JAGOŠOVÁ, P. Pokročilé skórování spánkových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Diplomantka Jagošová Petra ve své práci zkoumala možnosti využití algoritmů hlubokého učení při klasifikaci nestandardních spánkových dat, a sice dat snímaných s využitím chytrých hodinek. Na základě dostatečně rozsáhlé rešerše publikovaných metod zvolila a implementovala rekurentní LSTM síť, kterou následně modifikovala a optimalizovala s cílem dosáhnout co nejpřesnější detekce spánku. I přes veškerou snahu se studentce nepodařilo dosáhnout výsledků s potenciálem využití v praxi. Tento výstup zřejmě poukazuje na limitace použité metody, jak s hlediska vybraného klasifikačního modelu, tak z hlediska diskriminačních vlastností samotných použitých signálů. Oba aspekty jsou studentkou v prací diskutovány, včetně postupů, které by mohly vést ke kvalitnějším výsledkům detekce. V průběhu implementace se studentka pravidelně potýkala s technickými problémy, které buď řešila zcela samostatně, nebo využívala konzultací s vedoucí. I z tohoto důvodu ji nezbyl čas na implementaci detektoru s využitím jiného typu neuronové sítě, což by mohlo byt přínosné z hlediska porovnání možností rekurentních a konvolučních sítí a stanovení nejvíce úspěšného řešení. Doladění postupů a kódů se studentka věnovala až do poslední chvíle a technickou zprávu vypracovávala současně, což místy vedlo k neodbornému vyjadřování a nedomyšlené interpretaci některých pasáží. Přes zmíněné výtky považují výsledky práce za zajímavé a informativní z hlediska navazujícího výzkumu v dané oblasti a všechny cíle práce za splněné. Po formální stránce je práce na průměrné úrovni; je logicky členěná a obsahuje velké množství tabulek a grafů ilustrujících nejdůležitější výsledky. Studentka pracovala soustavně po celou dobu. Oceňuji pracovitost a odhodlání Petry při řešení náročné problematiky, která pro ni jistě byla výzvou. Hodnotím její práci stupněm C/75 b.
Studentka Petra Jagošová se ve své diplomové práci zabývá pokročilým skórováním spánkových dat. Práce je dlouhá 64 stran (úvod až závěr), je rozdělena do 6 hlavních kapitol. Teoretická část popisuje metodiku hodnocení spánkových dat, rozdělení klasifikačních skupin pro průběh spánku. Jsou zde popsány hodnocení srdečního rytmu k analýze spánku a využití akcelerometrických dat k témuž. Velmi podrobně je popsána převzatá databáze záznamů, která byla pro práci využita. Další teoretickou kapitolou je popis metod hlubokého učení, kde LSTM rekurentní neuronová síť je stěžejním tématem práce. Zde musím komentovat poměrně vágní a nepřesné zacházení s odbornou terminologií, nejsem zcela přesvědčena o autorčině pochopení principu hlubokých neuronových sítí. U popisu LSTM sítě postrádám přímé vysvětlení vhodnosti použití pro řešený problém. U některých předkládaných obrázků chybí podrobnější popisek, který by pomohl celkovému porozumění. Praktická část práce začíná popisem navrženého postupu klasifikace a protokolu měření pomocí chytrých hodinek. Předzpracování proběhlo především odstraněním úseků nesplňujících podmínky, které ovšem nejsou popsány konzistentně (u akcelerometrických dat je jednou podmínka stanovena “méně než 1 hodnota”, podruhé “méně než 800 hodnot”). Jednotlivé spánkové úseky jsou rozděleny do 5 hodnocených skupin a 2 nehodnocených. Z hlediska následného doplnění datasetu pro vyvážení jednotlivých klasifikačních skupin by se hodila přehledová tabulka o celkových počtech dat v jednotlivých skupinách. Pro dosažení rovnoměrného zastoupení klasifikačních skupin byla zvolena prostá duplikace. Z pohledu kontinuity práce se zdá, že následoval krok standardizace, který by ovšem korektně měl předcházet augmentaci. V textu je popsáno i rozdělení datasetu na trénovací a testovací část, kde si nejsem jistá, zda byla zachována unikátnost záznamů v separovaných skupinách. Autorka práce navrhla 6 variant klasifikačních modelů. Popisy všech modelů jsou velmi podobné, až shodné, což stěžuje orientaci v práci. V popisech se vyskytují nepřesnosti až faktické chyby, kdy např. popisovaná síť ve skutečnosti nemá 2 vrstvy (strana 40). První 3 prezentované modely klasifikují do dvou skupin - bdění/spánek (pomocí tepové frekvence, akcelerometru a kombinace obého). Zbylé 3 modely klasifikovaly do 3 skupin - bdění/REM/NREM. Celková klasifikační účinnost všech prezentovaných modelů je velmi nízká, někdy až hraničící s náhodou. Autorka popisuje parametry jednotlivých modelů, kde ve všech případech využila optimalizátor “Adam”, počet epoch 10 a mění se velikost batche. V textu je uvedeno, že větší počet epoch nevede k lepšímu učení, což je mylná informace, protože ve všech obrazově prezentovaných průbězích učení modelů k žádnému učení nedochází. Co považuji za velké selhání v metodickém postupu je odmazávání dat v testovacím datasetu za účelem umělého zlepšování výsledků (téměř doslovná citace). Tento krok je nekorektní a v seriózní práci nemůže být uveden v takovémto znění. Pokud bylo mazání nutné z jiných důvodů, musí autorka velmi pečlivě vysvětlit, proč k takovému kroku přistoupila. Celkově mají všechny představené modely tendenci klasifikovat do třídy “spánek”, resp. NREM. Diskuse práce je spíše shrnutím předchozího textu a výčtem kroků, které by mohly vést ke zlepšení prezentovaných výsledků. V programové realizaci práce jsou vidět nesrovnalosti. Posloupnost některých kroků nedává smysl, nebo je nekorektní (normalizace dat). Optimalizace modelů není v kódech podchycena. I z těchto důvodů považuji splnění bodů 3), 4) a 5) zadání za hraniční. Po formální stránce mám k práci řadu výhrad. Vyskytuje se v ní velké množství překlepů, dále jsou přítomny i gramatické a syntaktické chyby. Na několika místech je text těžce čitelný a krkolomný, což přisuzuji časové tísni a absenci korektury. V technické zprávě by se měla vyskytovat konzistentně správná terminologie, což se v této práci neděje (sigmoidální vrstva, délka vrstvy). Na obrázek 28 není v textu odkázáno (chybně odkázáno na obrázek 20). V celé práci není jednotné oddělování odstavců. U spousty obrázků, které nejsou vždy dobře čitelné či kvalitní, chybí popisy vertikální osy, případně chybí jednotky. Celková kvalita práce je nízká. Práci hodnotím stupněm E/50 bodů.
eVSKP id 134427