Počet záznamů: 1
Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování
Údaje o názvu Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování [rukopis] / Dominik Vašinka Další variantní názvy Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování Osobní jméno Vašinka, Dominik, (autor diplomové práce nebo disertace) Překl.náz Deep neural networks for polarimetric and imaging applications Vyd.údaje 2020 Fyz.popis 35 s. Poznámka Ved. práce Miroslav Ježek Oponent Dominik Koutný Dal.odpovědnost Ježek, Miroslav (vedoucí diplomové práce nebo disertace) Koutný, Dominik, (oponent) Dal.odpovědnost Univerzita Palackého. Katedra optiky (udelovatel akademické hodnosti) Klíč.slova strojové učení * vícevrstvé neuronové sítě * konvoluční neuronové sítě * polarimetrie * kroucené nematické tekuté krystaly * vylepšení obrazu * počítání emitorů * machine learning * deep neural networks * convolutional neural networks * polarimetry * twisted nematic liquid crystals * image enhancement * emitter counting Forma, žánr bakalářské práce bachelor's theses MDT (043)378.22 Země vyd. Česko Jazyk dok. angličtina Druh dok. PUBLIKAČNÍ ČINNOST Titul Bc. Studijní program Bakalářský Studijní program Fyzika Studijní obor Obecná fyzika a matematická fyzika kniha
Kvalifikační práce Staženo Velikost datum zpřístupnění 00264447-300285049.pdf 16 2.1 MB 10.06.2020 Posudek Typ posudku 00264447-ved-471253469.pdf Posudek vedoucího 00264447-opon-361394241.pdf Posudek oponenta Průběh obhajoby datum zadání datum odevzdání datum obhajoby přidělená hodnocení typ hodnocení 00264447-prubeh-438154717.pdf 01.03.2018 10.06.2020 30.06.2020 1 Hodnocení známkou
Umělé neuronové sítě jsou v dnešní době široce rozšířený algoritmus, který se úspěšně využívá v mnohých náročných aplikacích. Na rozdíl od von Neumannovských architektur nevyžadují specifikování pravidel na zpracování vstupních dat, což umožňuje dosahovat uspokojivých výsledků i v aplikacích, které nelze modelovat analyticky. Tato práce se zabývá využitím neuronových sítí v aplikacích souvisejících s optikou. Nejprve jsou pomocí neuronové sítě modelovány transformace polarizačního stavu způsobené průchodem kroucenými nematickými tekutými krystaly. Následně jsou využity konvoluční neuronové sítě upravující rozlišení obrazu na počítání izolovaných emitorů ovlivněných difrakčním limitem a šumem.Artificial neural networks are nowadays widely used algorithms, successfully utilized in many challenging applications. Unlike the von Neumann architectures, they do not require specifying the exact rules for processing the input data, which allows for achieving sufficient results even in applications, where all analytical models fail. In this thesis, the possibility of utilizing these networks for optics related applications is explored. Firstly, we use the deep neural networks for modelling the transformation of the polarization state of light propagated through twisted nematic liquid crystal modules. Then, convolutional neural networks enhancing images affected by the diffraction limit and noise are utilized for counting point-like emitters.
Počet záznamů: 1