keywords:"selekce atributů" - Výsledky hledání - Digitální repozitář

host :: přihlásit Digitální repozitář
		Hledej		Nový záznam		Nápověda		O repozitáři

Hlavní stránka > Výsledky hledání: keywords:"selekce atributů"

Hledej:

Tipy pro vyhledávaní :: Rozšířené hledání

Hledej ve sbírkách:

Seřadit podle:	Zobrazit výsledky:	Výstupní formát:

	Aplikace algoritmů prediktivní údržby na monitorování stavu experimentálního pneumatického zařízení Štastný, Petr ; Brablc, Martin (oponent) ; Dobossy, Barnabás (vedoucí práce) Tato bakalářská práce se zabývá hledáním indikátorů stavu pneumatického zařízení za použití algoritmů strojového učení a vytěžování dat. Cílem bylo určit měřitelnou veličinu a algoritmus jejího vyhodnocování, pomocí kterého bude možné identifikovat stav a zdroje poruch. Data o chování pneumatického válce byla získávána na testovacím zařízení, které bylo osazeno senzory 16 různých veličin. Zpracování a vyhodnocování dat proběhlo v nástrojích Matlabu, konkrétně Diagnostic Feature Designer a Classification Learner. Úplný záznam
	Klasifikace hudebních souborů pomocí strojového učení Sládek, Matyáš ; Smrčka, Aleš (oponent) ; Janoušek, Vladimír (vedoucí práce) Tato práce se zabývá klasifikací hudebních souborů pomocí algoritmů strojového učení. V práci bylo porovnáno sedm klasifikačních algoritmů z hlediska úspěšnosti klasifikace a rychlosti zpracování na třech datových sadách. Využity byly dvě metody pro extrakci atributů, dvě metody pro selekci atributů a dvě metody optimalizace parametrů. Nejvíce se osvědčil model XGBClassifier, který dosáhl úspěšnosti klasifikace 87.56 % na datové sadě Extended Ballroom Dataset, 64.56 % na datové sadě FMA: A Dataset For Music Analysis a 83.50 % na datové sadě GTZAN. Tento model může být využit při tvorbě seznamů skladeb či kategorizaci hudební databáze. Úplný záznam
	Aplikace algoritmů prediktivní údržby na monitorování stavu experimentálního pneumatického zařízení Štastný, Petr ; Brablc, Martin (oponent) ; Dobossy, Barnabás (vedoucí práce) Tato bakalářská práce se zabývá hledáním indikátorů stavu pneumatického zařízení za použití algoritmů strojového učení a vytěžování dat. Cílem bylo určit měřitelnou veličinu a algoritmus jejího vyhodnocování, pomocí kterého bude možné identifikovat stav a zdroje poruch. Data o chování pneumatického válce byla získávána na testovacím zařízení, které bylo osazeno senzory 16 různých veličin. Zpracování a vyhodnocování dat proběhlo v nástrojích Matlabu, konkrétně Diagnostic Feature Designer a Classification Learner. Úplný záznam
	Klasifikace hudebních souborů pomocí strojového učení Sládek, Matyáš ; Smrčka, Aleš (oponent) ; Janoušek, Vladimír (vedoucí práce) Tato práce se zabývá klasifikací hudebních souborů pomocí algoritmů strojového učení. V práci bylo porovnáno sedm klasifikačních algoritmů z hlediska úspěšnosti klasifikace a rychlosti zpracování na třech datových sadách. Využity byly dvě metody pro extrakci atributů, dvě metody pro selekci atributů a dvě metody optimalizace parametrů. Nejvíce se osvědčil model XGBClassifier, který dosáhl úspěšnosti klasifikace 87.56 % na datové sadě Extended Ballroom Dataset, 64.56 % na datové sadě FMA: A Dataset For Music Analysis a 83.50 % na datové sadě GTZAN. Tento model může být využit při tvorbě seznamů skladeb či kategorizaci hudební databáze. Úplný záznam

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

Digitální repozitář :: :: :: ::
Powered by v1.1.2
Spravuje

Tato stránka je dostupná také v následujících jazycích:
Česky English