ENGLISH
CZECH
- 30 let ve službách vědy a techniky
Rozbalit menu / změnit jazykArchiv Technical Computing Prague 2017
- od 8:30
- Registrace
Program (sál 1 >>> )
- 9:20
- Daněk, J. (HUMUSOFT)
- 9:30
- Houška, J. (HUMUSOFT)
- 10:15
- Sárená, J. (HUMUSOFT)
- 11:00
- Kožíšek, M. (HUMUSOFT)
- 11:15
- Simulace a regulace synchronně propojených stejnosměrných generátorů na bázi vlnových modelů2Neuman P., 1Neusser Z., 1Valášek M., 1Nečas M., 1Pelikán J. (1ČVUT v Praze, 2NEUREG, sdr.)
- 11:35
- Rozpoznání titulu gramofonové desky podle krátké ukázkyMoldan, V., Rund, F. (ČVUT v Praze)
- 11:50
- Návrh trajektórie robota pomocou genetického algoritmu v MATLABeSekaj, I., Husár, A. (STU Bratislava)
- 12:00
- Přestávka - občerstvení
- 12:30
- Ovládanie simulačných modelov pomocou statických gest ruky v prostredí MATLABKajan, S., Goga, J. (STU Bratislava)
- 12:40
- Modely nabíjení nanočástic v plazmatuBlažek, J. (Jihočeská univerzita v Českých Budějovicích)
- 12:55
- ReGUI - Responsive Graphical User Interface for Stand-alone ApplicationsMikulszky, M., Pócsová, J., Mojžíšová, A., Podlubný, I. (Technická univerzita v Košiciach)
- 13:05
- Neuronové sítě v analýze obrazu z elektronového mikroskopuPotoček, P. (Thermo Fisher Scientific)
- 13:25
- GNSS vs. INS Behavior and Position Data ProcessingŠimák, V., Hrbček, J., Hruboš, M., Kanáliková, A. (Žilinská univerzita)
- 13:35
- Přestávka - oběd
- 14:20
- Poster sekce - představení v plénu a diskuse k příspěvkům
- 14:50
- Nepravidelná mřížka v Preisachově modeluEichler, J., Novák, N., Košek, M. (Technická univerzita v Liberci)
- 15:05
- Závislosť tvaru komorového akčného potenciálu na parametroch FitzHugh-Nagumovho modeluCocherová, E. (Slovenská technická univerzita)
- 15:15
- Vyhodnocovanie frekvencie spontánnej aktivity srdcového sinoatriálneho uzlaCocherová, E. (Slovenská technická univerzita)
- 15:20
- Parametrization of Discrete Sphericity in Electron Microscopy Images1 2Urbanová, P., 1Urban, J., 1Souček, P., 1Císař, P., 2Železný, M. (1Jihočeská univerzita v Českých Budějovicích, 2Západočeská univerzita v Plzni)
- 15:30
- Vyhodnocení kvality izolace teplovodůSláma, M., Šípal, J. (Univerzita Jana Evangelisty Purkyně)
- 15:45
- On Fuzzy Search in Data Sets1Shumikhin, S., 2Trymorush, I. (1Odessa I. I. Mechnikov National University, 2Technická univerzita v Košiciach)
- 15:55
- Image Style Transfer in TensorFlowPotoček, P. (Thermo Fisher Scientific)
- 16:05
- Protection of Personal Data in The Conditions of Application Smart ICT Vis-a-vis The GDPRŠoltés, D. (Univerzita Komenského v Bratislave)
- 16:20
- Závěr konference - panelová diskuse, neformální posezení a občerstvení
Poster sekce (sál 2, od 14:20 >>> )
Poster sekce je volně přístupná v průběhu celé konference
- Model plochy konstantní přesnosti pro hodnocení metod 3D mapování v geografiiDušek, R., Kadlubiec, R. (Ostravská univerzita)
- Automated Driving Cycle Simulation and Measurement System Based on dSPACE DC1103Haubert, T., Mindl, P., Čeřovský, Z., Mňuk, P. (ČVUT v Praze)
- Computer Application for Simulation of Cooling The RoomCharvátová, H., Zálešák, M. (Univerzita Tomáše Bati ve Zlíně)
- Calibration of Acoustic Emission Sensors1Kolář, P., 2Petružálek, M. (1Geofyzikální ústav AV ČR, v.v.i., 2Geologický ústav AV ČR, v. v. i.)
- Wavelet Features for Image Classification in Neuroscience Research1 2Maršálová, K., 1 2Schwarz, D. (1Masarykova univerzita, 2Institut biostatistiky a analýz, s.r.o.)
- Pilot Study of Sleep Apnea Detection with Wavelet Transform1Schätz, M., 3Kuchyňka, J., 1 3Vyšata, O., 1 2Procházka, A. (1VŠCHT Praha, 2ČVUT v Praze, 3Univerzita Karlova)
- Fugl–Meyer Motor Scale Monitoring Using MS Kinect v21Ťupa, O., 1 2Procházka, A., 1 3Vyšata, O. (1VŠCHT Praha, 2ČVUT v Praze, 3Univerzita Karlova)
Deep learning v prostředí MATLAB
Jirkovský, J. (HUMUSOFT)
Master Class "Deep learning v prostředí MATLAB" vám představí aktuální možnosti MATLABu v oblasti deep learningu. Stěžejním nástrojem jsou konvoluční neuronové sítě (CNN), které jsou obzvláště užitečné pro klasifikaci obrazu, detekci a rozpoznávání objektů. CNN jsou implementovány jako série propojených vrstev. V MATLABu můžeme vytvořit architekturu CNN, trénovat síť s připravenými daty a využít naučenou síť ke klasifikaci snímků do tříd. K detekci objektů na snímcích jsou k dispozici detektory R-CNN, Fast R-CNN a Faster R-CNN, které před klasifikační úlohu předřazují algoritmy pro výběr vhodných oblastí snímku s pravděpodobným výskytem hledaného objektu. Konvoluční neuronové sítě lze využít také pro regresní úlohy nebo k automatizované extrakci rysů určených pro klasické klasifikační algoritmy (SVM, kNN, klasifikační stromy). To, co se síť během trénování naučí, je někdy nejasné. Deep Dream Images je vizualizační technika syntetizující umělé obrázky, které silně aktivují vybrané vrstvy zkoumané sítě. Zobrazením těchto obrázků můžeme zkoumat rysy, která se síť naučila, a posoudit, zda odpovídají hledaným tvarům a objektům.
Master class Vám formou příkladů představí možnosti MATLABu pro zpracování rozsáhlých dat. Získáte tak nejen ucelený přehled o technikách, které jsou dnes v MATLABu k dispozici, ale též uvidíte postupy jejich využití.
Elektronové mikroskopy vyvíjené v ČR
Machek, O., Nováček, P. (Thermo Fisher Scientific)
MATLAB a Simulink
Foltin, M., Blaho, M., Jirkovský, J. (HUMUSOFT)
- Thingspeak - IoT platforma s podporou MATLABu
- Generovanie kódu pre Raspberry Pi a Android
- Deep learning pre detekciu objektov
- Deep learning pro klasifikaci objektů v obrazových datech
- Detekce pohybu a ovládání servopohonu s využitím Raspberry Pi
COMSOL Multiphysics - modelování fyzikálních jevů
Lorenc, M. (HUMUSOFT)
Řízení procesů v reálném čase
Sárená, J., Sehnal, J. (HUMUSOFT)
- Systémy dSPACE
- SCALEXIO HIL
- Automotive Simulation Models
- RTMAPS
- multifunkční I/O karty pro Thuderbolt, PCI Express a PCI
Plánek
