Diplomová práce se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi.
Anotace v angličtině
This diploma thesis deals with the design and assembly of a neural network for predicting the results of roughness parameters in heterogeneous surfaces. At the same time, it proves that other statistical methods, especially regression analyzes, fail in this direction and their results cannot be used reliably. Samples made using water jet cutting were used to obtain the data needed to assemble the neural network. This surface is characterized by its heterogeneity. The work describes these samples, parameters of their origin, laboratory measurements, complete construction of the neural network and comparison of results with regression functions.
Klíčová slova
heterogenní povrch, drsnost povrchu, abrazivní vodní paprsek, regresní analýzy, neuronové sítě
Diplomová práce se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi.
Anotace v angličtině
This diploma thesis deals with the design and assembly of a neural network for predicting the results of roughness parameters in heterogeneous surfaces. At the same time, it proves that other statistical methods, especially regression analyzes, fail in this direction and their results cannot be used reliably. Samples made using water jet cutting were used to obtain the data needed to assemble the neural network. This surface is characterized by its heterogeneity. The work describes these samples, parameters of their origin, laboratory measurements, complete construction of the neural network and comparison of results with regression functions.
Klíčová slova
heterogenní povrch, drsnost povrchu, abrazivní vodní paprsek, regresní analýzy, neuronové sítě
Vypracovat rešerši na téma jakost povrchů, se zaměřením na povrchy heterogenní.
Připravit a proměřit zadané vzorky
Navrhnout a ověřit vhodné statistické metody pro globální hodnocení heterogenit
Zásady pro vypracování
Vypracovat rešerši na téma jakost povrchů, se zaměřením na povrchy heterogenní.
Připravit a proměřit zadané vzorky
Navrhnout a ověřit vhodné statistické metody pro globální hodnocení heterogenit
Seznam doporučené literatury
PATA, Vladimír a Milena KUBIŠOVÁ. Statistické metody hodnocení jakosti strojírenských povrchů. Ve Zlíně: Univerzita Tomáše Bati, Fakulta technologická, 2018. ISBN 978-80-7454-740-9.
MELOUN, Milan a Jiří MILITKÝ. Kompendium statistického zpracování dat. Praha: Karolinum, 2012. ISBN 978-80-246-2196-8.
WHITEHOUSE, D. J. Handbook of surface and nanometrology. 2nd ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4200-8201-2.
SMITH, Graham T. Machine tool metrology: an industrial handbook. [Switzerland]: Springer, [2016]. ISBN 978-3-319-25107-3.
Seznam doporučené literatury
PATA, Vladimír a Milena KUBIŠOVÁ. Statistické metody hodnocení jakosti strojírenských povrchů. Ve Zlíně: Univerzita Tomáše Bati, Fakulta technologická, 2018. ISBN 978-80-7454-740-9.
MELOUN, Milan a Jiří MILITKÝ. Kompendium statistického zpracování dat. Praha: Karolinum, 2012. ISBN 978-80-246-2196-8.
WHITEHOUSE, D. J. Handbook of surface and nanometrology. 2nd ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4200-8201-2.
SMITH, Graham T. Machine tool metrology: an industrial handbook. [Switzerland]: Springer, [2016]. ISBN 978-3-319-25107-3.
Přílohy volně vložené
-
Přílohy vázané v práci
grafy, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student představil komisi výsledky své diplomové práce. Poté byla seznámena s posudky a hodnocením vedoucího oponenta (hodnocení vedoucího: A - výborně, hodnocení oponenta: A - výborně). V rámci posudků byly položeny následující dotazy oponenta a vedoucího: doc. Ing. Michal Sedlačík, Ph.D. - Co vás vedlo k rozvinutí neuronové sítě. ZODPOVĚZEN ZCELA