Sem si vypisujte vaše činnosti strávené na čemkoliv na tomto projektu (co vám spotřebovalo alespoň půl hodiny času). Čas uvádějte s přesností na 0,5h.

Úkol	Popis (nepovinné)	Iterace	Strávený čas [h]
Společné sezení 11. 3.	Prozkoumání stávající aplikace	2	1,5
Úprava iterací	Přesuny, připsání datumu, sepsání úkolů 3. až 4. iterace	2	0,5
Schůzka se zadavatelem	Vysvětlení některých věcí ohledně aplikace (+ použití HHT metody pro extrakci příznaku)	2	1,0
Sepsání informací o struktuře aplikace	Obecný popis tříd a metod pro vývoj	2	0,5
Hilber-Huangova transformace	Způsob využití poskytnuté knihovny	2	4,5
Dokument objektového návrhu	Sepsání dokumentu	2	4,5
KNN algoritmus	Princip, možnosti implementace	2 + 3	2,0 + 6,0
Porada - Skype	Analýza programu	2	1,0
Hilber-Huangova transformace	Implementace třídy pro extrakci příznaku	3	10,0
KNN algoritmus	Vlastní implementace	3	6,0
Tutoriály pro knihovnu WEKA	Použití klasifikátorů knihovny a dalších tříd	3	1,5
Využití KNN klasifikace z knihovny WEKA	Použití implementace	3	1,5
Informativní schůzka se zadavatelem 7. 4.	Informace ohledně efektivity klasifikátorů a jejich testování	3	0,5
Příprava na testování algoritmů	Počáteční sepsání dokumentu testování, referenční testování defaultního nastavení	3	3,0
Domluva a zápis úkolů na 4. iteraci	-	3	1,0
Návrh GUI	Spojení prvků GUI s jednotlivými funkcemi programu	4	1,5
Testování extrakce přes WT	Měření přesnosti v kombinaci s klasifikací přes neuronovou síť	4	5,0
Schůzka se zadavatelem	Diskuze nad počátečními výsledky měření a dovysvětlení závislostí	4	1,0
Úpravy třídy pro extrakci přes HHT	-	4	3,0
Testování opravené extrakce přes WT	Měření přesnosti v kombinaci s klasifikací přes neuronovou síť, vyzkoušena část waveletů, vybrán celkově nejlepší a provedeny podrobnější testy s rozdílnými velikostmi epoch, posunutími a velikostmi vracených přáznaků	4	3,0
Testování HHT extrakce	Měření přesnosti v kombinaci s klasifikací přes neuronovou síť	4	4,0
Testování KNN klasifikace	Měření přesnosti v extrakcí přes wavelety	4	2,0
Zápis výsledků z měření do dokumentu	HHT a KNN	4	1,0
Příprava plánu na 5. iteraci	-	4	0,5
Doplnění zbývajícího Javadocu do vlastních tříd	HHT extrakce a KNN klasifikace	5	0,5
Zkoušení WIP GUI	Hledání problému s NullPointerException při nastavování extrakce a klasifikace	5	1,0
Schůzka se zadavatelem	Řešení problémů kompilace se starší verzí JRE a diskuze nad možnostmi a funkcionalitou GUI	5	1,0
Manuální testování GUI	Nastavování a zkoušení různých parametrů	5	2,5
Doplnění funkčnosti GUI	Ukládání a načítání souborů s konfigurací a natrénovaným klasifikátorem na uživatelem vybrané místo	5	2,0
Doplnění funkčnosti GUI	Tooltipy a úprava HHT nastavení	5	1,0
Tvorba manuálu pro GUI	-	5	3,0
Příprava na odevzdání projektu	Poslední úpravy kódu, příprava protokolu převzetí, tisk dokumentů, schůzka se zadavatelem...	5	2,0

---

Úkol	Popis (nepovinné)	Iterace	Strávený čas [h]
Prozkoumání GitHub Wiki	-	1	0.5
Prozkoumání Waveletové transformace	Zjištění informací + implementace	2	6
Spuštění trénování v Unixu	Aplikace nebyla schopna najít set2.eeg	2	3
Tvorba Use Case Diagramu	-	2	1.5
Porada - Skype	Analýza programu	2	1
LDA	Základní seznámení	2	1
LDA - mllib	Hledání knihovny + Zkoumání knihovny a algoritmu + Přizpůsobení knihovny (velký trénovací soubor, pomalá klasifikace, 19% přesnost = nefunguje)	3	6
LDA	Implementace podle programu pro MatLab	3	9
GUI	Implementace GUI pro nastavování klasifikátorů a extraktorů a jejich parametrů	4	9.5
Oprava WT	Oprava použití SKIP_SAMPLES. Používají se na epochu, ne na výsledné koeficienty	4	0.5
LDA - testování	Testování s různým nastavení WT	4	2.5
LDA - oprava	Oprava implementace a unit testy	5	6
GUI	Pokračování v implementaci	5	3

---

Úkol	Popis (nepovinné)	Iterace	Strávený čas [h]
Tvorba Ganttova diagramu	Seznámení s aplikací ganttproject a tvorba vlastního diagramu	1	1,5
Společné sezení 11. 3.	Prozkoumání stávající aplikace	2	1,5
Hilber-Huangova transformace	Způsob využití poskytnuté knihovny	2	1,5
SVM algoritmus	Princip, možnosti implementace	2	4,5
Porada - Skype	Analýza programu	2	1,0
SVM algoritmus implementace pomocí třídy ToWekaUtils na základě šablony JavaML klasifikátoru	Implementace - velmi nepřehledné, navíc se špatnými výsledky	2-3	3,5
SVM algoritmus implementace II	WEKA klasifikátor, JavaML dataset - nemožnost serializace klasifikátoru - nelze	3	3,5
SVM algoritmus implementace WEKA	Implementace a tvorba datasetu WEKA	3	18
KNN klasifikátor WEKA		2	1,5

---

Úkol	Popis (nepovinné)	Iterace	Strávený čas [h]
Vlkádání a formátování textu do šablony	Specifikace požadavků	1	1,0
Společné sezení 11. 3.	Prozkoumání stávající aplikace	2	2,0
Matching Pursuit	Způsob využití poskytnuté knihovny, princip algoritmu	2	3,5
Porada - Skype	Analýza programu	2	1,0
Vlkádání a formátování textu do šablony	Objektový návrh	2	1,0
Matching Pursuit	Implementace třídy pro extrakci příznaku	3	2,5
Korelace signálu	Princip, možnosti implementace	3	6,0
Informativní schůzka se zadavatelem 13. 4.	Informace o vhodném nastavení parametrů pro MP a Korelaci	3	0,5
Korelace signálu	Implementace	3	7,0
Testování Matching Pursuit	Měření přesnosti v kombinaci s klasifikací přes neuronovou síť	4	12,5
Testování Korelace	Měření přesnosti s extrakcí přes wavelety	4	3,0
Zápis výsledků z měření do dokumentu	Matching Pursuit a Korelace	4	1,0
Příprava dokumentu s výsledky pro tisk	-	4	0,5
Úprava Matching Pursuit	Odstranění chyby při zpracování epochy	5	1,5
Testování Matching Pursuit	Přeměření přesnosti v kombinaci s klasifikací přes neuronovou síť	5	9
Menší úpravy kódu	Zpřehlednění, doplnění javadoc, oprava drobných chyb	5	1