PIJÁČKOVÁ, K. Optimalizace architektury neuronových sítí pro zpracování EEG pomocí evolučních algoritmů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Studentka konzistentně a pravidelně konzultovala svůj pokrok na diplomové práci. Odborným vedoucím tohoto výzkumu byl Ing. Petr Klimeš, Ph.D. K předložené práci nemám žádné výhrady. Plně souhlasím s hodnocením pana doktora.
Autorka ve své práci prezentuje výsledky dvou metod – metody optimalizace hyperparametrů předzpracování a parametrů neuronové sítě, a metody hledání architektury neuronové sítě v aplikaci zpracování iEEG signálů. Získané optimalizované metody dále srovnává s přístupem navrženým odborníkem v dané oblasti a na vhodných metrikách ukazuje, že spolehlivost optimalizovaných metod je přinejmenším blízká referenční metodě, při WST předzpracování pak navržené metody překonávají zvolenou metodu referenční. Autorka správně ověřuje schopnost sítě generalizovat s využitím datové sady z jiné instituce. I přesto, že práce je psána čtivě a, dle mého, umožní pochopit podstatu zvolených řešení i neodborníkovi v dané oblasti, nevyvarovala se autorka některých chyb. Český abstrakt a rozšířený abstrakt obsahuje několik překlepů a gramatických nesrovnalostí, jako např. expertýza, „Využití evolučních optimalizace“ apod., dále zde například není jasné, co přesně značí „skóre“. Uvítal bych systematičtější přístup při popisu různých typů vrstev neuronové sítě, než jaký je uveden v kapitole 3.1. V popisu jednotlivých metod pro optimalizaci v kapitole 3.2 by měly být uvedeny reference na literaturu, v textu jsem nenašel odkaz na obrázek 3.2. Na str. 24,25 chybí čísla referencí, obr. 4.2 by měl mít uvedenu barevnou škálu, místy by to chtělo lepší práci s textem, např. „The genetic algorithm designed and used in this work was designed…“, „Kappa score/kappa score“ nebo „transformation/transform“. I přes výše uvedené drobné výhrady lze jednoznačně konstatovat, že zadání práce bylo splněno, a že práce obsahuje inovativní přístupy k aplikaci metod strojového učení v oblasti zpracování biomedicínských signálů. Práci proto doporučuji k obhajobě.
eVSKP id 151755