Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorMouček Roman, Doc. Ing. Ph.D.
dc.contributor.authorRychlík, Jan
dc.contributor.refereePražák Ondřej, Ing.
dc.date.accepted2022-6-20
dc.date.accessioned2022-07-25T22:31:15Z-
dc.date.available2021-9-10
dc.date.available2022-07-25T22:31:15Z-
dc.date.issued2022
dc.date.submitted2022-5-19
dc.identifier89635
dc.identifier.urihttp://hdl.handle.net/11025/49366-
dc.description.abstractSpánek je nedílnou součástí lidského života a průměrný člověk prospí asi jeho jednu třetinu. Proto je důležité spánku rozumět a správně ho analyzovat. Cílem diplomové práce je navrhnout, implementovat a otestovat různé typy metod strojového učení vhodné pro zpracování EEG signálu a identifikaci spánkových vřetének. Učící se algoritmy byly natrénovány na anotovaných datech, poskytnutých datovým centrem Montreal Archive of Sleep Studies (MASS). Nejlepšího výsledku klasifikace dosáhla konvoluční neuronová síť s přesností přes 67%.cs
dc.format70s . (98 794 znaků)
dc.language.isoen
dc.publisherZápadočeská univerzita v Plzni
dc.relation.isreferencedbyhttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=89635-
dc.rightsPlný text práce je přístupný bez omezení
dc.subjecteeg datacs
dc.subjecteeg signálcs
dc.subjectneuronové sítěcs
dc.subjectlstmcs
dc.subjectcnncs
dc.subjectdensecs
dc.subjectspánková datacs
dc.subjectspánková vřetenacs
dc.titleAutomatická detekce spánkových vřeténekcs
dc.title.alternativeAutomatic detection of sleep spindlesen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programInženýrská informatika
dc.description.resultObhájeno
dc.description.abstract-translatedSleep is an integral part of human life, and the average person sleeps about one-third of their life. Therefore, it is important to understand sleep and analyze it correctly. The goal of this master thesis is to propose, design, implement, and test various machine/deep learning methods suitable for EEG signal processing to identify sleep spindles. The learning algorithms were trained on well-annotated data provided by the Montreal Archive of Sleep Studies (MASS) data center. The best classification result was achieved by the convolutional neuron network with an accuracy of over 67%.en
dc.subject.translatedeeg dataen
dc.subject.translatedeeg signalen
dc.subject.translatedneural networksen
dc.subject.translatedlstmen
dc.subject.translatedcnnen
dc.subject.translateddenseen
dc.subject.translatedsleep dataen
dc.subject.translatedsleep spindlesen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
MastersThesis.pdfPlný text práce1,53 MBAdobe PDFZobrazit/otevřít
A19N0074Pposudek-op.pdfPosudek oponenta práce230,99 kBAdobe PDFZobrazit/otevřít
A19N0074Phodnoceni-ved.pdfPosudek vedoucího práce414,03 kBAdobe PDFZobrazit/otevřít
A19N0074Pobhajoba.pdfPrůběh obhajoby práce607,78 kBAdobe PDFZobrazit/otevřít
A19N0074P-zadani_DIP.pdfVŠKP - příloha17,38 kBAdobe PDFZobrazit/otevřít
A19N0074P_prilohy.zipVŠKP - příloha5,03 MBZIPZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/49366

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Diplomové práce / Theses (KIV)