Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorŠnejdar Pavel, Ing.
dc.contributor.authorLehečka, Jaroslav
dc.contributor.refereeBrůha Petr, Ing.
dc.date.accepted2022-8-30
dc.date.accessioned2022-11-10T14:43:46Z-
dc.date.available2021-10-4
dc.date.available2022-11-10T14:43:46Z-
dc.date.issued2022
dc.date.submitted2022-6-23
dc.identifier89774
dc.identifier.urihttp://hdl.handle.net/11025/49931-
dc.description.abstractV současnosti je výzkum demence spojen s počítačovou vědou. Zpracovávání dat může být provedeno pomocí různých metod - hlavně strojového učení. Tyto metody vyžadují dostatek vstupních dat v náležité kvalitě. To je jediná cesta jak dosáhnou stanovených hodnot. Cílem této bakalářské práce je dogenerování syntetických dat pro větší robustnost klasifikačních algoritmů. Využito bylo různých metod (posun, šum, kombinace, GAN síť). Úpravou vstupních dat může být klasifikátor připraven i pro situace, kde je významně větší rušení nebo horší podmínky měření. Výsledky potvrzují, že použití strojového učení je možné pro rozšiřování datových souborů.cs
dc.format49 s. (72 000 znaků)
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.relation.isreferencedbyhttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=89774-
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectsyntetická datacs
dc.subjectelektroencefalografiecs
dc.subjecteegcs
dc.subjectaugmentace datcs
dc.subjectgancs
dc.subjectneuronová síťcs
dc.subjectgenerative adversial networkcs
dc.subjectgenerování datcs
dc.titleAplikace metod pro rozšíření datové sady EEG záznamucs
dc.title.alternativeApplication of methods for generating EEG dataen
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-translatedThese days is research on dementia is connected with computer science. Data processing could be performed using various methods - mainly machine learning. These methods require sufficient input data in the appropriate quality. This is the only way to reach the set valules. The aim of this bachelor thesis is generating synthetic datasets for larger ones and more robust algorithms using studied methods. Different methods were introduced and applied (shift, noise, combination, GAN network). With changes made on input datasets, would be a classifier prepared for noisy datasets or worse measurement conditions. The results confirm that the usage of machine learning is really possible for dataset augmentation.en
dc.subject.translatedsynthetic dataen
dc.subject.translatedelectroencephalographyen
dc.subject.translatedeegen
dc.subject.translateddata augmentationen
dc.subject.translatedganen
dc.subject.translatedneural networken
dc.subject.translatedgenerative adversial networken
dc.subject.translateddata generationen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
A19B0121P.pdfPlný text práce1,13 MBAdobe PDFZobrazit/otevřít
A19B0121P_hodnoceni.pdfPosudek vedoucího práce108,01 kBAdobe PDFZobrazit/otevřít
A19B0121P_posudek.pdfPosudek oponenta práce176,76 kBAdobe PDFZobrazit/otevřít
A19B0121P_obhajoba.pdfPrůběh obhajoby práce56,67 kBAdobe PDFZobrazit/otevřít
A19B0121P_zadaniBP.pdfVŠKP - příloha12,86 kBAdobe PDFZobrazit/otevřít
A19B0121P_prilohy.zipVŠKP - příloha47,25 MBZIPZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/49931

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