| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 3 / 3
First pagePrevious page1Next pageLast page
1.
Domain landscape
Robert Hofsink, Andrej Bergauer, Vojko Flis, Nina Kobilica, Tadej Kampič, Izidor Mlakar, Daniel Hari, Riko Šafarič, Suzana Uran, 2021, treatise, preliminary study, study

Published: 07.05.2021; Views: 112; Downloads: 8
.pdf Full text (351,73 KB)

2.
Ocenjevanje zaupanja v globokih nevronskih mrežah
Daniel Hari, 2020, master's thesis

Abstract: V magistrskem delu so predstavljeni pristopi ocenjevanja zaupanja v globokih nevronskih mrežah na primeru razpoznave števk. Ti pristopi nam omogočajo izboljšavo kakovosti razpoznave števk, s čimer se približamo natančnosti človeka, ki za bazo MNIST znaša 97,5–98 %. V delu se bomo osredotočili predvsem na dva pristopa, in sicer z Bayesovim učenjem in vzorčenjem z izpustnimi sloji. Bayesovo učenje je matematično bolj zahteven postopek, saj deluje tako, da vsak vhodni podatek v nevronsko mrežo obravnavamo kot porazdelitev verjetnosti in ne kot deterministično določeno vrednost. Pri tehniki vzorčenja z izpustnimi sloji je za vsakim skritim slojem mreže dodan stohastični izpustni sloj, tako da lahko na izhod iz modela gledamo kot na naključni vzorec, ki je ustvarjen iz aposteriorne porazdelitve. Takšen postopek je sicer računsko manj zahteven, daje pa podoben rezultat. Magistrsko delo je sestavljeno iz teoretičnega in eksperimentalnega dela. V teoretičnem delu so predstavljeni pojmi, kot so umetna inteligenca in sestava nevronske mreže ter podroben opis Bayesovega učenja in vzorčenja z izpustnimi sloji. V eksperimentalnem delu so prikazani pristopi razpoznave števk z Bayesovim učenjem in pristopi, ki uporabljajo tehnike vzorčenja z izpustnimi sloji. Podana je tudi primerjava postopkov.
Keywords: umetna inteligenca, Bayesov pristop, izpustni sloji, strojno učenje.
Published: 29.01.2021; Views: 132; Downloads: 33
.pdf Full text (2,94 MB)

3.
Pregled prosto dostopnih strojnih prevajalnikov
Daniel Hari, 2018, diploma project paper

Abstract: V projektni nalogi so predstavljene vrste strojnega prevajanja, ki so vgrajene v različne prevajalnike. Ti prevajalniki omogočajo, da se posamezna beseda ali daljše besedilo na podlagi izvedbe določenih algoritmov samodejno prevede iz izvornega jezika v ciljni jezik. Poznamo več načinov strojnega prevajanja, ki jih v nalogi tudi predstavimo. Vsako strojno prevajanje se razlikuje po načinu prevajanja oz. svojih značilnostih, različni načini prevajanja pa imajo tudi določene skupne lastnosti, kot sta sprotno učenje in iskanje dobrih prevodov v slovarjih ali bazah podatkov, ki pripomorejo k bolj natančnemu prevodu same besede oz. besedila. Naloga je sestavljena iz teoretičnega in praktičnega dela. V teoretičnem delu je predstavljen pregled načinov prevajanja, v praktičnem delu pa analiza kakovosti prevajanja posameznih prosto dostopnih prevajalnikov.
Keywords: Strojno prevajanje, strojni prevajalniki, slovarji, korpus, strojno učenje, statistični pristop.
Published: 05.02.2019; Views: 612; Downloads: 125
.pdf Full text (3,35 MB)

Search done in 0.11 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica