| | 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.
Steganografski algoritem za skrivanje podatkov v digitalnem videu
Jan Henčič, 2020, master's thesis

Abstract: V magistrskem delu predstavimo moderno steganografsko metodo za shranjevanje skrivnih podatkov v video vsebine ter omogočimo skrivanje poljubnih sporočil v izbrane odseke video posnetka. Posnetek najprej pretvorimo v frekvenčno domeno s pomočjo diskretne kosinusne transformacije, kamor se nato shranijo podatki s pomočjo metode F5. Skrivni podatki so pred shranjevanjem dodatno zaščiteni s kriptiranjem. Stisnjeni posnetki se nato v pretočni obliki preko mreže pošljejo prejemniku. Prejemnik izvede inverzni postopek in izloči skrivna sporočila. Pri steganografiji je bistveno, da ostane obstoj komunikacije prikrit. Zaradi tega je v delu izvedena tudi primerjava podobnosti izvornih posnetkov s tistimi, ki imajo v sebi skrite podatke. V rezultatih pokažemo, da večja količina skritih podatkov bolj vpliva na kvaliteto, kar je bolj opazno pri animacijah in posnetkih nižje ločljivosti. Najbolj primerni za shranjevanje podatkov so naravni posnetki višjih ločljivosti.
Keywords: skrivanje podatkov, steganografija, frekvenčna domena, video vsebina
Published: 09.03.2020; Views: 495; Downloads: 74
.pdf Full text (5,34 MB)

2.
Preprečevanje prekomernega prileganja pri učenju večplastnih nevronskih mrež
Jan Henčič, 2017, undergraduate thesis

Abstract: Diplomsko delo obravnava tematiko strojnega učenja s pomočjo uporabe umetnih nevron- skih mrež. Te so po svojih sposobnostih in načinu delovanja zelo podobne delovanju človeških možganov. Imajo sposobnost akumuliranja znanja s tako imenovanim postop- kom ”učenja”, hkrati pa so sposobne to znanje tudi shranjevati. Pravilnost delovanja mrež se s postopkom učenja, ki se ponavlja iterativno, povečuje. Ena izmed glavnih težav pri učenju nevronskih mrež je pojav prekomernega prileganja, ki se kaže v tem, da mreža ne posplošuje dobro iz učne na testno množico vzorcev. Za preprečevanje tega pojava je bilo razvitih več tehnik, katerih uporaba, učinkovitost in primerjava je predmet pričujočega diplomskega dela.
Keywords: Umetna nevronska mreža, Vzvratno razširjanje, Prekomerno prileganje, Regularizacija
Published: 06.10.2017; Views: 921; Downloads: 109
.pdf Full text (2,01 MB)

3.
Programski paket SIBACAD
Peter Henčič, 1991, undergraduate thesis

Published: 26.07.2007; Views: 1521; Downloads: 0

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