KLIMEŠ, O. Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2019.
Bc. Ondřej Klimeš zpracovával náročné téma kombinující tři obory: bayesovskou statistiku, teorii aproximace a optimalizaci. Vzhledem k obtížnosti a rozsahu příslušného aparátu musel dlouho studovat teorii a tohoto úkolu se zhostil dobře. Rozumí všemu, co používá a o čem píše. Oceňuji to i proto, že se v podstatě jedná o výzkum; zpracovávaná problematika je inovativní a neexistuje k ní ucelená literatura. Téma bylo zpracováváno ve spolupráci s TU Videň a Bc. Klimeš tam několikrát byl na krátkodobé stáži. Práce je psána čtivě a autor se umí jasně vyjádřit. Strukturu kapitol vnímám také jako dobrou, před každým použitím je příslušný aparát vysvětlen teoreticky. Grafická úprava dobrá. Student provedl obrovskou řadu numerických testů. Ty v první fázi sloužily k tomu, aby se autor seznámil se simulačním software, který doplňoval o své kódy. V druhé fázi pak proběhlo porovnání několika metod a jejich variant na vybraném scénáři. Je mi líto, že ačkoliv nová metoda vypadala dlouho teoreticky slibně a elegantně, musel student závěrem zhodnotit, že nebyl nalezen takový scénář, kdy by byla efektivnější než starší metody.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | A | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry | A | ||
| Využitelnost výsledků v praxi nebo teorii | B | ||
| Logické uspořádání práce a formální náležitosti | A | ||
| Grafická, stylistická úprava a pravopis | A | ||
| Práce s literaturou včetně citací | A | ||
| Samostatnost studenta při zpracování tématu | A |
Diplomová práce na téma "Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí" je členěna do osmi kapitol a popisu procedur v jazyce MATLAB na příloženém CD. Práce je po obsahové, stylistické i grafické stránce zpracována precizně s minimem překlepů: v anglickém Summary na 3.ř. má být "suitably" místo "suitable" a na str.23/3.ř. má být "...v aktuálním nosiči...". Z matematického hlediska je psána přesně a srozumitelně. Upozornil bych jen na některé spíše drobné nepřesnosti v kap. 2 (Matematický aparát): 1) str.6/2.1.1: jevem není obecně libovolná podmnožina. 2) str.10-11: v některých případech u hustot f a q náhodných vektorů chybí uvedení míry vzhledem k níž se integrály počítají (Věta 2.18 a 2.21). 3) str.11 za definicí 2.20: míry \nu a \lambda se obecně nenazývají čítací, ale může se za ně taková míra zvolit, obvykle se však pracuje s Lebesgueovou mírou (otázka 1). 4) str.13 uprostřed: pravděpodobnost v definici bayesovského konfidenčního intervalu je podmíněna náhodným vektorem, takže by musela být náhodnou veličinou (otázka 2)? 5) str.13, definice 2.25: chybí upřesnění uzlů pro hrany e_1,...,e_n. 6) str.19 nahoře: B-splajn by měl být konkretizován jako \beta^k - vhodnější by bylo zavést ve 2.3.3 značení pro B-splajny horním indexem v závorkách, aby nemohl být interpretován jako exponent. Poslední vlastnost je formulována příliš vágně. 7) str.19: vztah (2.32) reprezentuje tenzorový, nikoliv kartézský součin funkcí. 8) str.22 dole, krok 3: přidávaný index by měl být určen maximem z absolutní hodnoty. Vlastní model senzorové sítě a jeho simulační studie jsou popsány v kap.4-6, kde diplomant zřejmě čerpá z několika specializovaných článků vesměs v nematematických časopisech zaměřených na danou oblast. Zde se necítím povolán k nějakému hlubšímu posouzení. Zdá se ale, že se spíše opírají o empirický přístup. Jen stručně okomentuji některé aspekty: a) Z terminologického hlediska může být matoucí nerozlišování mezi pojmy hustota rozdělení, statistikou pro její odhad (věrohodnostní funkce) a jejím pozorováním. Připouštím ale, že tento způsob zápisu se běžně vyskytuje i ve statistické literatuře a nelze ji tedy přičíst na vrub diplomanta. Pro ilustraci cituji např. formulaci ke vztahu (3.5) na str. 29, kde se píše "...získáme jako střední hodnotu (2.17) pravděpodobnosti f(x_n | z_{1:n})", která nedává smysl ze dvou důvodů: pravděpodobnost není náhodná veličina a ani podmíněná hustota f neudává pravděpodobnost (viz též otázku 4). b) Schéma na str.30/obr.3.2 by mělo zleva vycházet z předchozí iterace v čase n-1? c) Nejasný smysl zápisu aproximací (3.13) a (3.14) na str. 31 ve vazbě na (3.5)? d) Na str. 37 uprostřed je modelována změna vektoru rychlosti náhodně, což se nezdá být realistický předpoklad pro plynulý pohyb? e) U popisovaných iteračních algoritmů nejsou uvedeny žádné podmínky zaručující jejich konvergenci. Závěr: Práce zpracovává poměrně náročné téma ve spolupráci s TU Wien, které vyžaduje kombinaci znalostí několika matematických disciplin (pravděpodobnost a statistika, lineární algebra, aproximace funkcí, B-splajny, optimalizace, řídké reprezentace, komprimované snímání) aplikovaných na speciální problematiku z oblasti zpracování telekomunikačních signálů. Zde autor v návaznosti na výzkum na TU Wien vycházel ze studia rozsáhlé aktuální specializované literatury a dosáhl původních výsledků spočívajících ve využití B-splajnů pro aproximaci věrohodnostní funkce v Bayesovském modelu komunikace mezi senzory v distribuované síti.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | A | ||
| Vlastní přínos a originalita | A | ||
| Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry | A | ||
| Využitelnost výsledků v praxi nebo teorii | B | ||
| Logické uspořádání práce a formální náležitosti | A | ||
| Grafická, stylistická úprava a pravopis | A | ||
| Práce s literaturou včetně citací | A |
eVSKP id 113054