Časová náročnost nasazení neuronových sítí pro detekci vad

Slovák, Jiří

Časová náročnost nasazení neuronových sítí pro detekci vad

DSpace Repository

Language: English čeština

Časová náročnost nasazení neuronových sítí pro detekci vad

dc.contributor.advisor	Chalupa, Petr
dc.contributor.author	Slovák, Jiří
dc.date.accessioned	2024-05-27T09:01:02Z
dc.date.available	2024-05-27T09:01:02Z
dc.date.issued	2023-12-08
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/54668
dc.description.abstract	Cílem bakalářské práce je zkoumat a porovnat vlastnosti a funkce několika průmyslových nástrojů využívajících technologii neuronových sítí pro vizuální detekci. V první části se bakalářská práce zabývá teoretickými principy fungování neuronových sítí s přesahem do umělé inteligence. Včetně rozdělení, využití a obecným popisem neuronových sítí. Druhá část se zaměřuje na praktické porovnání konkrétních průmyslových neuronových sítí, v oblastech jako je schopnost učení, časová náročnost učení a přesnost rozpoznávání. U každého testu jsou prezentovány a diskutovány výsledky. Na konec jsou shrnuty získané poznatky a doporučení pro praktické využití v dané oblasti aplikace. Tato práce přispívá k lepšímu porozumění této technologie a ukazuje možnosti a omezení neuronových sítí v praktických aplikacích.
dc.format	94 s. (98 836 znaků)
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	neuronové sítě	cs
dc.subject	hluboké učení	cs
dc.subject	detekce vad	cs
dc.subject	strojové učení	cs
dc.subject	strojové vidění	cs
dc.subject	neural networks	en
dc.subject	deep learning	en
dc.subject	defect detection	en
dc.subject	machine learning	en
dc.subject	machine vision	en
dc.title	Časová náročnost nasazení neuronových sítí pro detekci vad
dc.title.alternative	Time complexity of deploying neural networks for defect detection
dc.type	bakalářská práce	cs
dc.contributor.referee	Novák, Jakub
dc.description.abstract-translated	The aim of the bachelor thesis is to investigate and compare the features and functions of several industrial tools using neural network technology for visual detection. The first part of the bachelor thesis deals with the theoretical principles of neural networks with an overlap to artificial intelligence. Including classification, applications and general description of neural networks. The second part focuses on a practical comparison of specific industrial neural networks, in areas such as learning ability, learning time and recognition accuracy. For each test, the results are presented and discussed. Finally, the lessons learned are summarized and recommendations for practical use in the application domain are presented. This work contributes to a better understanding of the technology and demonstrates the capabilities and limitations of neural networks in practical applications.
dc.description.department	Ústav automatizace a řídicí techniky
dc.thesis.degree-discipline	Inteligentní systémy s roboty	cs
dc.thesis.degree-discipline	Intelligent Systems with Robots	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Aplikovaná informatika v průmyslové automatizaci	cs
dc.thesis.degree-program	Applied Informatics in Industrial Automation	en
dc.identifier.stag	66397
dc.date.submitted	2024-05-27