| | 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 / 12
First pagePrevious page12Next pageLast page
1.
Inteligentni nadzor obrabe rezalnega orodja s spremljanjem toka na glavnem vretenu : magistrsko delo
Niko Turšič, 2023, master's thesis

Abstract: V magistrski nalogi je predstavljen sistem za nadzor rezalnega orodja, ki temelji na sledenju toka na glavnem vretenu z uporabo umetne nevronske mreže. Glavni namen aplikacije je razširiti vpogled, ki ga ima operater v stanje orodja med delovanjem stružnice CNC. Program za analizo lahko nemoteno deluje paralelno na procesnem računalniku in prejema podatke preko podatkovnega omrežja s krmilnika stružnice. V delu so predstavljeni proces zajemanja podatkov za učno bazo umetne nevronske mreže tipa Long-Short Term Memory, arhitektura in učenje nevronske mreže, ki je uporabljena v tej aplikaciji, ter validacija naučenega modela z umetno inteligenco na novih podatkih. Prav tako sta predstavljena tudi izdelava in delovanje programa, ki se lahko izvaja na procesnem računalniku za potrebe pomožne diagnostike orodja.
Keywords: tok na glavnem vretenu, nevronska mreža, nadzor obrabe orodja, LSTM, umetna inteligenca
Published in DKUM: 05.10.2023; Views: 192; Downloads: 21
.pdf Full text (4,61 MB)

2.
Napovedovanje porabe pitne vode z metodami časovnih vrst in strojnega učenja : diplomsko delo
Sara Dodič, 2023, undergraduate thesis

Abstract: V diplomski nalogi se ukvarjamo z napovedovanjem porabe pitne vode. Naš glavni cilj je primerjava napovednih modelov SARIMA in nevronske mreže LSTM. Pri napovedovanju se osredotočimo na časovne vrste posameznih gospodinjstev ter časovne vrste vodovodnega omrežja, ki so vzorčene mesečno. Primerjavo napovednih modelov izvedemo na podlagi njihove srednje kvadratne napake pri prileganju na časovno vrsto in napovedovanju porabe pitne vode na testni množici. Rezultati pokažejo, da se najbolje obnese model ARIMA.
Keywords: časovne vrste, napovedovanje, ARIMA, LSTM
Published in DKUM: 13.02.2023; Views: 2087; Downloads: 108
.pdf Full text (1,83 MB)

3.
Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjem
Štefan Horvat, 2022, master's thesis

Abstract: Plazovi lahko resno ogrozijo človeška življenja in povzročijo ogromno gmotno škodo. Na dinamiko plazu običajno vpliva večje število zunanjih dejavnikov, zato je napovedovanje premikov težka naloga. V sodobnem času lahko premike plazov podrobno spremljamo z natančnimi merilnimi instrumenti in tako tvorimo množico podatkov, na podlagi katere gradimo razlagalne in napovedne modele. V magistrskem delu preizkušamo različne tehnike modeliranja premikov plazu Urbas, ki spada med bolj aktivne plazove v Sloveniji. Za modeliranje dinamike plazu uporabimo modele časovnih vrst in nevronsko mrežo z dolgim kratkoročnim spominom. Najboljše prileganje je dosegla nevronska mreža z dolgin kratkoročnim spominom, katere srednja kvadratna napaka je znašala 3,37 mm. Pri napovedovanju premikov se je najbolje odrezal linearni regresijski model s srednjo kvadratno napako 0,52 mm.
Keywords: plaz, časovne vrste, linearna regresija, dinamična regresija, nevron-ske mreže LSTM
Published in DKUM: 15.12.2022; Views: 735; Downloads: 130
.pdf Full text (4,33 MB)

4.
Pametna vremenska postaja za napoved temperature s pomočjo strojnega učenja : diplomsko delo
Nejc Jeušnik, 2021, undergraduate thesis

Abstract: Namen diplomskega dela je bil razviti pametno vremensko postajo s spletno aplikacijo, ki bi omogočala napoved temperature do pet dni vnaprej. Želeli smo tudi preizkusiti kako natančne so napovedi z različnimi modeli in metodami. V diplomskem delu predstavimo zasnovo in implementacijo rešitve. Na koncu podamo rezultate napovedi. Celoten sistem je sestavljen iz razvojne plošče platforme Arduino, senzorja temperature in vlage, oblačne podatkovne baze in računalniškega strežnika z integracijo napovednih metod, ki omogoča uporabniku dostop do spletne aplikacije z vsemi rezultati v domačem omrežju.
Keywords: napoved temperature, Arduino, LSTM, SARIMA
Published in DKUM: 18.10.2021; Views: 752; Downloads: 74
.pdf Full text (1,67 MB)

5.
Klasifikacija besedila s prenosnim učenjem : magistrsko delo
Jure Žerak, 2020, master's thesis

Abstract: Magistrsko delo ima namen preizkusiti metodo prenosnega učenja na obdelavi naravnega jezika in jo primerjati s klasičnimi metodami učenja nevronskih mrež, metodo LSTM. V delu sta uporabljena opisna metoda za teoretični in eksperiment za praktični del dela. V slednjem smo ugotovili, da je metoda prenosnega učenja na majhni količini podatkov bolj točna od klasičnih metod, vendar za to potrebuje več časa. Delo primerja prednaučeni model Bert in klasično metodo LSTM, zato je priporočljivo primerjati rezultate tudi z drugimi prednaučenimi modeli in klasičnimi metodami.
Keywords: nevronske mreže, prenosno učenje, NLP, PyTorch, LSTM
Published in DKUM: 01.12.2020; Views: 786; Downloads: 92
.pdf Full text (1,99 MB)

6.
Izdelava pogovornega robota z rekurentno nevronsko mrežo LSTM : diplomsko delo
Tomaž Piko, 2020, undergraduate thesis

Abstract: V diplomskem delu so v prvem delu najprej predstavljeni pogovorni roboti in njihovi tipi, nato rekurentne nevronske mreže ter delovanje različnih celic, ki jih pri njih najpogosteje srečujemo. V drugem delu pa je prikazan primer implementacije in učenja rekurentne nevronske mreže LSTM (Long Short-Term Memory) ter izdelava mobilne aplikacije, v kateri lahko pisno komuniciramo z izdelano mrežo oziroma našim pogovornim robotom v slovenskem ali angleškem jeziku.
Keywords: pogovorni roboti, rekurentne nevronske mreže, celica LSTM, obdelava naravnih jezikov
Published in DKUM: 03.11.2020; Views: 858; Downloads: 62
.pdf Full text (1,27 MB)

7.
Development of a Model for Predicting Brake Torque Using LSTM and TCN Models : magistrsko delo
Tomaž Roškar, 2020, master's thesis

Abstract: The main purpose of this thesis is to compare two state-of-the-art machine learning models, LSTM (Long Short-Term Memory) and TCN (Temporal Convolutional Network), on an AVL List GmbH case use, where the goal is to predict vehicle brake torque. Dataset used for model testing consists of multiple features which are preprocessed using several preprocessing methods. For model implementation Python’s libraries Keras and TensorFlow are used. Results from this thesis show that TCN is able to outperform LSTM. TCN achieves lower RMSE on the test dataset and is significantly faster in training and evaluation.
Keywords: brake torque, machine learning, neural network, LSTM, TCN, RNN, CNN
Published in DKUM: 24.09.2020; Views: 1152; Downloads: 5
.pdf Full text (3,33 MB)

8.
Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami : diplomsko delo
David Pintarič, 2019, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s problemom prepoznavanja aktivnosti osebe iz zaporedja slik, pri čemer prepoznavo poskušamo izboljšati z upoštevanjem časovne komponente. To dosežemo z uporabo povratnih nevronskih mrež. Omejili smo se na naslednje aktivnosti: oseba ni v ravnovesju, se pripogiba, stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, preučili povratne nevronske mreže, pripravili množico podatkov, zasnovali algoritem, izvedli eksperimente in na koncu analizirali rezultate. Rezultati na 25 označenih videoposnetkih so pri uporabi povratne nevronske mreže pokazali 83,24 % povprečno natančnost pri uporabi tipa zaporedje v vektor in 75,53 % povprečno natančnost pri uporabi tipa zaporedje v zaporedje. Kljub temu da so dobljeni rezultati boljši od tistih, kjer ne upoštevamo časovne komponente, ugotavljamo, da povratne nevronske mreže zaradi računske zahtevnosti niso vedno najboljša izbira.
Keywords: računalniški vid, povratna nevronska mreža, pomnilna celica LSTM, pomnilna celica GRU, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Published in DKUM: 23.11.2019; Views: 1132; Downloads: 240
.pdf Full text (3,78 MB)

9.
Primerjava modelov za napovedovanje porabe električne energije : diplomsko delo
Nik Novak, 2019, undergraduate thesis

Abstract: Uspešno napovedovanje porabe električne energije je pomembno z vidika ohranitve planeta, saj zaradi ustvarjanja viška porabljamo vire brez razloga. V diplomskem delu smo primerjali dva modela za napovedovanje porabe električne energije, in sicer nevronsko mrežo LSTM in model SARIMA za napovedovanje vrednosti v časovnih vrstah. Za testiranje modelov so bili uporabljeni podatki v tedenski ločljivosti, pridobljeni od podjetja Maked Energea, d. o. o. V rezultatih se je nevronska mreža LSTM pri uporabljenih nizih podatkov izkazala kot najboljša.
Keywords: strojno učenje, LSTM, RNN, SARIMA, napovedovanje, poraba električne energije.
Published in DKUM: 21.11.2019; Views: 1088; Downloads: 124
.pdf Full text (2,02 MB)

10.
Napovedovanje zmagovalca nogometne tekme z rekurentno nevronsko mrežo LSTM : diplomsko delo
Nejc Planer, 2019, undergraduate thesis

Abstract: V diplomskem delu so predstavljene rekurentne nevronske mreže in primer njihove uporabe. V prvem delu je razloženo njihovo delovanje in vrsti nevronov, od katerih se kasneje uporabi celica LSTM (dolgo-kratko ročna spominska celica). To je aplicirano tudi na primerih napovedovanja zmagovalca, ali pade več kot 1,5 ali 2,5 gola na tekmo in ali obe ekipi zadeneta. Napovedljivost zmagovalca ligaških tekem je od 61 do 72 odstotkov, zmagovalca nogometnih turnirjev pa od 65 do 70 odstotkov. Uporabljene so angleška, francoska, italijanska, nemška, španska in slovenska liga ter tekmovanji Copa America in svetovno prvenstvo.
Keywords: napovedovanje, rekurentne nevornske mreže, celica LSTM, nogomet, umetna inteligenca
Published in DKUM: 04.09.2019; Views: 1845; Downloads: 241
.pdf Full text (2,17 MB)

Search done in 0.75 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica