JINDRA, J. Detekce stresu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Práce Bc. Jakuba Jindry se zabývá detekcí stresu z non-EEG dat. Celkem je pro tuto úlohu využito 5 různých typů signálů, z nichž student extrahuje celkem 34 příznaků. Následně je provedena selekce příznaků a tyto vstupují do 5 různých klasifikačních algoritmů. Nastavení těchto algoritmů je optimalizováno pomocí searching grid a metriky AUC. Student využívá také křížovou validaci pro zjištění přesnosti modelu. V práci se píše o 3násobné křížové validace, ale podle praktické části se jedná o 5násobnou křížovou validaci. Z klasifikačních modelů se nejvíce osvědčil rozhodovací strom, který dosahuje úspěšnosti binární klasifikace 95 % na trénovacích i testovacích datech. Klasifikace do 4 tříd vykazuje nižší přesnost (93 %) pro trénovací data a výrazně vyšší přesnost (99 %) pro data testovací. Tento neobvyklý výsledek student v práci diskutuje. Dosažené výsledky jsou srovnatelné s výsledky ostatních autorů nebo dokonce lepší. Poznatky z práce mohou být využity v navazujících studiích zabývajících se např. detekcí stresu u řidičů. Práce je logicky členěna. Od úvodu po závěr má 59 stran a obsahuje 48 literárních zdrojů. Z formálního i jazykového hlediska je práce na dobré úrovni, obsahuje minimum překlepů. Vytknout mohu snad jen kvalitu některých obrázků a několik věcných chyb, které ale nekazí dobrý dojem z práce. Student na své diplomové práci aktivně pracoval během celého roku a chodil pravidelně konzultovat. Aktivitu studenta dokazuje i účast na studentské konferenci EEICT. Zadání diplomové práce bylo splněno.
Student nastudoval a v práci popsal metody detekce stresu pomocí non-EEG záznamů. K tomuto účelu využil veřejně dostupnou databázi záznamů umístěnou na Physionetu. K detekci stresu využil 5 typů záznamů, z nichž extrahoval celkem 29 typů příznaků. Následně provedl jejich redukci a otestoval celkem 5 různých klasifikačních přístupů. Dosažené výsledky diskutoval a srovnal s ostatními autory. Zadání diplomové práce je tak bezezbytku splněno. Po formální stránce je práce na vysoké úrovni. Od úvodu po závěr má práce solidních 60 stran, z čehož je přibližně polovina věnována praktické části. Práce obsahuje minimum překlepů. Kvalita obrázků je dostatečná a seznam použité literatury obsahuje celkem 48 převážně zahraničních zdrojů. Vytknout však musím špatné číslování vzorců, které neodpovídá číslům kapitol (kap. 2 – vzorec 1.1, kap. 3 – vzorec 1.5 atd.). Po odborné stránce je práce na dobré úrovni a obsahuje veškeré náležitosti odborného textu. Dosažené výsledky jsou velmi dobré i ve srovnání s ostatními autory. Student se nicméně v textu rozchází v tom, kolik příznaků a typů záznamů vlastně použil. Nepochopitelným výsledkem je potom skutečnost, že klasifikace do čtyř tříd vychází lépe, než klasifikace binární. Dle mého názoru to není možné zejména proto, že tři ze čtyř tříd jsou podtřídami jedné z binárních tříd a klasifikace do čtyř tříd tak může dosáhnout nanejvýš stejně vysoké úspěšnosti jako klasifikace binární. I přes uvedené výhrady práci hodnotím jako nadprůměrnou a hodnotím ji stupněm velmi dobře/B.
eVSKP id 118344