Browse
Recent Submissions
- ItemModelování výkonu směrových bezdrátových sítí pro aplikace rozšířené reality(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Ali, Asad; Hošek, Jiří; Hossain, Ekram; Chatzimisios, Perklis; Myers, Nitin JonathanHuman interaction with digital content has traditionally relied on flat-screen devices such as smartphones, tablets, and laptops. However, a significant shift is occurring as users increasingly engage with 3D digital content in an immersive viewing experience with six degrees of freedom (6DoF). Advanced wearable devices, such as Extended Reality (XR) headsets, are projected to eventually replace conventional personal computing devices like smartphones. To realize the full potential of XR, these headsets need to be sleek and lightweight while delivering high-fidelity digital content with minimal motion-to-photon (M2P) delay. Achieving this balance will require offloading processing tasks to network edge servers or more powerful companion devices like smartphones. XR applications are inherently data-intensive, demanding low M2P delays, high frame rates, and high-resolution graphics. These requirements necessitate high data rate connections, ultra-low over-the-air latency, and exceptional reliability. To meet these demands, wireless communication is shifting from traditional microwave frequency bands to higher-capacity mmWave bands, which offer the bandwidth needed for high data rates and low latency. However, communication in the mmWave band suffers from high propagation loss, which can be mitigated through beamforming to focus signals in specific directions. This approach, while crucial for maintaining signal strength, is susceptible to misalignment when antenna arrays move. Additionally, offloading processing tasks to smartphones or other companion devices in dense network scenarios is challenging, as each user effectively creates a personal network, increasing the potential for interference. This interference risk, along with the potential for misalignment in mmWave communications due to user mobility, highlights the challenges involved in achieving robust and reliable XR connectivity. This thesis investigates the complexities of wireless networks in XR applications, focusing on the challenges associated with highly directional mmWave communication, user mobility, beam misalignment, and interference. To study these issues, performance evaluation frameworks are developed to understand the effects of beam misalignment, user mobility, and interference. Using these frameworks, the aim is to analyze and improve network behavior under different conditions and system parameters. Furthermore, user mobility data during XR use is collected, and this data is used to study the impact of user mobility during highly directional communication for XR. The main contributions of this thesis include the development of a flexible system-level performance evaluation framework for wearables, which captures the influence of interference using queueing theory and stochastic geometry. This thesis provides both theoretical and practical contributions to enhance the robustness and efficiency of XR services. The research presents approaches that can increase data rates, reduce power consumption, and enhance reliability. By exploring highly directional communication for different network topologies, strategies are suggested to improve the reliability and efficiency of wireless communication in complex settings. The insights gained from this work can lead to significant improvements in highly directional communication for XR, guiding future technological advancements in the field.
- ItemInovace sítí typu enkodér-dekodér pro segmentaci lékařských obrazů(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Kolařík, Martin; Burget, Radim; Ometov, Aleksandr; Dostál, OttoSegmentace lékařských obrazů, proces značení každého pixelu v obraze za účelem rozlišení různých struktur, je klíčovým krokem pro automatizovanou přesnou identifikaci a analýzu anatomických rysů a patologických oblastí v dvojrozměrných a trojrozměrných lékařských obrazech. Navzdory pokrokům, které v posledních letech přinesla umělá inteligence a strojové učení, výzvy jako variabilita dat, výpočetní omezení, nevyváženost tříd a omezená dostupnost anotovaných datových sad nadále omezují přesnost a spolehlivost modelů segmentace v lékařských aplikacích. Tato disertační práce se těmto výzvám věnuje vývojem nových přístupů, které zahrnují vylepšení architektur segmentačních neuronových sítí a inovativní tréninkové metody. Navrhovaná vylepšení neuronových sítí typu enkodér-dekodér prokázaly významné zlepšení výkonu segmentace jak u 2D, tak u 3D lékařských obrazů. Výzkum se rovněž zabývá pokročilými tréninkovými metodami, jako je přenesené učení a techniky normalizace, a ukazuje, jak tyto strategie mohou zlepšit výkon modelů, zejména v prostředích s omezenými daty a zdroji. Vytvořením nových architektur neuronových sítí typu enkodér-dekodér a aplikací pokročilých tréninkových metod představený výzkum demonstruje významná zlepšení přesnosti a efektivity segmentace. Zjištění ukazují, že tyto inovace nejenže řeší specifické výzvy spojené s daty lékařských obrazů, ale také překonávají propast mezi modely segmentace určenými pro obecné účely a těmi zaměřenými na specifické potřeby lékařských obrazů. Tím, že tato disertační práce přináší inovace do návrhů a procesu tréninku segmentačních modelů, tak přispívá k přesnějším diagnostickým nástrojům a nepřímo lepší péči o pacienty. Tyto pokroky mohou být navíc aplikovány v různých modalitách lékařských obrazů, čímž se rozšiřuje záběr výzkumu a jeho relevance pro různé oblasti zdravotní péče.
- ItemVÝZKUM NADZVUKOVÉHO PROUDĚNÍ NA POMEZÍ MECHANIKY KONTINUA(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Šabacká, Pavla; Maxa, Jiří; Uruba, Václav; Koňas, PetrTato práce se zabývá výzkumem v oblasti nadzvukového proudění v dýze za podmínek nízkého tlaku na pomezí mechaniky kontinua. Tento jev je běžný například v diferenciálně čerpané komoře Environmentálního rastrovacího elektronového mikroskopu (EREM), která odděluje dvě oblasti s významným tlakovým gradientem pomocí clonky. Tvar dýzy a řízení toku v této oblasti mohou významně ovlivnit rozptyl a ztrátu primárního elektronového svazku procházejícího diferenciálně čerpanou komorou a clonkou. Pro tyto účely byla zkonstruována experimentální komora pro výzkum aspektů dané oblasti nízkých tlaků s rozdílným poměrem setrvačných a vazkých sil. V prvním kroku byl za pomoci teorie jednorozměrového isoentropického proudění navržen ve 3D objemovém modeláři první tvar experimentální komory a provedeny první matematicko-fyzikální analýzy proudění u předpokládaného tlakového spádu, ze kterých byly stanoveny vhodné rozsahy tlakových sensorů pro minimalizaci chyby měření. První experimentální výsledky získané z vyrobené experimentální komory byly použity pro další odladění systému Ansys Fluent a v této kombinaci byly provedeny první analýzy nadzvukového proudění a rázových vln v nízkých tlacích. V dalším kroku byla na odladěném matematicko-fyzikálním modelu provedena analýza vlivu drsnosti povrchu na výsledné chování toku v nízkých tlacích.
- ItemKomplexní architektury neuronových sítí pro efektivní generalizaci nestrukturovaných dat(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Mezina, Anzhelika; Burget, Radim; Dostál, Otto; Vozňák, MiroslavUmělá inteligence způsobila revoluci v odvětvích, jako je zpracování obrazu, zpracování přirozeného jazyka a analýza dat. Nedávné pokroky také významně ovlivnily lékařské zobrazování tím, že algoritmy umělé inteligence dokázaly s velkou přesností odhalit nemoci, jako je rakovina z rentgenových snímků, což urychlilo diagnostiku a zlepšilo výsledky léčby. Stále však existuje zásadní problém: neschopnost efektivně se učit z omezených zdrojů dat, zejména v lékařském výzkumu, kde jsou běžné anomálie a dříve nezaznamenané případy. Tato práce zkoumá využití neuronových sítí ve dvou vzájemně propojených oblastech budoucích inteligentních systémů: lékařském výzkumu a telekomunikacích. Zkoumá použití komplexních neuronových sítí s malým množstvím lékařských dat a vývoj neuronových sítí pro analýzu telekomunikačních sítí. Hlavním přínosem práce je návrh architektur komplexních neuronových sítí schopných efektivnějšího učení i z omezených zdrojů dat. Tato studie se zaměřuje na efektivitu a schopnost zobecnění NN a metod strojového učení (ML) při práci s malými soubory dat. Zabývá se také výzvami při použití NN předem natrénovaných na velkých souborech dat a následně doladěných. Dále zkoumá přizpůsobivost těchto metod pro integraci do rozhodovacích systémů a zdůrazňuje jejich potenciál pro praktické aplikace. K vyhodnocení přesnosti predikce navržených architektur NN byly použity dva reálné scénáře. V prvním scénáři jsou komplexní NN využity k posouzení účinnosti léčby kortikosteroidy u pacientů v nemocničním prostředí. Výsledky ukazují, že navržený přístup umožňuje dosáhnout přesnosti 80%. Jedná se o první práci v této oblasti výzkumu. Druhý scénář zahrnuje vývoj architektur neuronových sítí k analýze síťového provozu, konkrétně se zaměřením na identifikaci potenciálních kybernetických incidentů a monitorování provozu darknetu. Na rozdíl od jiných přístupů byly v navrhovaných přístupech použity principy sémantické segmentace, které jsou přizpůsobeny pro analýzu síťového provozu. Výsledkem je, že navržené metodiky překonávají nejmodernější přístupy.
- ItemBayesovská identifikace prostřednictvím zobecněných metod nejmenších čtverců: aplikace na lineární pohony(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Friml, Dominik; Václavek, Pavel; Hofreiter,, Milan; Straka, OndřejTato dizertační práce nachází novou formulaci modelu lineárního motoru s permanentními magnety ve tvaru problému s chybami v proměnných. Odvozuje identifikační metody, které kvantifikují nejistotu identifikovaných parametrů pomocí bayesovských přístupů. Studie nabízí alternativu ke klasickým metodám nejmenších čtverců, přičemž hlavním přínosem je bayesovský algoritmus obecných nejmenších totálních čtverců. Jedná se o algoritmus pro identifikaci problémů s chybou v proměnných s libovolnými kovariančními maticemi šumu. Vhodné aproximace umožňují získat odhad maxima posteriorní distribuce pomocí existujících algoritmů, což umožňuje okamžité použití v mnoha praktických problémech. Analytická rovnice poskytuje normální aproximaci posteriorní distribuce, která obsahuje informaci o nejistotě parametrů, čehož může být využito v pokročilých diagnostických a řídicích metodách. V rámci analýzy vláštního případu bayesovských obechných nejmenších totálních čtverců je odhalena dříve nepoznaná souvislost se směrovou statistikou. Navrhované algoritmy jsou aplikovány pro rekurzivní identifikaci parametrů lineárního motoru s permanentními magnety, podporující průběžnou aktualizaci parametrů. V rámci práce je odvozeno pět algoritmů, jejich rychlá konvergence a využitelnost je demonstrována prostřednictvím numerické analýzy. Praktická použitelnost a různé využití výsledků jsou ilustrovány prostřednictvím numerických i experimentálních testů.