| | 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 / 84
First pagePrevious page123456789Next pageLast page
1.
2.
3.
Model upravljanja informacijske varnosti v organih javne uprave : specialistično delo
Anton Ujčič, 2009, specialist thesis

Keywords: AJPES, analiza tveganja, drevo odpovedi
Published: 21.04.2009; Views: 3304; Downloads: 410
.pdf Full text (4,32 MB)

4.
ANALIZA OKOLJEVARSTVENEGA ZAVEDANJA DVOJE IZBRANIH EKOLOŠKIH KMETIJ
Mateja Lepej, 2009, undergraduate thesis

Abstract: V diplomski nalogi preverjamo, v kolikšni meri so kmetije že uvedle ekološki management in za katere okoljevarstvene ukrepe so se odločili. Na osnovi ugotovitev iz intevjuva smo izdelali priporočila. Naslov diplomske naloge se glasi Analiza okoljevarstvenega zavedanja dvoje izbranih ekoloških kmetij. Naloga je razdeljena na pet poglavij. Po uvodnem delu, ki opisuje problem in področje raziskovanja, osnovne teze in trditve, predpostavke in omejitve raziskav, sledi drugo poglavje, kjer smo podrobneje opredelili ekoturizem in ekološki management. V tretjem poglavju sta predstavljeni slovenska Ekološko počitniška kmetija Lešnik in avstrijska Bio kmetija zdravja Willibald Gamsjäger. Ponudbo obeh kmetij smo natančno opisali; podatke smo pridobili na osnovi intervjuja. V četrtem poglavju smo na osnovi spoznanja iz intervjujev lastnikov kmetij ter pregleda strokovne literature na temo ekološkega managementa izdelali priporočila za ravnanje na področju surovin, vode, energije, odpadkov in transporta. Predlagali smo tudi nekaj novosti, ki jih lahko uporabijo na svojih kmetijah. V zadnjem poglavju so podane še končne ugotovitve v zvezi z diplomsko nalogo.
Keywords: ekoturizem, ekološki management, Quebeška deklaracija, okoljevarstveni ukrepi, ekološko drevo, BIODAR, ekološka turistična kmetija, Počitnice na kmetiji, varčevanje z energijo, varčevanje z vodo, varčevanje s surovinami, zmanjševanje odpadkov, zmanjševanje transporta.
Published: 20.10.2009; Views: 2355; Downloads: 277
.pdf Full text (1,13 MB)

5.
6.
NAPREDNI MODELI NEPLAČILA NA PRIMERU PREBIVALSTVA
Anja Colja, 2009, undergraduate thesis

Abstract: Zavedamo se, da je za banko dodeljevanje kreditov fizičnim in pravnim osebam zelo pomemben in odgovoren proces. Zato želimo v diplomskem delu približati pomen in uporabo naprednih modelov neplačil na primeru prebivalstva. Diplomsko delo ločita dve področji. V prvem so predstavljena teoretična spoznan- ja strojnega učenja, klasifikacije, kreditnega točkovanja, metod strojnega učenja ter njihove ocene in mere. Drugo, analitično področje seznanja z raziskovalnim pro- gramom Orange in predstavitvijo ter obdelavo uporabljenih podatkov odobrenih in zavrnjenih kreditojemalcev. Izhodišče za analizo so podatki pridobljeni, iz nemškega inštituta za statistiko in ekonometrijo, zbrani leta 1994. Teoretična in empirična spoznanja metod strojne- ga učenja so pripomogla k nadaljnjim raziskavam in ugotovitvam. Poskušali smo napovedati kateri kreditojemalci bodo kredit vrnili. Iz pridobljenih rezultatov sklepamo, da bi za kakovosten in točen izid potrebo- vali sistematičen pristop (večjo količino aktualnih podatkov kreditojemalcev), saj z razpoložljivimi podatki klasifikacija novih kreditojemalcev ne bi bila uspešna. S pomočjo rezultatov metod in meril za strojno učenje smo izbrali najinformativnejše atribute. Dokazali smo, da dosežemo skoraj isto klasifikacijsko točnost z izbranimi osmimi atributi kot z vsemi dvajsetimi. Z združitvijo lastnih in izbranih karakteristik nam je uspelo zagotoviti smernice, ki bi slovenskim bankam omogočale izboljšanje sistema za odobritev kreditov. Zaključimo, da bi bilo koristno če bi banke uporabl- jale poenotena merila za dodeljevanje posojil. Zagotovile bi enakopraven, pregleden in učinkovit pristop k reševanju kreditne problematike.
Keywords: krediti, strojno učenje, klasifikacija, odločitveno drevo, metoda podpornih vektorjev, kreditno točkovanje.
Published: 11.02.2010; Views: 1803; Downloads: 250
.pdf Full text (2,60 MB)

7.
UČINKOVITA HEVRISTIKA ZA GRADNJO NAJMANJ UTEŽENE TRIANGULACIJE V PREKRIVNEM OMREŽJU
Gregor Pipan, 2010, dissertation

Abstract: Disertacija obravnava problem gradnje najmanj utežene triangulacije v prekrivnem omrežju. Prekrivna omrežja uvrščamo v skupino omrežij po meri, ki predstavljajo smer raziskav in razvoja omrežij v zadnjih letih. Poglavitni značilnosti teh omrežij sta decentralizirano upravljanje in povečevanje odpornosti omrežja na napake. Osnovni cilji doktorske disertacije so zasnova K-drevesa in hevristike najmanj utežene triangulacije ter izvedba storitve iskanja virov v prekrivnem omrežju. Algoritem K-drevesa smo zasnovali tako, da minimiziramo njegov evklidski premer in skupno dolžino povezav. Tako drevo omogoča učinkovito iskanje virov v prekrivnem omrežju. Pri hevristiki najmanj utežene triangulacije smo se osredotočili na časovno učinkovitost algoritma, ki mora omogočati tudi sprotno gradnjo in izvedbo porazdeljenega algoritma. Izvedbo storitve iskanja virov smo zasnovali na prekrivnem omrežju. Le-to združuje podomrežje povezav drevesa in podomrežje povezav triangulacije. S tem smo združili prednosti triangulacije, odpornost na napake in učinkovito preiskovanje okolice z možnostjo iskanja oddaljenih virov preko povezav drevesa. Primer uporabe storitve iskanja virov so na primer senzorska omrežja, ki se v zadnjih letih hitro širijo zaradi množice cenenih, prostorsko lociranih senzorjev, sposobnih povezovanja v brezžična omrežja. Z izvedbo eksperimentov v simulacijskem okolju smo potrdili prej omenjene trditve. Rezultati eksperimentov tako potrjujejo, da ima K-drevo bistveno krajši evklidski premer kot najmanjše vpeto drevo ob sprejemljivi skupni dolžini povezav. Rezultati eksperimentov gradnje triangulacije primerjajo skupno dolžino povezav tu predlaganega algoritma z dobro poznanim algoritmom gradnje najmanj utežene triangulacije. Algoritma gradnje K-drevesa in hevristike triangulacije smo izvedli tudi v obliki porazdeljenega algoritma. Lastnosti algoritma smo preverili s pomočjo testov časa izvajanja algoritmov v simuliranem porazdeljenem okolju. Delo zaključimo z jedrnatim in kritičnim pregledom opravljenega dela in poskusimo ovrednotiti naš prispevek na raziskovalnem področju. Na koncu nakažemo še vedno odprte probleme, možne razširitve in dodatne izboljšave algoritmov.
Keywords: najmanj utežena triangulacija, porazdeljeno drevo, prekrivno omrežje, omrežje po meri, porazdeljeni algoritem
Published: 06.01.2011; Views: 2167; Downloads: 129
.pdf Full text (2,05 MB)

8.
UČINKOVIT GENERATOR ZA SESTAVLJANJE KRIŽANK
Danijel Meklav, 2009, undergraduate thesis

Abstract: V diplomskem delu bo predstavljen pristop za sestavljanje poljubne slikovne križanke. Pristop temelji na dveh fazah. V prvi fazi generator izbere dolžine ter postavi navpična in vodoravna gesla, v drugi pa izbere gesla, ki ustrezajo postavitvi. Ključno vlogo pri uspešni postavitvi imata analiza gesel in njihova porazdelitev. Opisani bodo osnovni principi generatorjev naključnih števil in porazdelitvenih funkcij. V obeh fazah se uporabljajo povratni algoritmi in hevristična pravila. V fazi reševanja je zelo pomembno vračanje: uporabljeno je eno in večnivojsko ter vračanje na začetek. Uspešnost algoritma smo preverili na tipičnem primeru in rezultate analizirali.
Keywords: križanke, algoritmi, hevristična pravila, generatorji naključnih števil, porazdelitvena funkcija, b-drevo
Published: 20.11.2009; Views: 2386; Downloads: 438
.pdf Full text (5,07 MB)

9.
NADOMEŠČANJE MANJKAJOČIH VREDNOSTI S POMOČJO ROTACIJSKEGA REGRESIJSKEGA GOZDA
Miroslav Palfy, 2009, dissertation

Abstract: Manjkajoče vrednosti predstavljajo pogosto težavo, ki spremlja ustvarjanje podatkovnih baz, bodisi če se podatki zbirajo s pomočjo anket bodisi če so pridobljeni iz načrtovanih eksperimentov. Ne glede na to, koliko truda je vloženo za zagotavljanje popolne izpolnjenosti vprašalnikov ali v skrbno načrtovanje znanstvenega poskusa, se manjkajočim vrednostim pogosto ni možno izogniti. Nepopolni podatki so, odvisno od razmerja v katerem se pojavljajo manjkajoče vrednosti, lahko neustrezni za nadaljnjo analizo, medtem ko je brisanje vzorcev z manjkajočimi vrednostmi, posebno ko njihov odstotek ni dovolj majhen in ti vzorci predstavljajo pomembne informacije, lahko zelo neustrezno. Za reševanje tega problema se tako na področju statistične analize uporabljajo različne metode za nadomeščanje manjkajočih vrednosti. Z namenom zapolnitve vrzeli, ki obstaja med obstoječimi metodami enkratnega vstavljanja manjkajočih vrednosti in modeli, ki temeljijo na večkratnem vstavljanju in pri katerih je za vsak cikel vstavljanja potrebna ločena statistična analiza, smo v okviru disertacije razvili nov postopek nadomeščanja manjkajočih vrednosti, ki temelji na ansambelskem pristopu nadzorovanega strojnega učenja. Uporabili smo ansambel, imenovan rotacijski regresijski gozd, ki predstavlja varianto rotacijskega gozda (Rotation forest), kot so ga razvili Rodríguez, Kuncheva in Alonso (Rodríguez, Kuncheva, & Alonso, 2006), pri katerem smo namesto osnovne metode, namenjene reševanju klasifikacijskih problemov, uporabili modelno regresijsko drevo. Našo metodo za nadomeščanje manjkajočih vrednosti smo primerjali z 9 drugimi popularnimi metodami, pri čemer smo merili natančnost metod in njihovo sposobnost ohranjanja variance po vstavljanju različnih deležev manjkajočih vrednosti. Meritve smo izvedli na 14 javno dostopnih podatkovnih množicah in eni umetno ustvarjeni množici, tako da smo obravnavali vse mehanizme nastanka manjkajočih vrednosti, kot jih je definiral Rubin (Rubin, 1976). Na podlagi poizkusov smo ugotovili, da naša metoda v povprečju natančneje napoveduje manjkajoče vrednosti v izbranih podatkovnih množicah, ne glede na mehanizem nastanka manjkajočih vrednosti. Prav tako smo pokazali, da z uvedbo dodatne stohastične metode za ohranjanje variance naš rotacijski regresijski gozd bolje ohranja varianco od vseh preostalih metod, ki izvajajo enkratno vstavljanje, pri čemer po svoji natančnosti še vedno prekaša vse metode. V disertaciji smo v uvodnih, teoretičnih poglavjih podrobneje opisali problematiko manjkajočih vrednosti ter obstoječe metode, ki se najpogosteje uporabljajo za njihovo nadomeščanje. Predstavili smo rotacijski regresijski gozd in stohastično metodo za ohranjanje variance. Največjo pozornost smo posvetili rezultatom poizkusov, na podlagi katerih smo v zaključku izoblikovali priporočila za uporabo rotacijskega regresijskega gozda za nadomeščanje manjkajočih vrednosti ter predstavili izhodišča za nadaljnje delo.
Keywords: strojno učenje, rotacijski gozd, nadomeščanje manjkajočih vrednosti, regresijsko drevo, ansambel regresorjev
Published: 21.12.2009; Views: 2314; Downloads: 244
.pdf Full text (5,63 MB)

10.
VIZUALIZACIJA GEOMETRIJSKIH KOZMOLOŠKIH PODATKOV
Niko Lukač, 2010, undergraduate thesis

Abstract: Kozmološka računalniška vizualizacija omogoča astronomom nov pogled nad kozmosom in odkrivanje neznanih področij. Geometrijski kozmološki podatki, ki so pridobljeni iz različnih virov, so predstavljeni v 3D točkah s pripadajočimi lastnostmi. Zaradi naravnega obsega kozmosa je velika količina podatkov problem, ki zelo oteži realno-časovnost vizualizacije na obstoječi računalniški tehnologiji. V diplomskem delu predstavimo rešitev, ki temelji na pohitritvenih pristopih računalniške geometrije. Najprej predobdelamo podatke s prostorsko umestitvijo točk v osmiško drevo, nato sledi vizualizacija, kjer pred izrisovanjem določimo področje vidnosti in stopnjo podrobnosti. S tem zmanjšamo breme strojne opreme, ker izločimo velike količine točk glede na njihovo vidnost. Izdelali smo orodje za interaktivno vizualizacijo kozmoloških podatkov (ang. Cosmological Dataset Visualizator, CDV) s katerim je možno izvajati tudi nekatere operacije nad vizualiziranimi podatki (iskanje objektov, označevanje zanimivih področij in vizualizacija vektorjev hitrosti).
Keywords: algoritmi, osmiško drevo, stopnja podrobnosti, vidno področje, velike količine podatkov, kozmološka vizualizacija, geometrijski kozmološki podatki
Published: 01.09.2010; Views: 1899; Downloads: 221
.pdf Full text (5,11 MB)

Search done in 0.27 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica