| | 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 - 10 / 100
First pagePrevious page12345678910Next pageLast page
1.
2.
Novel GPU-accelerated high-resolution solar potential estimation in urban areas by using a modified diffuse irradiance model
Niko Lukač, Domen Mongus, Borut Žalik, Gorazd Štumberger, Marko Bizjak, 2024, original scientific article

Abstract: In the past years various methods have been developed to estimate high-resolution solar potential in urban areas, by simulating solar irradiance over surface models that originate from remote sensing data. In general, this requires discretisation of solar irradiance models that estimate direct, reflective, and diffuse irradiances. The latter is most accurately estimated by an anisotropic model, where the hemispherical sky dome from arbitrary surface’s viewpoint consists of the horizon, the circumsolar and sky regions. Such model can be modified to incorporate the effects of shadowing from obstruction with a view factor for each sky region. However, state-of-the-art using such models for estimating solar potential in urban areas, only considers the sky view factor, and not circumsolar view factor, due to high computational load. In this paper, a novel parallelisation of solar potential estimation is proposed by using General Purpose computing on Graphics Processing Units (GPGPU). Modified anisotropic Perez model is used by considering diffuse shadowing with all three sky view factors. Moreover, we provide validation based on sensitivity analysis of the method’s accuracy with independent meteorological measurements, by changing circumsolar sky region’s half-angle and resolution of the hemispherical sky dome. Finally, the presented method using GPPGU was compared to multithreaded Central Processing Unit (CPU) approach, where on average a 70x computational speedup was achieved. Finally, the proposed method was applied over a urban area, obtained from Light Detection And Ranging (LiDAR) data, where the computation of solar potential was performed in a reasonable time.
Keywords: solar energy, solar potential, anisotropic diffuse irradiance, LiDAR, GPGPU
Published in DKUM: 17.12.2024; Views: 0; Downloads: 3
.pdf Full text (8,06 MB)

3.
Primerjava med enostavnim protokolom za dostop do objektov in predstavitvenim prenosom stanja za izdelavo spletnih rešitev : diplomsko delo
Gašper Zlodej, 2024, undergraduate thesis

Abstract: Razvoj spletnih aplikacij se nenehno spreminja in prilagaja novim zahtevam ter tehnološkim trendom. V diplomskem delu smo opisali in primerjali spletne storitve enostavni protokol za dostop do objektov (SOAP) in predstavitveni prenos stanja (REST). Na osnovi teh smo izdelali dve spletni aplikaciji ter pri obeh analizirali in opisali njune osnovne funkcije. Te smo medsebojno primerjali glede na časovno učinkovitost in porabo razpoložljivih podatkov ter navedli primere, kdaj je katera primernejša za uporabo.
Keywords: SOAP, REST, HTTP, spletne storitve
Published in DKUM: 03.10.2024; Views: 0; Downloads: 6
.pdf Full text (2,64 MB)

4.
5.
An efficient iterative approach to explainable feature learning
Dino Vlahek, Domen Mongus, 2023, original scientific article

Keywords: data classification, explainable artificial intelligence, feature learning, knowledge discovery
Published in DKUM: 13.06.2024; Views: 129; Downloads: 17
.pdf Full text (1,95 MB)
This document has many files! More...

6.
Graph Neural Network-Based Method of Spatiotemporal Land Cover Mapping Using Satellite Imagery
Domen Kavran, Domen Mongus, Borut Žalik, Niko Lukač, 2023, original scientific article

Keywords: multispectral, Sentinel-2, superpixel, node, EfficientNetV2, GraphSAGE
Published in DKUM: 23.05.2024; Views: 158; Downloads: 16
.pdf Full text (34,47 MB)
This document has many files! More...

7.
8.
Učinkovit iterativni algoritem učenja razložljivih značilnic za izboljšano klasifikacijo : doktorska disertacija
Dino 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: 87
.pdf Full text (1,22 MB)

9.
Postopek zaznave sprememb rabe zemljišč s časovno analizo podatkov daljinskega zaznavanja : magistrsko delo
Sašo Ivič, 2024, master's thesis

Abstract: Daljinsko zaznavanje je pridobivanje informacij brez fizičnega stika. S pomočjo satelita Sentinel-2, lahko z odbojem elektromagnetnega valovanja pridobimo informacije o površju Zemlje. Preko platforme Copernicus Open Access Hub, ki jo upravlja Evropska vesoljska agencija, lahko brezplačno dostopamo do podatkov satelitov Copernicus od leta 2015 do danes. V magistrskem delu uporabimo satelitske posnetke satelita Sentinel-2, da strojne modele naučimo prepoznavati spremembe na površju Zemlje, v določenem časovnem obdobju. V prvem delu opišemo tehnike daljinskega zaznavanja sprememb na satelitskih slikah. V nadaljevanju opišemo naši dve metodi implementacije zaznave sprememb in ju primerjamo. Ugotovimo, da obe metodi delujeta dobro in s pomočjo modela nevronskih mrež z visoko natančnostjo zaznavata spremembe na površju.
Keywords: Zaznava sprememb, Časovna analiza, Sentinel-2, Daljinsko zaznavanje
Published in DKUM: 01.03.2024; Views: 372; Downloads: 34
.pdf Full text (4,04 MB)

10.
Search done in 0.28 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica