1. Detection of AI-generated synthetic images with a lightweight CNNAdrian Lokner Lađević, Tin Kramberger, Renata Kovačević, Dino Vlahek, 2024, original scientific article Keywords: convolutional neural networks, generative adversarial networks, classification, synthetic images, explanable artificial intelligence
Published in DKUM: 29.01.2025; Views: 0; Downloads: 7
 Full text (36,84 MB) |
2. |
3. |
4. Učinkovit iterativni algoritem učenja razložljivih značilnic za izboljšano klasifikacijo : doktorska disertacijaDino Vlahek, 2024, doctoral dissertation Abstract: V doktorski disertaciji opišemo nov postopek učenja razložljivih značilnic za klasifikacijske namene. Značilnice med vsako iteracijo rekombiniramo na osnovi vnaprej podanih aritmetičnih operacij, ocenimo pa jih glede na njihovo primernosti za klasifikacijo. Slednja temelji na prekrivanju porazdelitve verjetnosti med vrednostmi vzorcev, ki pripadajo različnim razredom. Za nadaljnji razvoj v naslednjo iteracijo izberemo podmnožico najbolj kakovostnih nekoreliranih značilnic z uporabo nove metode, ki temelji na rezu grafa. Pri tem se postopek opira na dva vhoda parametra, ki omogočata nadzor nad številom členov izhodnih značilnic. Prvi opisuje minimalno sprejemljivo kakovost značilnic, ki jih je treba vključiti v izhodni prostor značilnic, medtem ko drugi določa najvišjo dovoljeno stopnjo podobnosti med značilnicama. Rezultati pokažejo, da je metoda nizko občutljiva na
oba vhodna parametra. Naučene značilnice pa statistično značilno izboljšajo klasifikacijsko točnost vseh testiranih klasifikatorjev, medtem ko najboljše točnosti dosežemo z uporabo klasifikatorja naključnih gozdov. Z rezultati primerjave pokažemo, da je predlagani postopek v vseh testnih primerih dosegal ali presegal klasifikacijske točnosti trenutnega stanje tehnike. Prav tako pokažemo tudi pravilnost razlage naučenih značilnic dobro preučene množice testnih podatkov.
Keywords: klasifikacija podatkov, razložljiva umetna inteligenca, učenje značilnic, odkrivanje znanja
Published in DKUM: 07.05.2024; Views: 266; Downloads: 95
Full text (1,22 MB) |
5. Problem kvantnih računalnikov v kriptografiji in post-kvantna kriptografijaDino Vlahek, 2018, master's thesis Abstract: V magistrski nalogi je predstavljen problem, ki ga kvantno računalništvo prinese v sodobno kriptografijo. Predstavljen je model kvantnega računalnika, ki temelji na kvantni teoriji, razložena je kvantna teorija, pojem kubita, kot bistven pojav kodiranja informacij s kvantnimi računalniki, osnovne kvantne kriptografije in koncepti sodobne kriptografije s poudarkom na najbolj priljubljenih asimetričnih algoritmih šifriranja. Razložene in analizirane so paradigme post-kvantnih asimetričnih šifrirnih algoritmov, implementiranih v okvir projekta Open Quantum Safe, njihova učinkovitost je primerljiva z najbolj popularnimi sodobnimi algoritmi. Za primerjavo učinkovitosti je narejen test časovne in komunikacijske zahtevnosti izbranih algoritmov. Rezultati so prikazani grafično in opisno. Rezultati eksperimenta so pokazali, da obstaja učinkovita kvantno odporna alternativa obstoječim asimetričnim šifrirnim algoritmom. Kvantni računalniki, ne kot evolucija klasičnih, ampak kot popolnoma nova vrsta računalnika, predstavljajo novo, fascinantno poglavje v računalništvu, ki se še mora razkriti.
Keywords: kriptografija, post-kvantna kriptografija, kvantni računalnik, kubit, asimetrični šifrirni algoritmi, ključi
Published in DKUM: 13.08.2018; Views: 1895; Downloads: 243
Full text (1,70 MB) |
