Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorHácha Filip, Ing.
dc.contributor.authorHavlík, Viktor
dc.contributor.refereeKáčereková Zuzana, Ing.
dc.date.accepted2024-6-11
dc.date.accessioned2024-07-12T09:13:02Z-
dc.date.available2023-10-2
dc.date.available2024-07-12T09:13:02Z-
dc.date.issued2024
dc.date.submitted2024-5-2
dc.identifier96951
dc.identifier.urihttp://hdl.handle.net/11025/57091-
dc.description.abstractTato bakalářská práce se zabývá tématem komprese konektivity trojúhelníkových sítí a problematikou s ní spojenou. Práce navazuje na již existující, velice efektivní metodu založenou na principu kandidátních vrcholů a dává si za cíl její další zefektivnění. Toho se snaží dosáhnout za pomoci strojového učení. Práce se tak zaměřuje na několik klíčových částí původní metody a ty nahrazuje modelem umělé neuronové sítě. Cílem je zjistit, jak efektivně je model schopen, oproti statickým vzorcům výchozí metody, predikovat konektivitu trojúhelníkové sítě a zda-li tento přístup může vést k požadovanému zlepšení. Jak získané výsledky naznačují, je tomu skutečně tak a metoda s využitím neuronové sítě byla schopna dosáhnout signifikantního zlepšení.cs
dc.format63 s. (80 000 znaků)
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectkompresecs
dc.subjectkonektivitacs
dc.subjectneuronová síťcs
dc.subjecttrojúhelníkové sítěcs
dc.subjectstrojové učenícs
dc.titleKomprese konektivity trojúhelníkových sítí se známou geometrií s využitím neuronových sítícs
dc.title.alternativeConnectivity compression of triangle meshes with known connectivity using neural networksen
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-translatedThis bachelor's thesis addresses the topic of triangle mesh connectivity compression and the related issues. The work builds upon already existing, highly efficient method based on the principle of candidate vertices and aims for its even further optimization. It attempts to achieve this through the use of machine learning. Thus, the thesis focuses on several key parts of the existing method, which it then substitutes with a model of the neural network. The goal is to determine how effectively the model can predict triangle mesh connectivity compared to the static formulas used by the reference method and whether this approach can lead to the desired improvement. As the results indicate, this is indeed the case, and the method using the neural network was able to achieve significant improvement.en
dc.subject.translatedcompressionen
dc.subject.translatedconnectivityen
dc.subject.translatedneural networken
dc.subject.translatedtriangle meshesen
dc.subject.translatedmachine learningen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
A21B0124P.pdfPlný text práce14,09 MBAdobe PDFZobrazit/otevřít
A21B0124P_Hodnoceni.pdfPosudek vedoucího práce136,42 kBAdobe PDFZobrazit/otevřít
A21B0124P_Posudek.pdfPosudek oponenta práce127,14 kBAdobe PDFZobrazit/otevřít
A21B0124P_Obhajoba.pdfPrůběh obhajoby práce82,26 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/57091

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)