Identifikace a verifikace osob s využitím EEG

Simple item page
but.committeeprof. Ing. Adam Herout, Ph.D. (předseda) doc. Dr. Ing. Otto Fučík (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) doc. Ing. Radek Burget, Ph.D. (člen) Ing. Ondřej Lengál, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta a na doplňující otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " B ". Otázky u obhajoby: Vyjasněte, jak jste algoritmy testoval a jak jste dospěl k uvedeným hodnotám, pakliže experimenty probíhaly pouze s jednou osobou? Jak lze testovat verifikaci a identifikaci, pokud mám k dispozici pouze jednoho uživatele? Komise, například: Jak se identifikuje obličej správného uživatele? Komise, například: Kolik bylo datových bodů?cs
but.jazykslovenština (Slovak)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorTinka, Jansk
dc.contributor.authorŽitný, Rolandsk
dc.contributor.refereeOrság, Filipsk
dc.date.created2021cs
dc.description.abstractCieľom práce bolo vytvoriť rozhranie medzi mozgom a počítačom, ktoré spoľahlivo identifikuje a verifikuje osobu za pomoci jej elektroencefalografických signálov. Vytváranie profilu užívateľa a jeho overovanie je založené na spracovávaní reakcií na jeho vlastnú tvár a tvár cudzích alebo známych osôb. Pre filtráciu signálov sa využívajú algoritmy ako pásmová prepusť a odstraňovanie šumu pomocou vlnkovej transformácie. Klasifikácia reakcií sa vykonáva pomocou konvolučnej neurónovej siete alebo lineárnej diskriminačnej analýzy. Priemerná presnosť lineárnej diskriminačnej analýzy je 66,2 % a konvolučnej neurónovej siete je 58,7 %. Maximálna dosiahnutá presnosť bola pri lineárnej diskriminačnej analýze a to 93,7 %.sk
dc.description.abstractThe aim of this work was to create a brain-computer interface that reliably identifies and verifies a person using his electroencephalographic signals. Creating a user profile and verifying it is based on processing reactions to his own face, and the face of strangers or acquaintances. Algorithms such as bandpass and noise removal using wavelet transformation are user to filter signals. The classification of reactions is performed using a convolutional neural network or linear discriminant analysis. The average accuracy of the linear discriminant analysis is 66.2 % and of the convolutional neural network is 58.7 %. The maximum achieved accuracy was with linear discriminant analysis and at 93.7 %.en
dc.description.markBcs
dc.identifier.citationŽITNÝ, R. Identifikace a verifikace osob s využitím EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.cs
dc.identifier.other136482cs
dc.identifier.urihttp://hdl.handle.net/11012/199345
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectmozgová aktivitask
dc.subjectelektroencefalografiask
dc.subjectEEGsk
dc.subjectrozhranie medzi mozgom a počítačomsk
dc.subjectBCIsk
dc.subjectidentifikáciask
dc.subjectverifikáciask
dc.subjectfiltrácia signálusk
dc.subjectpásmová prepusťsk
dc.subjectvlnková transformáciask
dc.subjectklasifikáciask
dc.subjectvlastná tvársk
dc.subjectcudzia tvársk
dc.subjectP300sk
dc.subjectN170sk
dc.subjectN250sk
dc.subjectERPsk
dc.subjectartefaktysk
dc.subjectneurónová sieťsk
dc.subjectlineárna diskriminačná analýzask
dc.subjectCNNsk
dc.subjectLDAsk
dc.subjectbrain activityen
dc.subjectelectroencephalographyen
dc.subjectEEGen
dc.subjectbrain-computer interfaceen
dc.subjectBCIen
dc.subjectidentificationen
dc.subjectverificationen
dc.subjectsignal filteringen
dc.subjectbandpassen
dc.subjectwavelet transformationen
dc.subjectclassificationen
dc.subjectself faceen
dc.subjectnon-self faceen
dc.subjectP300en
dc.subjectN170en
dc.subjectN250en
dc.subjectERPen
dc.subjectartifactsen
dc.subjectneural networken
dc.subjectlinear discriminant analysisen
dc.subjectCNNen
dc.subjectLDAen
dc.titleIdentifikace a verifikace osob s využitím EEGsk
dc.title.alternativePerson Identification and Verification Using EEGen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2021-06-15cs
dcterms.modified2021-08-27-17:16:45cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid136482en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 19:35:18en
sync.item.modts2025.01.15 12:34:25en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 4 of 4
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.74 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
Posudek-Vedouci prace-23540_v.pdf
Size:
87.23 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Vedouci prace-23540_v.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-23540_o.pdf
Size:
88.16 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Oponent prace-23540_o.pdf
Download
Thumbnail Image
Name:
review_136482.html
Size:
1.43 KB
Format:
Hypertext Markup Language
Description:
file review_136482.html
Download
Collections
2021