Prosím čekejte...
Nepřihlášený uživatel
SVK
iduzel: 28824
idvazba: 47802
šablona: stranka
čas: 28.4.2024 19:02:09
verze: 5351
uzivatel:
remoteAPIs: https://cis-prihlasovadlo.vscht.cz/svk/
branch: trunk
Server: 147.33.89.153
Obnovit | RAW
iduzel: 28824
idvazba: 47802
---Nová url--- (newurl_...)
domena: 'svk.vscht.cz'
jazyk: 'cs'
url: '/home'
iduzel: 28824
path: 1/28821/43620/28823/28824
CMS: Odkaz na newurlCMS
branch: trunk
Obnovit | RAW

Studentská vědecká konference

Každoročně na podzim probíhá na VŠCHT Praha  Studentská vědecká konference, na které studenti bakalářských a magisterských programů prezentují výsledky svých výzkumných prací. Práce jsou rozděleny do cca 60 sekcí podle odborného zaměření, každý soutěžící student prezentuje svou práci před odbornou komisí formou krátké přednášky nebo posteru. Nejlepší práce ve všech sekcích jsou odměňovány hodnotnými cenami, často za přispění našich průmyslových partnerů.

Letošní SVK proběhne 23. 11. 2023.

Chcete-li se stát sponzory SVK na některé z fakult VŠCHT Praha, kontaktujte prosím příslušného fakultního koordinátora.

Seznam fakultních koordinátorů

V případě dotazů ohledně SVK se obracejte na příslušné ústavní či fakultní kordinátory.

  

Přihlašovací formulář

Nejste zalogován/a (anonym)

Aplikovaná matematika, informatika a kybernetika I (A335 - 8:30)

  • Předseda: doc. Ing. Jan Švihlík, Ph.D.
  • Komise: Ing. Jan Kohout, Ph.D., Mgr. Šimon Axmann, Ph.D., Ing. Olga Rubešová (EATON), Ing. Tereza Svatoňová (ExPS), Petra Majerová (SIDAT)
Čas Jméno Ročník Školitel Název příspěvku Anotace
8:30 Bc. Jakub Ciler M1 Ing. Jan Kohout, Ph.D. Klasifikace asymetrie v obličeji pomocí neuronové sítě detail

Klasifikace asymetrie v obličeji pomocí neuronové sítě

Při operaci rovnovážného ústrojí dojde k přerušení lícního nervu. Následná rehabilitace je závislá na pravidelných návštěvách lákaře, které ovšem nemusejí být dostatečně frekventované.  Z tohoto důvodu je snaha vyvinout aplikaci, která by pacientům poskytovala okamžitě a v domácím prostředí informace o jejich stavu.  Ten je vyhodnocován pomocí neuronové sítě implementované v Pythonu. Používají se konvoluční a plně propojené vrstvy pro extrakci a klasifikaci příznaků. Pro vyhodnocení sítě jsou využity charakteristiky jako F1 Score, Recall, Accuracy a Precision. Implementace zahrnuje také k-fold a leave-one-out validační postupy pro posouzení spolehlivosti modelu.
8:50 Milana Dejaková B2 Ing. Ondřej Studeník Vývoj nástroje pro analýzu CFD-DEM simulací detail

Vývoj nástroje pro analýzu CFD-DEM simulací

Ve spolupráci Ústavu matematiky, informatiky a kybernetiky a Ústavu chemického inženýrství je vyvíjen unikátní řešič umožňující simulaci unášení nepravidelných částic tekutinou, včetně interakcí mezi částicemi a částic se stěnami systému. Vyvíjený řešič je nadstavba otevřené C ++ knihovny OpenFOAM zaměřené na výpočetní dynamiku tekutin (CFD) a rozšiřuje jí o implementaci metody vnořené hranice a metody diskrétních elementů (DEM) umožňující simulaci pohyblivé pevné fáze. Vzniklý CFD-DEM řešič je schopen popisu zmíněných systémů až do 10 000 částic, kdy je pro každou částici vyhodnocena interakce s okolní tekutinou i případný kontakt s  jinou částicí nebo hranicí systému. Aby bylo možné využít aplikační potenciál nového CFD-DEM řešiče, je nutné ověřit správnost globální bilance, tedy zákony zachování. V této práci, prezentuji vývoj nástroje, který umožňuje analýzu průběhu simulace na základě načtení výpisu CFD-DEM řešiče. Načtená data jsou uspořádána dle času a individuálních částic a zpracována. Toto umožňuje verifikovat přesnost globální bilance a případně identifikovat nedostatky ve stávající implementaci CFD-DEM řešiče. Hlavním výsledkem této práce je automatizace třídění načtených dat a výpočet globální bilance energie těles s bližším pohledem na výpočet energie kontaktu.



9:10 Ivana Havlenová B2 Ing. Martin Isoz, Ph.D. Příprava výpočetního prostředí pro topologickou optimalizaci mikrofluidního čipu detail

Příprava výpočetního prostředí pro topologickou optimalizaci mikrofluidního čipu

Automatická optimalizace designu je klíčovým krokem při navrhování moderních zařízení s optimálními vlastnostmi. Jedním z takových zařízení jsou mikrofluidní čipy, které nacházejí stále větší uplatnění v průmyslu i medicíně, mimo jiné pro rychlou analýzu malého množství kapalin jako tzv. lab-on-chip. Cílem této práce je tvorba výpočetního prostředí, které umožní automatickou a robustní topologickou optimalizaci mikrofluidního čipu. Vlastnosti čipu se při optimalizaci vyhodnocují pomocí metody výpočetní dynamiky tekutin (CFD), kde se všechny kroky řešení od generace výpočetní sítě přes spuštění a kontrolu numerické simulace až po zpracování výsledků provádějí automaticky na základě scriptů v pythonu. Vývoj prostředí he hlavním předmětem práce. Dosažené výsledky prezentujeme na rozměrové optimalizaci mikrofluidního rozdělovače, kde je kritériem optimality minimalizace tlakové ztráty. Na tomto optimalizačním problému je testováno chování prostředí s využitím různých optimalizačních algoritmů.



9:30 Bc. Hana Josífková M1 Ing. Jan Vrba, Ph.D. Vývoj navigačního systému pro kontrolu a řízení trajektorie rakety detail

Vývoj navigačního systému pro kontrolu a řízení trajektorie rakety

Teorie řízení má široké spektrum aplikací od jednoduchého kontrolování hladiny v nádrži až po sofistikované systémy, mezi které patří například řízení auta bez řidiče, udržování ideálních podmínek v reaktoru či právě navigační systémy. Raketu s vlastním navigačním systémem, která je schopna se zorientovat pouze pomocí základních informací integrovaných přímo v ní, je poté daleko snazší řídit a dostat na požadované místo dopadu. Implementace simulačního programu pro odhad trajektorie letu rakety je realizována v jazyce Python. Samotný nagivační systém pro čip rakety je vytvářen v C++.
9:50 Bc. Jan Michna M2 Ing. Jan Vrba, Ph.D. Voice Pathology Detection detail

Voice Pathology Detection

Voice disorders detection nowadays relies on either very subjective doctor testing on expensive and uncomfortable surgery neither of which are optimal for screening and early disorder detection. Due to the huge improvement of computing possibilities as well as artificial intelligence and especially deep learning and convolutional neural networks a new method has presented itself in voice recording analysis. My work aims at developing an accurate method at detecting voice disorders as a result of numerous diseases. The method developed will be implementable into a mobile application available to the public thus aiding the medical facilities as well as offering significantly cheaper and more accurate results to the patients.
10:10 Bc. Eliška Paulíková M1 doc. Ing. Jitka Čejková, Ph.D. Návrh a konstrukce Pellobota pro manipulaci s drobnými objekty detail

Návrh a konstrukce Pellobota pro manipulaci s drobnými objekty

Manuální práce prováděná v laboratoři, jako je pipetování nebo přesun různých objektů z jednoho experimentu do druhého, může potenciálně zahrnovat značnou míru lidské chybovosti, kterou je těžké zcela eliminovat. Nejúčinnějším způsobem, jak tomuto riziku předcházet, je robotizace. V rámci předložené práce byl znovu uveden do provozu téměř deset let starý pipetovací robot Evobot, u kterého byla provedena nutná optimalizace softwaru. Evobot je založený na modulární robotice umožňující využívat rozhraní plug'n'play. Každý z pipetovacích modulů komunikuje díky plošným spojům (PCB), které ovládají krokové motory v jednotlivých modulech pomocí SPI komunikace. Řídící jednotkou je Arduino s rozšiřující deskou Ramps 1.4. Jeden z cílů této práce je vytvořit chapadlo pro manipulaci s drobnými objekty, s touto nadstavbou přichází i nový název Pellobot. Pro tento účel je nezbytné navrhnout a vytvořit model pomocí 3D tisku. Vytištěné objekty jsou poté umístěny do jednoho z původních pipetovacích modulů. V chapadle následně dochází k vytvoření vakua pomocí peristaltického čerpadla, které tvaruje spodní část chapadla podle tvaru přenášeného objektu, čímž umožní s daným objektem manipulovat.  



10:30 Bc. Jakub Seiner M1 Ing. Jan Vrba, Ph.D. Detekce poruch hlasu ze zvukových nahrávek detail

Detekce poruch hlasu ze zvukových nahrávek

Tento příspěvek pojednává o inovativním přístupu k využití adaptivních metod detekce novosti v oblasti zdravotnictví, a to konkrétně při analýze záznamu hlasu pacientů trpících hlasovou dysfunkcí. Detekce novosti sama o sobě již ve zdravotnictví své místo má, jako příklad lze uvést detekci demence nebo Alzheimerovy choroby z EEG signálu. Oba zmíněné příklady se vyznačují vysokou selektivitou a lze tedy předpokládat že i v problematice hlasových poruch může detekce novosti být vhodným řešením. V případě prokázání funkčnosti a vývoji vhodného softwaru pro automatickou diagnostiku těchto onemocnění by došlo ke sjednocení výsledků a vedlo ke kvalitnější léčbě. Doposud diagnostika využívala zejména experty, specializující se na tento typ onemocnění, kteří museli strávit podstatnou část svého studia a praxe, analýzou zasažených pacientů, což ale při vyhodnocování vede k subjektivnímu hodnocení. To by se v případě úspěchu mohlo stát minulostí a mělo by za následek snížení nároků na odbornost a tím i rozšíření kvalitnější péče.  
Aktualizováno: 30.8.2023 15:43, : Mili Viktorie Losmanová

VŠCHT Praha
Technická 5
166 28 Praha 6 – Dejvice
IČO: 60461373
DIČ: CZ60461373

Datová schránka: sp4j9ch

Copyright VŠCHT Praha
Za informace odpovídá Oddělení komunikace, technický správce Výpočetní centrum

VŠCHT Praha
na sociálních sítích
zobrazit plnou verzi