Proces strojového učení pro spektroskopická data
Machine Learning Pipeline for Spectroscopic Data
Typ dokumentu
diplomová prácemaster thesis
Autor
Zvolský Grant
Vedoucí práce
Borovička Tomáš
Oponent práce
Maldonado Lopez Juan Pablo
Studijní obor
Znalostní inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Data ze spektroskopických senzorů často vyžadují zpracování specifické pro daný problém. Cílem této práce je navrhnout framework strojového učení pro analýzu spektroskopických dat. Práce představuje běžné metody zpracování spektroskopických dat a kombinuje je do tzv. pipelines. Framework je navržen s důrazem na jednoduchost a expresivitu. Na závěr je framework testován na praktickém zadání, které je úspěšně splněno. Navržený framework má potenciál pro budoucí využití. Data from spectroscopic sensors often require problem-specific methods of processing. This thesis aims to design a machine learning framework for the analysis of spectroscopic data. Common spectroscopic data processing methods are introduced and combined into so-called pipelines. The framework is designed with a focus on simplicity and expressivity. It is then successfully tested on a practical problem and the framework does have a potential for future use.
Kolekce
- Diplomové práce - 18105 [195]