Full metadata record
| DC pole | Hodnota | Jazyk |
|---|---|---|
| dc.contributor.author | Bartl, Matouš | |
| dc.contributor.referee | Kolář, Milan | |
| dc.contributor.referee | Novák, Mirko | |
| dc.contributor.referee | Pokorný, Miroslav | |
| dc.date.accepted | 2015-11-12 | |
| dc.date.accessioned | 2016-03-15T09:11:18Z | |
| dc.date.available | 2012-12-14 | cs |
| dc.date.available | 2016-03-15T09:11:18Z | |
| dc.date.issued | 2015 | |
| dc.date.submitted | 2014-11-13 | |
| dc.identifier | 32062 | |
| dc.identifier.uri | http://hdl.handle.net/11025/20655 | |
| dc.description.abstract | Práce se zabývá problematikou aplikace neuronových sítí na embedded systémech s nízkým výpočetním výkonem a omezenými hardwarovými prostředky. Cílem je navrhnout a prověřit metodu zavádění v podobě umožňující adaptaci vah a změnu topologie v cílovém systému za běhu, bez nutnosti změny firmwaru. První část je stručným obecným úvodem do problematiky neuronových sítí. Předkládá historické pozadí vzniku oboru, shrnuje základní teoretické principy a rozlišuje kategorie problémů vhodné pro řešení pomocí umělých neuronových sítí. Na základě literatury utváří přehled o současném stavu. Druhá a třetí část práce teoreticky popisují navrhovanou metodu a její ukázkovou praktickou aplikaci na embedded systému osazeném procesorem PIC18F. Pro možnost srovnání je v textu předkládáno více variant řešení problému. Jsou prezentovány výsledky jednak v podobě vysvětlených a okomentovaných zdrojových kódů a jednak v podobě měření jejich relevantních parametrů. Nejčastěji přesnosti a náročnosti na výpočetní výkon. V poslední části jsou shrnuty dosažené výsledky v podobě diskuse o splnění vytyčených cílů a nástinu možností dalšího vývoje. | cs |
| dc.format | 96 s., 11 s. příloh | cs |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | cs | cs |
| dc.publisher | Západočeská univerzita v Plzni | cs |
| dc.rights | Plný text práce je přístupný bez omezení. | cs |
| dc.subject | adaptabilní neuronové sítě | cs |
| dc.subject | aplikace | cs |
| dc.subject | embedded | cs |
| dc.subject | jednočipový mikropočítač | cs |
| dc.subject | metodika zavádění ann | cs |
| dc.subject | pic18f | cs |
| dc.title | Embedded systémy a netradiční způsoby interakce s uživatelem | cs |
| dc.title.alternative | The methodology of use of embedded systems with low computing power for neural networks with changeable parameters and topology | en |
| dc.type | disertační práce | cs |
| dc.thesis.degree-name | Ph.D. | cs |
| dc.thesis.degree-level | Doktorský | cs |
| dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta elektrotechnická | cs |
| dc.thesis.degree-program | Elektrotechnika a informatika | cs |
| dc.description.result | Obhájeno | cs |
| dc.rights.access | openAccess | en |
| dc.description.abstract-translated | This paper deals with the application of neural networks to embedded systems with low computing power and limited hardware resources. The aim is to design and verify the method of implementation in a form that allows the adaptation of net scales and change of the net topology in the target system on-line, without having to change the firmware. The first part is a brief introduction to artificial neural networks. It shows the historical background of the field, summarizes the basic theoretical principles and lists the categories of problems suitable for solution using artificial neural networks. This part also, based on literature, gives an overview of the current state. The second and third parts of the paper describe the theory of the proposed method and a practical application to an embedded system fitted with PIC18F microprocessor. More possible solutions of the problem are presented for comparison. Results are presented both in the form of commented and explained source code examples and in the form of measurements of their relevant parameters, mostly the accuracy and computing power expenditure. The final part summarizes the obtained results in the form of discussions about reaching the objectives and possible further development. | en |
| dc.subject.translated | adaptable neural networks | en |
| dc.subject.translated | applications | en |
| dc.subject.translated | embedded | en |
| dc.subject.translated | microcontroller | en |
| dc.subject.translated | implementation methodology for ann | en |
| dc.subject.translated | pic18f | en |
| Vyskytuje se v kolekcích: | Disertační práce / Dissertations (KAE) | |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| Disertace_Bartl_2014.pdf | Plný text práce | 2,58 MB | Adobe PDF | Zobrazit/otevřít |
| vedouci-bartl publ.pdf | Posudek vedoucího práce | 417,33 kB | Adobe PDF | Zobrazit/otevřít |
| oponent-bartl opon.pdf | Posudek oponenta práce | 3,31 MB | Adobe PDF | Zobrazit/otevřít |
| obhajoba-bartl zapis.pdf | Průběh obhajoby práce | 680,8 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/20655Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.