Automatické rozpoznávání vesmírných těles

Show simple item record
dc.contributor.advisorPicek Lukáš, Ing. Ph.D.cs
dc.contributor.authorBuzuk, Aliaksandracs
dc.contributor.refereeVyskočil Jiří, Ing.cs
dc.date.accepted2025-06-18
dc.date.accessioned2026-02-20T22:49:36Z
dc.date.available2024-10-15
dc.date.available2026-02-20T22:49:36Z
dc.date.issued2025-05-19
dc.date.submitted2025-05-19
dc.description.abstractTato práce se zabývá využitím metod strojového učení (ML) a hlubokého učení (DL) pro automatické rozpoznávání a klasifikaci nebeských objektů v různých astronomických datasetech. S důrazem na tradiční i pokročilé modely výzkum analyzuje jejich výkonnost napříč různými datovými modalitami. Pro implementaci klasifikace a rozpoznávání vesmírných objektů byly vybrány dva datasety - SDSS17 a Galaxy10 DECals. Získané výsledky ukázaly možnosti využití ML/DL v astronomii a zdůraznily odolnost různých modelů vůči různým modalitám a úlohám. Výsledky prokázaly potenciál pro budoucí výzkum a možnou integraci do složitějších a multimodálních architektur v astronomickém výzkumu.cs
dc.description.abstract-translatedThis thesis explores the application of Machine Learning (ML) and Deep Learning (DL) methods in the automatic recognition and classification of celestial objects across diverse astronomical datasets. With a focus on both traditional and advanced models, the research analyzes performance through various data modalities. Two chosen datasets, SDSS17 and Galaxy10 DECals, were selected to implement the classification and recognition of celestial objects. The obtained results demonstrated the prospects of ML/DL application in astronomy, emphasizing the various models' robustness to diverse modalities and tasks. They showed strong potential for future investigation and possible integration into more complex and multimodal architectures in astronomical research.en
dc.description.departmentKatedra kybernetikycs
dc.description.resultObhájenocs
dc.format42 s.
dc.identifier100158
dc.identifier.urihttp://hdl.handle.net/11025/66196
dc.language.isoen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezenícs
dc.rights.accessopenAccesscs
dc.subjectstrojové učenícs
dc.subjecthluboké učenícs
dc.subjectastronomiecs
dc.subjectvesmírné objektycs
dc.subjectklasifikacecs
dc.subjectCNNcs
dc.subjectResNetcs
dc.subjectVision Transformercs
dc.subjecttabulární datacs
dc.subjectobrazová datacs
dc.subjectrozpoznávání obrázkůcs
dc.subject.translatedmachine learningen
dc.subject.translateddeep learningen
dc.subject.translatedastronomyen
dc.subject.translatedcelestial objectsen
dc.subject.translatedclassificationen
dc.subject.translatedCNNen
dc.subject.translatedResNeten
dc.subject.translatedVision Transformeren
dc.subject.translatedtabular dataen
dc.subject.translatedimage dataen
dc.subject.translatedimage recognitionen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-programKybernetika a řídicí technikacs
dc.titleAutomatické rozpoznávání vesmírných tělescs
dc.title.alternativeAutomatic Recognition of Celestial Objectsen
dc.typebakalářská prácecs
local.files.count4*
local.files.size55234524*
local.has.filesyes*
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=100158

Files

Original bundle
Showing 1 - 4 out of 4 results
No Thumbnail Available
Name:
BP_Buzuk_A22B0263P.pdf
Size:
52.52 MB
Format:
Adobe Portable Document Format
Description:
VŠKP
Download
No Thumbnail Available
Name:
PV_Buzuk_A22B0263P.pdf
Size:
56.99 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího VŠKP
Download
No Thumbnail Available
Name:
PO_Buzuk_A22B0263P.pdf
Size:
59.49 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta VŠKP
Download
No Thumbnail Available
Name:
PB_Buzuk_A22B0263P.pdf
Size:
38.96 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby VŠKP
Download

Collections

Bachelor´s works (KKY)