Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorMouček Roman, Doc. Ing. Ph.D.
dc.contributor.authorKodera, Jakub
dc.contributor.refereeMautner Pavel, Ing. Ph.D.
dc.date.accepted2024-6-18
dc.date.accessioned2024-07-12T09:14:29Z-
dc.date.available2022-9-9
dc.date.available2024-07-12T09:14:29Z-
dc.date.issued2024
dc.date.submitted2023-6-21
dc.identifier93441
dc.identifier.urihttp://hdl.handle.net/11025/57226-
dc.description.abstractPředstava pohybu je jedna z možností jakou může člověk komunikovat pomocí rozhraní mozek počítač. Cílem této práce je prozkoumat existující možnosti a používané metody v oblasti detekce pohybu z naměřeného EEG signálu. Jelikož získávání EEG dat je časově náročná aktivita, jsou v práci prozkoumány možnosti rozšíření existující datové sady bez nutnosti provádění dalšího měření. Práce porovnává detekci pohybu pěti klasifikátory (LDA, SVM, MLP, LSTM a CNN) a zkoumá také využití různých příznakových vektorů. V práci je provedena implementace a porovnání rozšíření datové sady pomocí augmentačních metod NI, cVAE a cWGAN-GP. Nejlepšího klasifikačního výsledku bylo dosaženo klasifikátorem CNN s klasifikační přesností 76.00+-0.80%.cs
dc.format123 s. (190 303 znaků)
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjecteegcs
dc.subjectpředstava pohybucs
dc.subjectaugmentace datcs
dc.subjectklasifikacecs
dc.subjectstrojové učenícs
dc.titleDetekce pohybu z EEG datcs
dc.title.alternativeMotion detection from EEG dataen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programInženýrská informatika
dc.description.resultObhájeno
dc.description.abstract-translatedMotor imagery is one of the ways in which a person can communicate through a brain-computer interface. The aim of this work is to explore existing methods in the field of motor imagery detection from measured EEG signals. Since acquisition of EEG data is a time-consuming activity, options for expanding the existing dataset without the need for additional measurements is also explored. This work compares motor imagery detection using five classifiers (LDA, SVM, MLP, LSTM a CNN) and also examines the use of different feature vectors. Additionally, the study implements and compares the expansion of the dataset using the augmentation methods NI, cVAE a cWGAN-GP. The best classification result was achieved with the CNN classifier, achieving a classification accuracy of 76.00+-0.80%.en
dc.subject.translatedeegen
dc.subject.translatedmotor imageryen
dc.subject.translateddata augmentationen
dc.subject.translatedclassificationen
dc.subject.translatedmachine learningen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Diplomova_prace.pdfPlný text práce1,94 MBAdobe PDFZobrazit/otevřít
A21N0029Phodnoceni-ved.pdfPosudek vedoucího práce417,51 kBAdobe PDFZobrazit/otevřít
A21N0029Pposudek-op.pdfPosudek oponenta práce118,35 kBAdobe PDFZobrazit/otevřít
A21N0029Pobhajoba.pdfPrůběh obhajoby práce227,01 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/57226

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. Diplomové práce / Theses (KIV)