YOUSSEFOVÁ, K. Autentizace RF vysílačů na základě nedokonalostí rádiového řetězce [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Studentka se práci průběžně věnovala, pravidelně se účastnila konzultací, na které přicházela s konkrétními problémy k řešení a postupně konzultovala dosažené výsledky. Textová část práce by zasloužila pečlivější zpracování, některé její části jsou ale velmi krátké a pro diplomovou práci by měly by být zpracovány do větší hloubky a precizněji. Vytvořené simulační skripty jsou funkční, mohlo by být ale uvažováno více variant separace SVM (např. RBF funkce apod.), které mohly být vzájemně porovnány I přes uvedené nedostatky konstatuji, že zadání práce je možné považovat za splněné v plném rozsahu.
Diplomová práce Kristiny Youssefové je zaměřena na využití strojového učení pro klasifikaci rádiových vysílačů na základě nedokonalostí jejich rádiových vlastností. Tyto parametry jsou poměrně povrchně popsány ve druhé kaptiole, práci by značně prospěl důkladnější popis vzniku uvedených nepřesností, analýzy obvyklých hodnot či variability na relevantním vzorku zařízení. Popis metod pro klasifikaci uvažuje metodu podpůrných vektorů (Support Vector Machines - SVM), K nejbližších sousedů a umělé neuronové sítě. V teoretickém popisu jsou zřejmé technické nepřesnosti, a to ať už v popisu (např. není zřejmé, že rovnice 3.5 a 3.6 popisují dvě oddělené třídy a chybí zde náznak přiřazení), nebo v textu a grafice (kap. 3.1.1.2 uvažuje dle názvu nelineárně separovatelný případ, nicméně popis a obrázek 3.2. odpovídají případu lineárně neseparovatelnému). Teoretický rozbor bohužel neobsahuje jakékoli kvalitativní porovnání uvažovaných metod, zejména není jasné, proč je zde popsána metoda K nejbližších sousedů, která není dále v experimentální části práce aplikována. V praktické části práce studentka využila hotovou datovou sadu, která obsahuje měření na osmi softwarově konfigurovatelných rádiových vysílačích. Bližší popis těchto dat je uveden až na straně 39, ocenil bych jej mnohem dříve a daleko detailnější. Ve vyhodnocení výsledků se autorka práce zaměřuje zejména na lineární separovatelnost dat. Dle textu práce se autorka se zaměřuje pouze na schopnost modelu popsat předložené vzory, nikoli však na schopnost zobecnění při klasifikaci nových dat nevyužitých pro učení. Tím je bohužel praktická využitelnost výsledků poměrně značně limitována. Rozbor výsledků práce je poměrně detailní, přehlednosti by však velmi prospělo členění kapitoly 5.3 do podkapitol. posudek vypracoval doc. Ing. Martin Slanina, Ph.D., Thermo Fisher Scientific, Brno
eVSKP id 133616