OVESNÁ, A. Evoluční optimalizace extraktoru příznaků klasifikátoru EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Práce přináší nové poznatky v oblasti návrhu jednoduchých extraktorů a klasifikátorů EEG signálů. Tyto výsledky po doplnění mohou nalézt další využití ve vědecké komunitě. Proto, i přes dokončování práce těsně před odevzdáním a nutnosti dalších experimentů nad rámec rozsahu bakalářské práce, navrhuji souhrnné hodnocení stupněm B - velmi dobře .
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Cílem této práce bylo evolučně navrhnout extraktory příznaků pro klasifikátory EEG signálů. Toto zadání hodnotím jako obtížnější, jelikož je navázáno na výzkumná témata řešená výzkumnou skupinou Kognitivního a neurálního inženýrství . Studentka zadání splnila a přinesla výsledky, které mohou dále zlepšit klasifikátory EEG signálů. | ||
| Práce s literaturou | Studentka aktivně získávala a využívala zdroje v oblasti zpracování a klasifikace EEG signálů. | ||
| Aktivita během řešení, konzultace, komunikace | Studentka pracovala aktivně v průběhu celého času řešení této práce. Svůj postup pravidelně konzultovala. | ||
| Aktivita při dokončování | Studentka na tématu pracovala průběžně. Nicméně výsledky byly získány až v blízkosti termínu odevzdávání práce. I přes to však byly zpracovány a správně interpretovány. | ||
| Publikační činnost, ocenění | Výsledky práce nebyly nikde publikovány. Vzhledem k novým poznatkům v oblasti efektivního návrhu extraktorů příznaků za využití vícekriteriálních evolučních algoritmů se nabízí možnost experimenty rozšířit a po dalším zpracování publikovat na některé z mezinárodních vědeckých konferencí. |
Přes různé nedostatky technické zprávy studentka vytvořila kvalitní realizační výstup a provedla velkou řadu experimentů s hodnotnými výsledky. Výsledky experimentů i navržené metody stojí za další zkoumání a práci hodnotím stupněm B – velmi dobře.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Jedná se o mírně obtížnější zadání, které vyžadovalo nastudování problematiky z několika oblastí, které nejsou běžnou součástí bakalářského studia. | ||
| Rozsah splnění požadavků zadání | Zadání bylo splněno. Práce se odůvodněně odchýlila od části 2. bodu zadání, kdy místo pouhého návrhu filtru se zabývá omezením, či filtrací, příznaků. Tím je dosaženo identifikace důležitých příznaků, které jsou pro lékaře a obecně lékařské využití klasifikátoru velice důležité. | ||
| Rozsah technické zprávy | Technická zpráva mírně přesahuje obvyklé rozmezí. To je dáno především obsáhlým popisem teoretických znalostí, končícím až na straně 38, a obsáhlými výsledky experimentů na 13 stranách. Delší teoretický úvod je dán méně obvyklým typem dat, a hlavně podrobným popisem řady použitých algoritmů a prerekvizit k jejich pochopení. Některé části by však mohly být zjednodušeny (např. 3,5 strany popisu naivního Bayesova klasifikátoru). | ||
| Prezentační úroveň technické zprávy | 78 | Technická zpráva je psaná až “knižním“ způsobem, kdy se kromě holé prezentace faktů snaží čtenáře provázet, informovat o tom co ho dále čeká a na příkladech vysvětlovat prezentované znalosti. Během čtení tak vyvolává dojem čtení naučné knihy či skript, a nikoliv bakalářské práce, což však nemusí být špatně. Členění zprávy je z většiny logické. Čtenář je nejprve v logickém sledu seznámen se všemi potřebnými znalostmi. Pátá kapitola popisující návrh je velmi skromná o pouze 1,5 straně. To je však dáno tím, že velká část 6. kapitoly o implementaci ve skutečnosti popisuje návrh. Detailnější popis implementace zde bohužel chybí. Experimenty jsou prezentovány srozumitelně a logicky na sebe navazují. Závěr pak bohužel obsahuje i nové informace jako první výskyt klasifikačních hodnot prezentovaných klasifikátorů. Obrázky jsou voleny vhodně, včetně jejich popisů. Práce obsahuje řadu vlastních obrázků, které jsou navíc ve vhodném vektorovém formátu. Text bohužel obsahuje vícero nepřesných či hůře formulovaných vět. Mezi příklady patří: Tvrzení, že se kandidátní řešení v evolučních algoritmech každou generaci přiblíží k „očekávaným výsledkům“. V popisu implementace není jasné, jak funguje křížení rodičů a u mutace je uvedeno že „mutace nepobíhá nad každým chromozomem ani pro každý gen.“ U NSGA-II je uvedeno, že se Pareto fronta vytváří „po každé klasifikaci celé populace“ místo ohodnocení. | |
| Formální úprava technické zprávy | 80 | Technická zpráva je na dobré jazykové úrovni. Obsahuje ale prohřešky jako: jednopísmenné spojky a předložky na koncích řádků, chybějí čárky a tečky u matematických rovnic, oddělování desetinných míst tečkou, prohození slov či zápis číslovky desetkrát jako „10ד. Česká klíčová slova obsahují anglické „wavelet transformation“, přesto, že je později v textu použit český překlad „vlnková transformace“. | |
| Práce s literaturou | 85 | Seznam literatury obsahuje úctyhodných 46 položek. Z většiny se jedná o dobře zvolené relevantní zdroje. Převzaté části jsou v textu řádně odděleny i citovány. Nadbytečná je citace 36, která pouze odkazuje na stránky univerzity zmíněné v textu. Méně vhodné jsou citace 9, 28 a 43 odkazující na videa na webu Youtube, a která posloužily jako základy pro kapitoly 2.1.2, 2.1.3 a část kapitoly 4. | |
| Realizační výstup | 95 | V rámci práce bylo vyhodnoceno hned několik metod pro evoluční optimalizaci extraktoru příznaků a několik metod jejich klasifikace. Experimenty se nejprve věnují vhodnému nastavení parametrů evoluční optimalizace. Následně je provedeno podrobné srovnání jednotlivých kombinací metod návrhu extrakce a klasifikace. Ve finále jsou prezentovány vybraná zajímavá řešení, která využívají pouze několik příznaků a přesto dosahují velmi dobrých výsledků. K provedení experimentů byla v rámci práce implementována řada skriptů zajišťujících stažení a zpracování dat, jednotlivé metody evoluční optimalizace i běh experimentů a vyhodnocení jejich výsledků, včetně generování grafů. Odevzdané soubory obsahují dokonce i Jupyter notebook s analýzou výsledků. Kódy jsou řádně komentovány a převzaté části označeny. | |
| Využitelnost výsledků | Práce prezentuje metodu vedoucí k získání vědecky zajímavé množiny příznaků, které umožňují klasifikaci alkoholismu z EEG. Získané příznaky by tak bylo vhodné dále konzultovat s odborníky z oboru a metodu následně vyzkoušet i na dalších typech patologií. |
eVSKP id 144283