31. Spletna aplikacija za testiranje stohastičnih algoritmov : diplomsko deloTadej Podrekar, 2021, undergraduate thesis Abstract: V diplomski nalogi smo implementirali spletno aplikacijo za testiranje stohastičnih algoritmov. Stohastični algoritmi za optimizacijo potrebujejo veliko zagonov algoritma in procesorske moči, da najdejo dobro rešitev. Da zmanjšamo čas zagonov algoritmov lahko uporabimo princip porazdeljenega računanja. S tem omogočimo zaganjanje algoritma več uporabnikom, ki sodelujejo pri iskanju rešitve tako, da darujejo svojo procesorsko moč. Takšen sistem vsebuje spletno aplikacijo, aplikacijski vmesnik in podatkovno bazo. Spletna aplikacija omogoča administratorju nalaganje algoritmov in problemov ter ostalim uporabnikom sodelovanje pri reševanju problema. Naloga aplikacijskega vmesnika je procesiranje zahtev, ki jih uporabniki izvajajo na spletni strani in komunikacija s podatkovno bazo. Podatkovna baza nam omogoča shranjevanje rezultatov zagonov, ki so jih opravili uporabniki spletne aplikacije. Na osnovi teh podatkov smo omogočili primerjavo učinkovitosti algoritmov. S pomočjo spletne aplikacije smo omogočili porazdeljeno testiranje stohastičnih algoritmov. Keywords: stohastični algoritmi, spletna aplikacija, testiranje Published in DKUM: 18.10.2021; Views: 973; Downloads: 142
Full text (1,32 MB) |
32. Optimizacijski algoritem na osnovi iskanja hrane bakterij : diplomsko deloŽiga Stupan, 2021, undergraduate thesis Abstract: V diplomskem delu smo raziskali področje optimizacije in optimizacijskih algoritmov po vzorih iz narave. Opisali smo optimizacijski algoritem na osnovi iskanja hrane bakterij, njegove biološke osnove, modifikacije in aplikacije. V empiričnem delu smo osnovno različico algoritma implementirali v programskem jeziku Python, kot razširitev ogrodja za razvoj in preizkušanje algoritmov po vzorih iz narave NiaPy. Implementiran algoritem smo preizkusili na desetih popularnih testnih funkcijah različnih dimenzij (10, 20 in 30). Rezultate smo nato primerjali z rezultati treh popularnih algoritmov po vzorih iz narave (DE, PSO in BA). Ugotovili smo, da osnovni algoritem BFO v večini primerov močno zaostaja za prej omenjenimi algoritmi v kakovosti najdenih rešitev. Keywords: algoritmi po vzorih iz narave, inteligenca rojev, optimizacija na osnovi iskanja hrane bakterij Published in DKUM: 18.10.2021; Views: 906; Downloads: 79
Full text (569,91 KB) |
33. |
34. Primerjava metod rekonstrukcije 3D objektov iz sintetičnih slik in videoposnetkov operacijskih posegov : diplomsko deloAljaž Žel, 2021, undergraduate thesis Abstract: V diplomskem delu primerjamo metode 3D rekonstrukcij na sintetičnih videoposnetkih. V ta namen smo ustvarili 3D sceno laparoskopskega operacijskega posega in iz njega naredili videoposnetek. Nato smo nad sintetičnimi videoposnetki pognali metode za 3D rekonstrukcijo. Dobljene 3D modele smo primerjali z izvornimi in tako ocenili uspešnost uporabljenih algoritmov. V diplomskem delu najprej predstavimo uporabljene algoritme rekonstrukcije. Nato opišemo postopek izdelave modela ter implementacije ogrodja za testiranje. Sledi testiranje uspešnosti rekonstrukcije. Na koncu rezultate analiziramo in predstavimo možne razširitve. Povprečno odstopanje rekonstruiranih 3D modelov po metriki Hausdorffove razdalje znaša 14,86 %. Ugotovili smo, da na uspešnost rekonstrukcije najbolj vpliva lokacija laparoskopa in tekstura modela. Keywords: algoritmi 3D rekonstrukcije, struktura iz gibanja, modeliranje, operacijski poseg Published in DKUM: 18.10.2021; Views: 869; Downloads: 83
Full text (2,11 MB) |
35. Adversarna motnja razpoznave slik nevronske mreže s pomočjo evolucijskega algoritma : diplomsko deloRok Kukovec, 2021, undergraduate thesis Abstract: Uspešnost prepoznavanja slik z uporabo nevronskih mrež je odvisna od parametrov in filtrov, optimiziranih skozi učni proces. Tukaj najdemo razliko v načinu prepoznavanja motivov med ljudmi in stroji. Pojavi se vrzel, ki jo napadalec s pomočjo adversarnih motenj lahko izkoristi. Slike so na videz neopazno spremenjene, ljudje razlike težko zaznajo, vendar klasifikacija nevronske mreže odpove. To delo raziskuje poustvarjanje slik z evolucijskim algoritmom. Konvolucijska nevronska mreža AlexNet po spremembi ne more prepoznati predhodno jasnih motivov. Človeku prepoznavna slika se ohrani. Pari izvirnih in poustvarjenih slik so bili primerjani z uporabo vizualne ocene in statističnih metrik. Keywords: adversarna motnja, evolucijski algoritmi, konvolucijske nevronske mreže, računalniški vid Published in DKUM: 24.08.2021; Views: 1578; Downloads: 176
Full text (5,61 MB) |
36. |
37. |
38. |
39. Steganografsko skrivanje podatkov v Haarovem prostoru videa : magistrsko deloJernej Mihelač, 2021, master's thesis Abstract: V magistrskem delu predstavimo atraktivno področje računalništva, steganografijo, ki se ukvarja z neopaznim skrivanjem podatkov. Prikrita komunikacija oziroma neopazno pošiljanje sporočil je zelo pomemben dejavnik v današnji družbi, kjer nas na vsakem koraku obkrožajo različne novice in informacije. Tako kot lahko informacije sporočamo na različne načine, tako lahko tudi podatke skrivamo v različne medije, ki se uporabljajo za komuniciranje. V tej magistrski nalogi predstavimo steganografski algoritem za skrivanje podatkov v videoposnetkih s pomočjo Haarove transformacije in algoritma F5. Z rezultati pokažemo učinkovitost predstavljenega postopka za skrivanja podatkov v videoposnetkih z namensko dodanim šumom. Keywords: steganografija, skrivanje podatkov, Haarova transformacija, videoposnetki, algoritmi Published in DKUM: 24.03.2021; Views: 739; Downloads: 74
Full text (2,74 MB) |
40. Ogrodje NiaAML za samodejno strojno učenje : magistrsko deloLuka Pečnik, 2021, master's thesis Abstract: V magistrskem delu smo raziskali področje samodejnega strojnega učenja in natančneje metodo za samodejno strojno učenje, imenovano NiaAML. Osredotočili smo se predvsem na iskanje klasifikacijskih cevovodov s pomočjo stohastičnih populacijskih algoritmov po vzorih iz narave. S pomočjo programskega jezika Python in knjižnic, ki jih ponuja, smo razvili istoimensko ogrodje za samodejno strojno učenje NiaAML, namenjeno iskanju in optimizaciji klasifikacijskih cevovodov. V ogrodju smo metodo NiaAML poskusili še izboljšati, nato pa smo primerjali rezultate med originalno in spremenjeno metodo NiaAML. Keywords: algoritmi po vzorih iz narave, klasifikacijski cevovodi, samodejno strojno učenje Published in DKUM: 17.02.2021; Views: 1245; Downloads: 174
Full text (885,17 KB) |