Využití strojového učení pro detekci chybových stavů v systémech pro sběr dat
školitel: | doc. Ing. Miroslav Virius, CSc. |
e-mail: | zobrazit e-mail |
typ práce: | dizertační práce |
zaměření: | II_SIMI |
popis: | Systémy pro sběr dat používané v experimentech na poli částicové
fyziky jsou spojeny s celou řadou zajímavých problémů. Jedním z nich,
na jehož řešení se podílí i katedra softwarového inženýrství, je kontrola
kvality dat a s tím spojená detekce nekorektních stavů tohoto systému.
Ačkoliv je část kontroly řešena na úrovni elektroniky detektorů, lidský dohled stále hraje nezastupitelnou roli. Náplní práce bude analyzovat možnost použít strojové učení pro automatickou detekci různých typů chyb, které mohou během procesu sběru dat nastat. Následně řešitel navrhne a implementuje otestuje algoritmy, které umožní zastoupit lidský dohled nad kvalitou dat, a provede jejich analýzu, a to zejména vzhledem k rychlosti a účinnosti rozpoznávání. Součástí práce bude i integrace vytvořených nástrojů do řídicího systému sběru dat na experimentu. |
literatura: | [1] P. Norvig, S. Russell: \"Artificial Intelligence: A Modern Approach
(3rd Edition)\", ISBN-13: 860-1419506989, Pearson Education Limited,
2014
[2] P. Flach: \"Machine Learning: The Art and Science of Algorithms that Make Sense of Data\", ISBN-13: 978-1107422223, Cambridge University Press, 2012 |
naposledy změněno: | 03.03.2021 17:43:10 |
za obsah této stránky zodpovídá:
Ľubomíra Dvořáková | naposledy změněno: 12.9.2011