Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Mouček Roman, Doc. Ing. Ph.D. | |
dc.contributor.author | Kodera, Jakub | |
dc.contributor.referee | Mautner Pavel, Ing. Ph.D. | |
dc.date.accepted | 2024-6-18 | |
dc.date.accessioned | 2024-07-12T09:14:29Z | - |
dc.date.available | 2022-9-9 | |
dc.date.available | 2024-07-12T09:14:29Z | - |
dc.date.issued | 2024 | |
dc.date.submitted | 2023-6-21 | |
dc.identifier | 93441 | |
dc.identifier.uri | http://hdl.handle.net/11025/57226 | - |
dc.description.abstract | Představa 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.format | 123 s. (190 303 znaků) | |
dc.language.iso | cs | |
dc.publisher | Západočeská univerzita v Plzni | |
dc.rights | Plný text práce je přístupný bez omezení | |
dc.subject | eeg | cs |
dc.subject | představa pohybu | cs |
dc.subject | augmentace dat | cs |
dc.subject | klasifikace | cs |
dc.subject | strojové učení | cs |
dc.title | Detekce pohybu z EEG dat | cs |
dc.title.alternative | Motion detection from EEG data | en |
dc.type | diplomová práce | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Navazující | |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | |
dc.thesis.degree-program | Inženýrská informatika | |
dc.description.result | Obhájeno | |
dc.description.abstract-translated | Motor 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.translated | eeg | en |
dc.subject.translated | motor imagery | en |
dc.subject.translated | data augmentation | en |
dc.subject.translated | classification | en |
dc.subject.translated | machine learning | en |
Vyskytuje se v kolekcích: | Diplomové práce / Theses (KIV) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
Diplomova_prace.pdf | Plný text práce | 1,94 MB | Adobe PDF | Zobrazit/otevřít |
A21N0029Phodnoceni-ved.pdf | Posudek vedoucího práce | 417,51 kB | Adobe PDF | Zobrazit/otevřít |
A21N0029Pposudek-op.pdf | Posudek oponenta práce | 118,35 kB | Adobe PDF | Zobrazit/otevřít |
A21N0029Pobhajoba.pdf | Průběh obhajoby práce | 227,01 kB | Adobe PDF | Zobrazit/otevřít |
A21N0029P-zadani_DP.pdf | VŠKP - příloha | 14,33 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
A21N0029P_prilohy.zip | VŠKP - příloha | 1,74 GB | ZIP | Zobrazit/otevřít Vyžádat kopii |
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.