages transport protocol behavior to the highest option by randomly dropping packets, not sending or delaying messages, or on the other hand crafting special payloads causing DoS state of application server. This thesis proposes parameters of network flow that should help to identify chosen Slow DoS Attack. These parameters are divided into different categories describing single packets or whole flow. Selected Slow DoS Attack are Slow Read, Slow Drop and Slow Next. For each attack communication process is described on the transport and application layer level. Then important parameters describing given Slow DoS Attack are discussed. Last section sums up methods and tools of generation of these attacks. Next part deals with possibilities and tools to create such an attack, discuss basic communication concepts of creating parallel connections (multithreading, multiprocessing) and proposes own Slow DoS Attack generator with endless options of custom defined attacks. Next part describes testing environment for the attack generator and tools and scenarios of data capture with the goal of dataset creation. That dataset is used for subsequent detection using machine learning methods of supervised learning. Decision trees and random forest are used to detect important features of selected Slow DoS Attacks.
|
|
|
Analýza dat firmy produkující zdravotnické potřeby
Kulhánková, Monika ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato bakalářská práce se zabývá analýzou prodejních dat společnosti, konkrétně klasifikací typu zákazníka podle jeho prodejních dat. Poskytuje teoretický úvod k získávání znalostí z dat. Popisuje proces klasifikace, metody pro vytváření klasifikátorů a je zde představen model CRISP-DM. V práci jsou popsány poskytnuté datové sady, ze kterých jsou vybrány relevantní atributy. Data jsou předzpracována a použita při tvorbě a testování klasifikačních modelů. Výsledkem práce je porovnání dosažených výsledků.
|
|
|
Laptop Touchpad Palm Detection with AI/ML
Menzyński, Mark Alexander ; Kavetskyi, Andrii (oponent) ; Drahanský, Martin (vedoucí práce)
The situation about palm rejection for laptops is less than ideal. Most research focuses on touchscreens, and there is minimal research on touchpads. Some research is possibly done privately in laptop manufacturer companies, but the technology is lacking behind regardless. This thesis explores several shallow and deep machine learning models and finds their accuracy to be very much sufficient. In addition, a real-time proof of concept is implemented to demonstrate the model's capabilities.
|
|
|
Application of Machine Learning in Portfolio Construction
Karlíček, Ondřej ; Šíla, Jan (vedoucí práce) ; Baruník, Jozef (oponent)
Práce zkoumá využití strojového učení při tvorbě portfolia. Analýza byla provedena na souboru dat, který se skládá ze 442 amerických akcií. Na začátku jsme provedli klastrování akcií pomocí algoritmů analýzy hlavních komponent a K-means. Poté vybíráme akcie z každého klastru na základě metrik výnosnosti/rizikovosti. Kde riziko bylo odhadnuto pomocí Value at Risk a výnos byl předpovězen pomocí modelů Random Forest a GARCH. Takto nám zůstalo 11 akcií pro každé měsíční období v průběhu roku 2020. Výsledky ukazují, že portfolia sestavená z vybraných akcií dokázala překonat tržní benchmark. Predikce výnosů však nebyly dostatečně přesné. Portfolio z vybraných akcií s využitím přístupu 1/N tedy dosáhlo lepších výsledků než portfolio optimalizované pomocí Mean-Variance modelu. 1
|
|
|
Identifikace a verifikace osob pomocí záznamu EKG
Waloszek, Vojtěch ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
V posledních letech je zkoumáno využití EKG pro verifikaci a identifikaci osob v biometrických systémech. V této práci je tato možnost rovněž zkoumána a ověřována na databázi ECG ID z PhysioNetu a také na vlastních záznamech měřených pomocí Apple Watch Series 4. Mnohé existující metody již ověřily možnost použití EKG pro biometrii, ale na záznamech pořízených klinickým EKG přístrojem. Tato práce ověřuje možnost využití záznamů EKG pořízených pomocí nositelných zařízení, konkrétně chytrých hodinek. Ze signálu EKG je extrahováno 16 příznaků, které jsou za použití náhodného lesa jako klasifikátoru využity pro verifikaci a identifikaci. Mezi příznaky patří intervaly mezi význačnými body v signálu EKG, potenciálové rozdíly mezi některými body v signálu a variabilita intervalů PR v rámci záznamu. Průměrné výsledky verifikace 14 osob z vlastní databáze dat jsou TRR 96,19 %, TAR 84,25 %.
|
|
|
Genetické programování v úlohách predikce
Machač, Michal ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
V této práci jsou představeny různé metody strojového učení, jež lze využít v úlohách predikce založených na regresi. Detailněji je popsáno stromové a lineární genetické programování. S vybranými algoritmy strojového učení (lineární regrese, náhodný les, vícevrstvý perceptron a stromové genetické programování) jsou provedeny experimenty na volně dostupných datových sadách za využití knihoven scikit-learn a gplearn, a získané výsledky jsou porovnány z pohledu kvality predikce. Stěžejní částí této práce byla implementace systému lineárního genetického programování v programovacím jazyce C++, která byla nejprve testována na umělých úlohách symbolické regrese, a následně na reálných datových sadách. Výsledky získané pomocí vytvořené implementace jsou porovnány vůči výsledkům získaným pomocí knihovny gplearn.
|
host ::
RSS.