Search the digital library catalog

Abstract: V magistrskem delu smo preučili nevronske mreže in njihovo uporabo za učenje vožnje simuliranih avtonomnih vozil. Pripravili smo 3D-okolje s cesto, po kateri so se vozila učila voziti. Vsako vozilo ima svojo nevronsko mrežo, ki določa hitrost in smer vozila. Preučili in primerjali smo različne pristope učenja – evolucijski pristop in nadzorovano učenje z metodo vzvratnega prenosa napake. Cilj magistrskega dela je bil ustvariti simulirano avtonomno vozilo, ki je sposobno pravilne vožnje po desni strani ceste in se zna izmikati oviram med vožnjo.
Keywords: nevronska mreža, evolucijski algoritmi, 3D-simulacija, avtonomna vozila
Published in DKUM: 26.10.2017; Views: 1482; Downloads: 155
Full text (5,28 MB)

Abstract: Delo obravnava spremljanje in primerjavo obratovalnih lastnosti sončnih elektrarn. Vsa odstopanja v delovanju lahko spremljamo z dodatnimi meritvami na elektrarni, kot sta sončno obsevanje in temperatura celice. Na podlagi polletnih meritev parametrov delovanja je s pomočjo umetnega nevronskega omrežja v programskem paketu Matlab pripravljen algoritem za izračun napovedane moči sončne elektrarne v danem trenutku, s katerim lahko ovrednotimo pravilno delovanje le-te. Omenjeni algoritem predstavlja nadgradnjo sistema za spremljanje obratovanja sončne elektrarne. Večja razlika med izmerjenimi in z algoritmom določenimi trenutnimi izhodnimi močmi sončne elektrarne kaže na neustrezno delovanje posameznih elementov sončne elektrarne in potrebo po podrobnejšem preverjanju.
Keywords: algoritmi, napovedovanje, trenutna moč, sončne elektrarne, nevronsko omrežje
Published in DKUM: 10.10.2017; Views: 1445; Downloads: 120
Full text (704,58 KB)

Abstract: Terminiranje v proizvodnji je postopek časovnega planiranja del in virov, s ciljem optimizacije procesa proizvodnje. Namen terminiranja je zmanjšanje časa izdelave, s čimer se poveča učinkovitost proizvodnje ob zmanjšanju celotnih stroškov. Na izbiro je veliko metod terminskega planiranja, ki se med seboj lahko zelo razlikujejo, zato je vselej prisotna dilema pri izbiri najprimernejše metode za dan proces. Namen diplomske naloge je najprej predstaviti proces terminiranja na splošno, k čemur je vključen tudi ekonomski vidik. Nato pa se naloga posveča opisu pogosto uporabljenih tradicionalnih metod (poudarek na prednostnih pravilih), ter njihovi alternativi - genetskim algoritmom. Razlike med metodama so, s pomočjo primerov, opisane v zaključnem komentarju. Z implementacijo ustreznega genetskega algoritma, se lahko v določenih kompleksnih primerih skrajša terminski plan, kar pripelje do korenitega zmanjšanja proizvodnih stroškov.
Keywords: Terminsko planiranje proizvodnje, operativni management proizvodnje, upravljanje proizvodnje, prednostna pravila, genetski algoritmi
Published in DKUM: 04.10.2017; Views: 1716; Downloads: 198
Full text (1,09 MB)

Abstract: Algoritmi računske inteligence so metode, ki delujejo po vzorih iz narave in poskušajo reševati težke probleme s posnemanjem principov naravnih sistemov. Med te metode v grobem štejemo: nevronske mreže, evolucijske algoritme, algoritme inteligence rojev, umetne imunske sisteme, sisteme na osnovi mehke logike in verjetnostne metode. Skozi zgodovino so se ti algoritmi uspešno uporabljali za reševanje problemov na skoraj vseh področjih človekovega udejstvovanja, vendar do nedavnega njihove prisotnosti ni bilo zaznati na področju športa. Doktorska disertacija tako odpira novo raziskovalno področje, kjer algoritme računske inteligence uporabimo za razvoj umetnega športnega trenerja. Umetni športni trener je sistem, ki omogoča vključevanje algoritmov računske inteligence za podporo različnih faz šport\-nega treninga. V prvem delu doktorske disertacije naredimo pregled obstoječih algoritmov računske inteligence, se dotaknemo osnov športnega treninga in orišemo koncept umetnega športnega trenerja. V eksperimentalnem delu doktorske disertacije predstavljamo praktična primera uporabe umetnega šport\-nega trenerja. Prvi primer prikazuje načrtovanje športnih treningov za različne časovne cikle, medtem ko drugi vključuje uporabo algoritma rojne inteligence za odkrivanje navad športnikov. Pridobljeni rezultati dokazujejo učinkovitost umetnega trenerja ter vzpodbujajo njegov nadaljnji razvoj.
Keywords: algoritmi računske inteligence, inteligenca rojev, načrtovanje športnih treningov, podatkovno rudarjenje, umetni športni trener
Published in DKUM: 11.09.2017; Views: 2660; Downloads: 484
Full text (19,75 MB)

Abstract: Za učinkovito planiranje in sprejemanje pravih odločitev morajo danes podjetja znati predvideti stanje v prihodnosti, zato so metode za napovedovanje nepogrešljive, hkrati pa hitro se spreminjajoče politično in gospodarsko okolje vpliva na to, da osnovne metode za napovedovanje niso več dovolj. Zato smo v magistrskem delu poskušali preučiti genetske algoritme in njihovo uporabnost pri napovedovanju pretovora v Luki Koper, d. d. Izdelali smo dva avtoregresijska integrirana modela drsečih sredin s pojasnjevalnimi spremenljivkami (modela ARIMAX) za napovedovanje pretovora kontejnerjev in napovedovanje razsutega tovora. Pojasnjevalne spremenljivke so nam predstavljali različni makroekonomski kazalniki (bruto domači proizvod, uvoz/izvoz, stopnja brezposelnosti ter pariteta kupnih moči), ki vplivajo na pretovor v Luki Koper. Uporabnost genetskih algoritmov smo v modelu preizkusili dvakrat, prvič za izbiro primernih makroekonomskih kazalnikov kot vhodov ARIMAX modela, kjer smo genetske algoritme združili z regresijo delnih najmanjših kavdratov, ter drugič za izbiro najprimernejšega ARIMAX modela. Dobljena modela sta ustrezala vsem pogojem za stabilnost in ustreznost modela ter dokaj dobro zajela dinamiko časovnih vrst, zaradi česar lahko primernost uporabne genetskih algoritmom pri napovedovanju pretovora potrdimo.
Keywords: genetski algoritmi, model ARIMAX, regresija delnih najmanjših kvadratov, napovedovanje pretovora, makroekonomski kazalniki
Published in DKUM: 05.06.2017; Views: 1580; Downloads: 199
Full text (4,22 MB)