Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Mouček Roman, Doc. Ing. Ph.D. | |
dc.contributor.author | Rychlík, Jan | |
dc.contributor.referee | Pražák Ondřej, Ing. | |
dc.date.accepted | 2022-6-20 | |
dc.date.accessioned | 2022-07-25T22:31:15Z | - |
dc.date.available | 2021-9-10 | |
dc.date.available | 2022-07-25T22:31:15Z | - |
dc.date.issued | 2022 | |
dc.date.submitted | 2022-5-19 | |
dc.identifier | 89635 | |
dc.identifier.uri | http://hdl.handle.net/11025/49366 | - |
dc.description.abstract | Spánek 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.format | 70s . (98 794 znaků) | |
dc.language.iso | en | |
dc.publisher | Západočeská univerzita v Plzni | |
dc.relation.isreferencedby | https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=89635 | - |
dc.rights | Plný text práce je přístupný bez omezení | |
dc.subject | eeg data | cs |
dc.subject | eeg signál | cs |
dc.subject | neuronové sítě | cs |
dc.subject | lstm | cs |
dc.subject | cnn | cs |
dc.subject | dense | cs |
dc.subject | spánková data | cs |
dc.subject | spánková vřetena | cs |
dc.title | Automatická detekce spánkových vřetének | cs |
dc.title.alternative | Automatic detection of sleep spindles | en |
dc.type | diplomová práce | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Navazující | |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | |
dc.thesis.degree-program | Inženýrská informatika | |
dc.description.result | Obhájeno | |
dc.description.abstract-translated | Sleep 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.translated | eeg data | en |
dc.subject.translated | eeg signal | en |
dc.subject.translated | neural networks | en |
dc.subject.translated | lstm | en |
dc.subject.translated | cnn | en |
dc.subject.translated | dense | en |
dc.subject.translated | sleep data | en |
dc.subject.translated | sleep spindles | en |
Vyskytuje se v kolekcích: | Diplomové práce / Theses (KIV) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
MastersThesis.pdf | Plný text práce | 1,53 MB | Adobe PDF | Zobrazit/otevřít |
A19N0074Pposudek-op.pdf | Posudek oponenta práce | 230,99 kB | Adobe PDF | Zobrazit/otevřít |
A19N0074Phodnoceni-ved.pdf | Posudek vedoucího práce | 414,03 kB | Adobe PDF | Zobrazit/otevřít |
A19N0074Pobhajoba.pdf | Průběh obhajoby práce | 607,78 kB | Adobe PDF | Zobrazit/otevřít |
A19N0074P-zadani_DIP.pdf | VŠKP - příloha | 17,38 kB | Adobe PDF | Zobrazit/otevřít |
A19N0074P_prilohy.zip | VŠKP - příloha | 5,03 MB | ZIP | Zobrazit/otevřít |
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.