DOKOUPILOVÁ, D. Pokročilá klasifikace spánkových fází [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Diplomová práce Daniely Dokoupilové, věnovaná detekci spánkových fází, navazuje na její bakalářskou práci a rozšiřuje ji o využití vlastně naměřených dat a moderních metod hlubokého učení. Studentka se inspirovala dříve publikovaným řešením pro standardně snímaný EEG signál a adaptovala ho na akcelerometrický záznam a tepovou frekvenci z chytrých zařízení. Práce obsahuje dobře strukturovanou a čitelnou rešerši, bez redundantních kapitol, napsanou s využitím dostatečného množství relevantních literárních zdrojů. Dále obsahuje podrobný popis dostupné databáze spánkových dat, včetně jejích limitů. V praktické části studentka řešila problém nehomogenního rozdělení klasifikačních tříd v této databázi. Problém byl částečně vyřešen doplněním vlastně naměřených dat, k čemuž studentka využila zařízení Empatica dostupné na UBMI. Musela však navrhnout kroky pro zajištění kompatibility dat s původním souborem a vhodné předzpracování signálů pro následné použití při trénování klasifikátoru. Klasifikaci provedla s využitím různých vstupních dat, do dvou či více klasifikačních tříd. Přes veškerou snahu se nakonec nepodařilo dosáhnout slibných výsledků detekce spánku, což vychází z charakteristik použitých záznamů, jak studentka uvádí v diskuzi. Zadání práce však bylo splněno v plném rozsahu. Nad rámec zadání byly odvozeny parametry používané pro hodnocení kvality spánku a byla popsána souvislost mezi hodnotami těchto parametrů a výstupy klasifikátoru. Práce je zdařilá po formální stránce, obsahuje dostatečné množství názorných ilustrací, tabulek a grafů a rovněž interpretaci dosažených výsledků. Studentka byla aktivní v průběhu celého roku, efektivně využívala konzultace, iniciativně navrhovala využití různých metod a způsobů implementace v prostředí Python. Hodnotím práci velice kladně: A/93 b.
Studentka Daniela Dokoupilová předložila diplomovou práci s názvem "Pokročilá klasifikace spánkových fází". Práce se zaměřuje na problematiku hodnocení spánku na základě parametrů tepové frekvence a zrychlení. Práce byla sepsána na 60 stranách (úvod-závěr). Teoretická část práce poskytuje relativně podrobnou rešerši. Především v části o umělé inteligenci se autorka dostává ke zbytečným obecným popisům (např. popis neuronu, jednotlivé popisy aktivačních funkcí, atp.) a postrádám propojení s cílem práce. Dále je zapotřebí uvést citace, které chybí zejména na začátku práce. Praktická část obsahuje předzpracování dat jako filtrace a standardizace. Dále jsou provedeny výběry vhodných epoch a nastavení hyperparametrů. Výsledky různých nastavení hyperparametrů má být demonstrováno na obrázcch 6-2 a 6-3, nicméně není zřejmé, zda jde o ilustrační grafy nebo reálné průběhy při optimalizaci parametrů. Doporučila bych doplnit tuto informaci pro lepší srozumitelnost. V práci jsou využity dva již existující nástroje pro klasifikaci spánkových kategorií, jejichž výsledky jsou srovnány s dostupnou literaturou. Obecně formulované výsledky (dělení do 3 kategorií) ukazují přesnější výsledky, zatímco v případě podrobnějšího rozdělení do více kategorií modely selhávají. Autorka diskutuje dosažené výsledky a snaží se objasnit rozdíly oproti hodnocení expertem nebo jinými modely. Především uvádí, že většina nepřesných výsledků je důsledkem omezené velikosti databáze, což je pochopitelné. Z celkového hlediska jde o čtivou práci, ve které se nachází minimum gramatických chyb nebo překlepů. Na straně 56 jsou uvedené rovnice, na které v textu není odkázáno. Práci by prospěla větší kvalita obrázků a větší velikost písma u popisků os u všech grafů. V práci bohužel postrádám vlastní kreativní přístup k návrhu řešení, které lze u diplomové práce očekávat, autorka bohužel pouze využívá již vytvořená řešení a nastavuje jim různé parametry. Práci hodnotím stupněm C, 78 bodů.
eVSKP id 150839