Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorMouček Roman, Doc. Ing. Ph.D.
dc.contributor.authorHrabík, Václav
dc.contributor.refereeMautner Pavel, Ing. Ph.D.
dc.date.accepted2022-6-14
dc.date.accessioned2022-08-29T14:33:20Z-
dc.date.available2021-10-4
dc.date.available2022-08-29T14:33:20Z-
dc.date.issued2022
dc.date.submitted2022-5-5
dc.identifier89753
dc.identifier.urihttp://hdl.handle.net/11025/49547-
dc.description.abstractSnaha napodobit lidský (zvířecí) mozek existuje už dlouho. Prvním velkým krokem byly analogové neuronové sítě. Tyto sítě mají spoustu podtypů, které všechny pracují na principu spojitých dat, ale to není vždy úplně možné. Pro práci s diskrétními daty byly vyvinuty impulzivní neuronové sítě, které napodobují mozkové chování ještě lépe a pracují s diskrétními daty. Velký problém u neuronových sítí obecně je schopnost se učit. K tomu je zapotřebí množina dat. Ve spoustě oblastí je získávaní dat jednoduché. V oblasti Elektroencefalografických (EEG) dat je velmi obtížné získat data. Proto se tato práce zabývá umělým zvětšením již naměřené množiny dat za účelem zlepšení úspěšnosti automatického rozpoznávání P300 signálů. Toto zvětšení je provedeno přidáním umělých prvků. Výsledky ukazují, že tato metoda je možným a funkčním řešením.cs
dc.format34
dc.language.isoen
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectumělé neuronové sítěcs
dc.subjectanalogové neuronové sítěcs
dc.subjectimpulzivní neuronové sítěcs
dc.subjecteegcs
dc.subjecttensorflowcs
dc.subjectkerascs
dc.subjectrozšířenícs
dc.subjectp300 datasetcs
dc.titleRozšíření dat pro zpracování biologického signálucs
dc.title.alternativeData augmentation for biological signal processingen
dc.typebakalářská práce
dc.thesis.degree-nameBc.
dc.thesis.degree-levelBakalářský
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programInformatika a výpočetní technika
dc.description.resultObhájeno
dc.description.abstract-translatedThere have been a lot of attempts of human (animal) brain simulation. Analogue neural networks were the first major step. These neural networks have various sub-types. All these types work with continuous data but this data is not available every time. Spiking neural networks were developed for work with discrete data. Neural networks in general have big problems with learning. A dataset is necessary for learning. In many cases adding new samples into dataset is not any problem. In neural signals like Electroencephalography (EEG), it is a big problem to get new samples. Because of it, this thesis aims to augment an existing dataset in order to increase the accuracy of automatic recognition of P300 signals. This augmentation is done by adding the synthetic samples. The results show that augmentation is really possible and a functional solution.en
dc.subject.translatedartificial neural networksen
dc.subject.translatedanalogue neural networksen
dc.subject.translatedspiking neural networksen
dc.subject.translatedeegen
dc.subject.translatedtensorflowen
dc.subject.translatedkerasen
dc.subject.translatedaugmentationen
dc.subject.translatedp300 dataseten
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
A19B0061P.pdfPlný text práce2,14 MBAdobe PDFZobrazit/otevřít
A19B0061P_hodnoceni.pdfPosudek vedoucího práce415,31 kBAdobe PDFZobrazit/otevřít
A19B0061P_posudek.pdfPosudek oponenta práce117,4 kBAdobe PDFZobrazit/otevřít
A19B0061P_obhajoba.pdfPrůběh obhajoby práce52,44 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/49547

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. Bakalářské práce / Bachelor´s works (KIV)