Hledat
Zobrazují se záznamy 1-9 z 9
Geodetická iterativní lokalizace a statistická separace v akustické emisi s Fermilab TopQ aplikacemi, Geodetic iterative localization and statistical cluster separation in acoustics with Fermilab TopQ applications
; Vedoucí práce: Kůs Václav; Oponent práce: Chlada Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum., 2013-06-12)
Detekce změny stavu akusticky aktivního systému, Change pointndetection of dynamic acoustic system
; Vedoucí práce: Kůs Václav; Oponent práce: Chlada Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum., 2012-02-04)
Geodetické křivky na kombinovaném povrchu pro detekci poruch v akustické emisi, Geodetic curves on combined surfaces for acoustic emission crack detection
; Vedoucí práce: Kůs Václav; Oponent práce: Chlada Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum., 2011-10-14)
Experimentální ověřování modelu časové reverzace, Experimental Validation of Time Reversal Model
; Vedoucí práce: Chlada Milan; Oponent práce: Převorovský Zdeněk (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2018-08-31)
Práce se věnuje časové reverzaci (TR) elastických vln. Představuje proces TR, seznamuje se základním teoretickým popisem za použití Greenových funkcí a koncepty jako realizace TR v tělese konečných rozměrů nebo reciproké ...
Odhadování struktury hysterezních materiálů prostřednictvím Preisach-Mayergoyzova prostoru, Structure of hysteretic material evaluated through Preisach-Mayergoyz space
; Vedoucí práce: Kůs Václav; Oponent práce: Chlada Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2020-08-27)
ato bakalářská práce se zabývá aplikováním Preisach-Mayergozova (PM) modelu na vyhodnocení elastických vlastností materiálů. V první části jsou představeny klíčové pojmy hystereze a její popis, dále optimalizační algoritmy, ...
Mapování obecných závislostí pomocí neuronových sítí, Mapping of general relations by neural networks
; Vedoucí práce: Chlada Milan; Oponent práce: Kůs Václav (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-01-27)
Cílem této práce je konstrukce citlivostní analýzy speciálně naučených neuronových sítí a ověření její schopnosti detekovat závislosti mezi parametry. Pro zařazení do kontextu s modernějšími analýzami budeme navrženou ...
Vývoj a srovnání PM metod pro odhady elasticity materiálů, Development and comparison of PM methods for material elasticity estimation
; Vedoucí práce: Kůs Václav; Oponent práce: Chlada Milan (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-05-26)
: Hlavním cílem této diplomové práce je schopnost nalezení vhodné hustoty pravděpodobnosti, resp. směsi distribucí z naměřené hysterezní křivky pro Preisach-Mayergoyzův (PM) model. Nejdříve je představena hystereze a její ...
Generování seznamu událostí v signálu pomocí neuronových sítí, Signal Event List Generation Using Neural Networks
; Vedoucí práce: Chlada Milan; Oponent práce: Víta Martin (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-05-27)
Cílem práce je rešerše metod hlubokého učení a následná aplikace shrnutých poznatků pro dekompozici signálu do jednotlivých zdrojů a detekci událostí v signálu. V první části je zkoumána možnost aplikace modifikovaných ...
Strojové učení pro klasifikaci zdrojů spojité akustické emise, Machine Learning for Classification of Continuous Acoustic Emission Sources
; Vedoucí práce: Chlada Milan; Oponent práce: Franc Jiří (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-09-02)
Strojové učení je v současné době velmi populární oblastí umělé inteligence. Hluboké učení poté zpracovává vstupní data skrze vrstvy předávající datům smysluplnější reprezentace. Jedním z modelů, které hluboké učení k ...