RYCHTÁRIK, M. Klasifikace signálů denní aktivity [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Student Martin Rychtárik se ve své práci zabýval klasifikací denních aktivit. V 1. kapitole student popisuje snímání biosignálů nositelnými zařízeními. Ze senzorů je popsán pouze akcelerometr, který jediný byl dále používán. Kapitola 2 popisuje v literatuře publikované metody klasifikace denní aktivity. V této kapitole postrádám uvedení úspěšnosti těchto metod a případně i podrobnější rozbor jednotlivých metod. V kapitole 3 student popisuje nasnímaná data a v kapitole 4 je popsána realizace vlastního klasifikačního algoritmu. Student nasnímal data u deseti osob, u každé osoby všech 8 klasifikovaných činností. Student navrhl celkem 13 příznaků, které spočítal pro každou z os akcelerometru. Kvalita příznaků byla zhodnocena vizuálně pomocí boxplotů, bylo by vhodné provést i objektivní zhodnocení příznaků. Ke klasifikaci byla použita neuronová síť. Student se v práci věnoval optimalizaci neuronové sítě, což popisuje v páté kapitole. Přesnost klasifikace navrženou metodou je vysoká, a to na trénovací i testovací množině. Po formální stránce je práce na dobré úrovni. Práci lze vytknout neseřazené odkazy do literatury a nejednotný způsob odkazování se na literaturu v textu. Práce obsahuje také gramatické chyby. Student v průběhu roku konzultoval práci dle potřeby, na konzultace chodil připraven. Zadání práce je splněné. Navrhuji známku B, 85 bodů.
Student nastudoval a v práci popsal problematiku snímání akcelerometrických dat pomocí mobilního telefonu a příznaky vhodné pro klasifikaci denní aktivity. Dále se věnuje popisu neuronové sítě, kterou si zvolil jako vhodný klasifikátor. Nasnímal záznamy od celkem deseti osob a anotoval na nich prováděné aktivity. Naučil neuronovou síť, kterou optimalizoval a důkladně otestoval na vytvořené databázi. Dosažené výsledky potom diskutoval. Zadání bakalářské práce považuji za splněné v celém rozsahu. Po formální stránce práci považuji za průměrnou. Práce má od úvodu po závěr 30 stran a obsahuje pouhých 9 zdrojů literatury. U některých obrázků chybí popis všech os (např. obr. 4.1, nebo 4.2) a číslování rovnic není správně zarovnané. V kapitole 6 potom postrádám tabulku shrnující dosažené výsledky včetně výsledků ostatních autorů, která by usnadnila porovnání. Po odborné stránce je práce také na průměrné úrovni. Hlavní nedostatek práce vidím zejména v její teoretické části, která je příliš stručná. Student vyjmenoval několik běžně používaných příznaků a dále se věnoval pouze popisu neuronové sítě. Postrádám hlubší rozbor dalších používaných metod. Navržený algoritmus je nicméně funkční a po optimalizaci dosahuje solidních výsledků. Celkově práci hodnotím stupněm dobře/C.
eVSKP id 118308