ETTL, O. Využití učících se slovníků na řídkou reprezentaci signálů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Úkolem diplomové práce bylo prozkoumat možnosti aplikace metod řídké reprezentace signálů na dodanou datovou sadu a následně verifikovat použitelnost vybraných metod při klasifikaci. Student Ondřej Ettl přistoupil k řešení své práce velmi aktivně a svědomitě. Prostudoval odbornou literaturu a přibližně popsal potřebný matematický aparát. Následně se seznámil s dodanou datovou sadou reprezentující výstupy matice tlakových senzorů na matraci. Jako vhodné metody pro učení slovníků řídké reprezentace zvolil algoritmy MOD a D-KSVD. Tyto slovníky využil pro klasifikaci polohy osoby na matraci. Výsledky této metody klasifikace porovnal s dalšími běžně používanými nástroji, konkrétně s ensembly rozhodovacích stromů, SVM a KNN. Pro extrakci příznaků využil histogramy orientovaného gradientu. Pomocí výkonné výpočetní techniky, kterou jsem mu ve škole přidělil, prováděl rozsáhlé testy pro široké spektrum hyperparametrů. Optimalizoval nastavení extrakce příznaků i klasifikátorů. Vliv hyperparametrů přehledně prezentoval pomocí prostorových grafů a tabulek. V závěru práce pak popsal a otestoval odolnost své metody proti poruchám v signálu. Výsledky řídké reprezentace dosahují velmi dobrých vlastností ve srovnání s porovnávanými metodami, a to z pohledu přesnosti, odolnosti vůči poškození dat a z pohledu výpočetní náročnosti. Jedinou výhradu mám k textu práce. Rozsah je mírně kratší než doporučená hodnota a, dle mého názoru, některé části mohly být popsány přesněji. Často chybí definice matematických symbolů a jejich značení není jednotné. Např. jedna matice je často značená malým písmem, velkým písmem, případně i kurzivou. Výslednou známku snižuje hlavně formální a prezentační úroveň práce, která je pouze dostatečná. Student splnil všechny body zadání. Student Ondřej Ettl ode mě získal 78 bodů a klasifikuji jeho práci známkou „dobře“.
Cílem předložené diplomové práce bylo studium a aplikace metod řídké reprezentace signálů pro analýzu dat. Student se tak nejprve seznámil s problematikou řídkých metod pro účely reprezentace a klasifikace signálů společně s klasickými metodami strojového učení. Vybrané metody pak aplikoval na dodaný dataset a následně porovnal a diskutoval dosažené výsledky. Práce tak obsahuje 7 kapitol, ve kterých je čtenář nejdříve seznámen s matematickým aparátem pro LASSO regresi, s učícími algoritmy MOD a K-SVD pro řídkou reprezentaci a stejně tak s obsahem datasetu (kapitoly 1-3). Student čerpal informace z odborných knižních zdrojů a článků a z prezentovaného textu je zřejmé, že dané problematice dobře porozuměl. V této části práce však chybí definice veličin uvedených ve vztazích (3.6) a (3.8), které se vyskytují i mimo tyto vztahy bez bližšího vysvětlení jejich významu. Také se zde vyskytuje nekonzistentní značení veličin, např. použití malého i velkého písmena nebo kurzívy a tučného písma. V druhé polovině práce (viz kapitoly 4-7) student popisuje klasifikační metody jako SVM a KNN a prezentuje ověření možnosti obnovení poškozeného signálu. Zde byly na základě rozsáhlého testování v prostředí Matlab zvoleny vhodné učící parametry pro jednotlivé metody, které vedly k dosažení optimálních výsledků klasifikace. Pro validaci byla využita křížová validace, kde způsob rozdělování datasetu je popsán velice nesrozumitelně a vychází z tvrzení, které není všeobecně platné. Celkové výsledky práce považuji za zdařilé, avšak výsledný dojem z práce snižuje zejména její rozsah a způsob popisu. Práce je rozsahově pod doporučeným rozsahem diplomové práce, neboť obsahuje pouze 39 stran od Úvodu po Závěr. Navíc pokrytí textem je na mnoha stranách poměrné řídké, často na úkor srozumitelnosti popisovaných skutečností. Vyskytuje se zde také hned několik gramatických či typografických chyb. Jinak je po formální stránce práce na relativně dobré úrovni. Stejně tak způsob práce s odbornou literaturou. Zadání práce však bylo splněno a zejména vzhledem k výše uvedeným skutečnostem navrhuji hodnocení 67 b / D.
eVSKP id 158921