26. 4. 2019  14:53 Jaroslava
Akademický informačný systém

Prehľad vypísaných tém - Materiálovotechnologická fakulta so sídlom v Trnave


Základné údaje

Typ práce: Dizertačná práca
Názov témy: Využitie metód strojového učenia pri vyhodnocovaní signálov v astrofyzike
Názov témy anglicky: The use of machine learning methods in evaluating astrophysics signals
Stav témy: schválené (prof. Ing. Miroslav Fikar, DrSc. - Predseda odborovej komisie)
Vedúci práce: doc. Ing. Maximilián Strémy, PhD.
Fakulta: Materiálovotechnologická fakulta so sídlom v Trnave
Garantujúce pracovisko: Ústav aplikovanej informatiky, automatizácie a mechatroniky - MTF
Max. počet študentov: --
Akademický rok:2019/2020
Navrhol: doc. Ing. Maximilián Strémy, PhD.
Anotácia: Téma je zameraná na analýzu signálu vo forme svetelných kriviek akréčnych systémov. Rýchle zmeny jasnosti v týchto sústavách nie sú iba náhodným javom, ale majú svoju charakteristiku odzrkadľujúcu fyzikálnu podstatu javu. Cieľom je navrhnúť a implementovať metódu machine learningu (strojového učenia) za účelom identifikovať charakteristické prvky a určiť ich reálnosť/dôverihodnosť. Študent bude mať za cieľ zvládnuť základy analýzy signálu a metód machine learningu a tieto znalosti využije pri práci s dátami z družíc ako XMM-Newton (ESA), TESS (NASA) alebo Kepler (NASA). Naučené postupy sa dajú aplikovať v rôznych oblastiach vedy (napr. v materiálovom inžinierstve v mikroskopii, alebo v štúdiu EEG signálu v neurovedách, atď.).
Anotácia anglicky: This thesis is dedicated to analysis of signal in the form of light curves in accreting systems. The fast stochastic variability in these systems are not just random events, but have their own characteristics reflecting the physical origin of the event. The goal is to propose and to implement machine learning method with motivation to identify characteristic patterns and estimate their confidence. The student will learn the basics of signal analysis and machine learning methods, and will use this knowledge in work with data from satellites like XMM-Newton (ESA), TESS (NASA) or Kepler (NASA). All acquired algorithms can be applied to various scientific subjects (ex. in materials sciences for microscopy, or for EEG study in neurosciences, etc.).



Obmedzenie k téme

Na prihlásenie riešiteľa na tému je potrebné splnenie jedného z nasledujúcich obmedzení

Obmedzenie na študijný program
Tabuľka zobrazuje obmedzenie na študijný program, odbor, špecializáciu, ktorý musí mať študent zapísaný, aby sa mohol na danú tému prihlásiť.

ProgramZameranieŠpecializácia
D-AAIP automatizácia a informatizácia procesov-- nezadané -- -- nezadané --