Zadání studentských prací

Zadání bakalářské práce

Základní údaje

Posluchač:
Program / Obor:

Název (CZ):	Vylepšení dynamických bayesovských sítí pro analýzu spánku
Název (EN):	Improvements to dynamic Bayesian networks for sleep analysis

1.	Vylepšete dynamické bayesovské sítě zahrnutím detekce několika spánkových jevů jako jsou procitnutí, K-komplexy a spánková vřeténka.
2.	Otestujte tuto metodu a porovnejte s dalšími používanými metodami v této oblasti, např. s náhodnými stromy a metodou podpůrných vektorů.
3.	Pro porovnání použijte rozsáhlá data ze Sleep Heart Health Study (SHHS) obsahující spánkové údaje o 5804 dospělých osobách.
4.
5.
6.
7.
8.

Vyžadovaný formát referencí

Dodržujte následující formátování seznamu použité literatury. Pokud formát nedodržíte, bude Vám zadání vráceno k přepracování.

článek v časopise: Autor/ři, Název_článku. Název_časopisu ročník, rok, stránky.
příklad: K. G. Hare, Tiles in quasicrystals with quartic irrationality. Mathematics of Computation 75, 2009, 405–420.
kniha: Autor/ři, Název_knihy. Vydavatel, rok.
příklad: N. L. Johnson, S. Kotz, N. Balakrishnan, Continuous univariate distributions. John Wiley & Sons, New York, 1994.
příspěvek ve sborníku: Autor/ři, Název_příspěvku. In ‘Název_sborníku’, Vydavatel, rok, stránky.
příklad P. Mueller, P. Wonka, S. Haegler, et al., Procedural modeling of buildings. In ‘ACM SIGGRAPH 2006 Papers’, ACM New York, 2006, 614–623.

1.	D. Koller, N. Friedman, Probabilistic Graphical Models: Principles and Techniques. The MIT Press, 2009.
2.	J. Vomlel, V. Kratochvíl, Dynamic Bayesian Networks for the Classification of Sleep Stages. In ‘Proceedings of the 11th Workshop on Uncertainty Processing (WUPES’18)’, Třeboň, Czech Republic, 2018, 205-215.
3.	K. Blašková, Machine learning methods for sleep analysis. MSc. Thesis, České vysoké učení technické v Praze, Fakulta jaderná a fyzikálně inženýrská, 2020.
4.	T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer-Verlag, 2009.
5.	H. Li, Y. Guan, DeepSleep convolutional neural network allows accurate and fast detection of sleep arousal. Communications Biology 4, 18, 2021, 1-11.
6.	G. Q. Zhang, L. Cui, R. Mueller, S. Tao S, M. Kim, M. Rueschman, S. Mariani, D. Mobley, S. Redline, The National Sleep Research Resource: towards a sleep data commons. Journal of American Medical Information Association 10, 25, 2018,1351-1358.

Školitel:
	(Celé jméno a příjmení s tituly)
Pracoviště:	Ústav teorie informace a automatizace Akademie věd České republiky, Pod Vodárenskou věží 1143, 182 00 Praha 8-Libeň
	(Název instituce a adresa)
Email:
Telefon:

Konzultant:
	(Celé jméno a příjmení s tituly)
Pracoviště:
	(Název instituce a adresa)

Datum zadání:
Datum odevzdání:

Stav zadání

Schváleno KM

Historie

2022-09-20 00:02:25

– zahájení procesu zadání

2022-10-10 14:22:25

– zasláno školiteli

2022-10-10 14:50:21

– upraveno školitelem

2022-10-13 02:00:30

– zasláno na KM

2022-10-13 12:07:12

– žádost o autorizaci

2022-10-13 14:13:45

– autorizováno školitelem

2022-11-22 15:24:27

– schváleno KM