Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Analýza zpracování biomedicínských dat

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
F7PBBAZD KZ 2 1P+1C česky
Garant předmětu:
Jan Kauler
Přednášející:
Jan Kauler
Cvičící:
Lucie Horáková, Jan Kauler
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Seznámit studenty se základnímimetodami statistického zpracování časových řad, typicky se vyskytujících v biologii a medicíně.Analýza časových řad, trendy, vzájemná závislost, stacionarita. Korelační a kovarianční funkce. Odhady autokorelační funkce. Vliv odstranění trendu na autokorelační strukturu. Periodogram - vztah korelogramu a periodogramu. Frekvenční spektrum, frekvenční spektrum náhodných signálů. Lineární frekvenční filtr. ARMA, MA, AR proces. Spektrální analýza. FFT, neparametrické metody odhadu spektra. Klady a zápory spektrální analýzy. Opakovaná měření a jejich analýza. Identifikace parametrů AR a ARMA modelu. Predikce. Bivariační analýza časových řad - křížová korelace a kovariance, jejich odhady. Bispektrum.

Požadavky:
Osnova přednášek:

1. Úvod do terminologie časových řad.

2. Odhad modelu časových řad (AR, MA, ARMA).

3. Stochastická identifikace modelu.

4. Cannyho hranový detector a použití masek při zpracování obrazových dat.

5. Fuzzy-logický systém jako univerzální funkční aproximátor.

6. Neuronová síť jako univerzální funkční aproximátor.

7. Závěrečný test

Osnova cvičení:

1. Filtrace časových řad (MA), dekompozice časové řady.

2. Box-Jenkinsonova metodologie.

3. Kontrolní úloha (25 bodů), interpolace a zpracování KTG časové řady.

4. Klasifikační úloha kosatců.

5. Shluková analýza.

6. Implementace fuzzy aproximátoru.

7. Kontrolní úloha (25 bodů).

Cíle studia:

Studenti budou umět provést analýzu časové řady zhlediska jejího trendu, periodicity, sezónnosti atd. ,současně budou umět identifikovat nad časovou řadou model. Z hlediska využití prostředků UI jako jsou neuronové sítě a Fuzzy-logické systémy představující učící se hierarchické struktury je budou umět využít jako prediktoru hodnot časových řad.

Studijní materiály:

Povinná literatura:

[1] Biostatistical Analysis, Books a la Carte Edition (5th Edition) Pearson, c2010. ISBN 978-0321656865

[2] Meloun M., Militký J. : Interaktivní statistická analýza dat, Karolinum, Praha, 2012. 960 s. EAN 9788024621739[3] NOSKIEVIČ, Petr.Modelování a identifikace systémů. Ostrava: Montanex, 2007. ISBN 80-7225-030-2

Doporučená literatura:

[1] Kotek Z., Mařík V., Hlaváč V., Psutka J., Zdráhal Z.: Metody rozpoznávání a jejich aplikace, Academia Praha 1993, ISBN 80-200-0297-9

[2] Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence, díly 1 až 4, Academia Praha 1993 až 2004, ISBN 80-200-0502-1

Poznámka:
Rozvrh na zimní semestr 2022/2023:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
místnost KL:B-331
Kauler J.
08:00–09:50
LICHÝ TÝDEN

(přednášková par. 1)
Kladno FBMI
Lab. robotiky a asis. tech.
místnost KL:B-331
Horáková L.
08:00–09:50
SUDÝ TÝDEN

(přednášková par. 1
paralelka 1)

Kladno FBMI
Lab. robotiky a asis. tech.
Út
St
Čt

Rozvrh na letní semestr 2022/2023:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 8. 6. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet6176206.html