Extrakce relevantních vlastností pomocí hlubokého učení pro průmyslové aplikace

Doležel, Petr

Extrakce relevantních vlastností pomocí hlubokého učení pro průmyslové aplikace

DSpace Repository

Language: English čeština

Extrakce relevantních vlastností pomocí hlubokého učení pro průmyslové aplikace

dc.contributor.author	Doležel, Petr
dc.date.accessioned	2024-10-14T12:05:04Z
dc.date.available	2024-10-14T12:05:04Z
dc.date.issued	2023-09-06
dc.identifier.isbn	978-80-7678-181-8	en
dc.identifier.uri	http://hdl.handle.net/10563/56781
dc.description.abstract	Předložené teze přednášky ke jmenování profesorem představují zásadní část autorova příspěvku do oblasti extrakce relevantních vlastností z dat získaných v reálných podmínkách, zejména v průmyslové výrobě, pomocí nástrojů hlubokého učení. Pozornost je nejprve věnována extrakci vlastností z vizuálních dat, v druhé části pak analýze signálu a extrakci vlastností ze signálů a časových řad. Oba úseky nejprve obsahují stručný teoretický základ zkoumané problematiky, následně je předložen autorův přínos realizovaný zpravidla formou vědeckých publikací, projektové činnosti či předmětů průmyslově-právní ochrany.	en
dc.format	62	cs
dc.format.extent	62	en
dc.language.iso	cs	en
dc.publisher	Univerzita Tomáše Bati ve Zlíně	en
dc.rights	Profesorské teze jsou přístupné elektronicky pouze v rámci univerzity.	en
dc.subject	hluboké učení	en
dc.subject	konvoluční neuronové sítě	en
dc.subject	zpracování obrazu	en
dc.subject	extrakce vlastností	en
dc.subject	inženýrské aplikace	en
dc.subject	deep learning	en
dc.subject	convolutional neural networks	en
dc.subject	image processing	en
dc.subject	feature extraction	en
dc.subject	engineering applications	en
dc.title	Extrakce relevantních vlastností pomocí hlubokého učení pro průmyslové aplikace	en
dc.title.alternative	Teze přednášek ke jemnování profesorem	en
dc.type	Book	en
dc.date.accepted	2024-02-06
dc.description.abstract-translated	The theses of the qualifying lecture for professorship represent an essential part of the author's contribution to the field of extraction of relevant features from data obtained in real conditions, especially in industrial production, using deep learning tools. The work is first focused on feature extraction from visual data, and the second part on signal analysis and feature extraction from signals and time series. Both sections first contain a brief theoretical background of the investigated problem, and then the author's contribution is presented, usually realized in the form of scientific publications, project activities, or subjects of intellectual and industrial property.	en
dc.thesis.degree-discipline	Řízení strojů a procesů	en
dc.date.submitted	2023-02-16