Number of the records: 1
Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování
Title statement Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování [rukopis] / Dominik Vašinka Additional Variant Titles Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování Personal name Vašinka, Dominik, (dissertant) Translated title Deep neural networks for polarimetric and imaging applications Issue data 2020 Phys.des. 35 s. Note Ved. práce Miroslav Ježek Oponent Dominik Koutný Another responsib. Ježek, Miroslav (thesis advisor) Koutný, Dominik, (opponent) Another responsib. Univerzita Palackého. Katedra optiky (degree grantor) Keywords 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 Form, Genre bakalářské práce bachelor's theses UDC (043)378.22 Country Česko Language angličtina Document kind PUBLIKAČNÍ ČINNOST Title Bc. Degree program Bakalářský Degree program Fyzika Degreee discipline Obecná fyzika a matematická fyzika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00264447-300285049.pdf 15 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.
Number of the records: 1