| | 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 / 20
First pagePrevious page12Next pageLast page
1.
Reševanje problema inverzne kinematike s pomočjo algoritma diferencialne evolucije
Timi Kupčič, 2019, master's thesis

Abstract: V magistrskem delu predstavimo reševanje problema inverzne kinematike s pomočjo algoritma diferencialne evolucije. Algoritem predstavimo na primeru robotske roke PUMA 560 skupaj z dobljenimi rezultati. Dodatno ga preizkusimo tudi na robotski roki KUKA KR 16 in ostalih problemih inverzne kinematike zunaj področja robotike, s čimer nakažemo njegovo vsestranskost. Dobljeni rezultati so pokazali, da je algoritem relativno hiter in uspešen pri reševanju problema inverzne kinematike in je tako ob ustreznih nastavitvah sposoben najti dobre rešitve za katerikoli problem.
Keywords: diferencialna evolucija, inverzna kinematika, robotska roka
Published: 22.11.2019; Views: 395; Downloads: 155
.pdf Full text (3,41 MB)

2.
Avtomatsko načrtovanje in vrednotenje klasifikacijskih cevovodov v bioinformatiki
Iztok Fister, 2019, master's thesis

Abstract: Izhodišča in namen: Velikokrat na bioinformatskih podatkih izvajamo klasifikacijo, tj. razvrščanje elementov, predstavljenih z značilnicami, v enega od vnaprej določenih razredov. Sam postopek klasifikacije je zelo kompleksen, saj sestoji iz preprocesiranja podatkov, izbire klasifikatorske metode in optimizacije hiperparametrov. Zaradi kompleksnosti vse tri omenjene korake združujemo v t. i. klasifikacijske cevovode, katere morajo uporabniki, ki niso specialisti na področju strojnega učenja, načrtovati ročno. Ta postopek je časovno zelo zapleten, v določenih primerih pa se ne uspemo približati optimalni rešitvi. Raziskovalna metodologija: Avtomatski razvoj in vrednotenje klasifikacijskih cevovodov smo donedavno reševali s pomočjo genetskega programiranja (angl. Genetic Programming, krajše GP), kjer posameznike predstavimo z drevesnimi strukturami. V tem magistrskem delu predlagamo novo rešitev za reševanje omenjenega problema s pomočjo stohastičnih populacijskih algoritmov po vzorih iz narave, kjer so posamezniki predstavljeni kot vektorji realnih števil. Rezultati: Rezultati na bioinformatskih podatkovnih množicah dokazujejo, da so stohastični populacijski algoritmi po vzorih iz narave enostavni za uporabo in hkrati učinkoviti za avtomatski razvoj klasifikacijskih cevovodov. Diskusija in zaključek: Ugotavljamo, da predlagana metoda omogoča uporabo poljubnega stohastičnega populacijskega algoritma po vzorih iz narave za avtomatsko načrtovanje klasifikacijskih cevovodov, kjer so posamezniki predstavljeni kot vektorji realnih števil.
Keywords: algoritmi po vzorih iz narave, AutoML, diferencialna evolucija, klasifikacija, optimizacija
Published: 16.08.2019; Views: 543; Downloads: 132
.pdf Full text (1,09 MB)

3.
Optimizacija z omejitvami in diferencialna evolucija
Aleš Zamuda, unpublished invited conference lecture

Keywords: optimizacija, diferencialna evolucija
Published: 14.05.2019; Views: 682; Downloads: 24
URL Link to full text

4.
Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnic
Uroš Mlakar, 2019, doctoral dissertation

Abstract: V disertaciji se ukvarjamo z razvojem učinkovitega programskega sistema za izbiro značilnic, na primeru aplikacije prepoznavanja čustvenih izrazov. Predlagan sistem, ki prepoznava sedem prototipnih čustvenih izrazov, vključno z nevtralnim izrazom, temelji na histogramih usmerjenih gradientov (HOG) in vektorjih razlik. Izbiro obraznih značilnic smo izvedli z uporabo ustrezno prilagojenega algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki je hkrati minimiziral velikost izbrane podmnožice značilnic in maksimiziral natančnost razpoznavanja čustvenih izrazov. Razvili smo dve strategiji izbire značilnic, poimenovani "specifična” in ”splošna”. Statistični Friedmanov test je pokazal, da je ”splošna” strategija izbire značilnic primernejša. Implementiran sistem za razpoznavo čustvenih izrazov smo preizkusilina treh pogosto uporabljenih javnih podatkovnih bazah. Na podatkovni bazi Cohn-Kanade smo dosegli 98,37 % povprečno uspešnost prepoznavanja čustvenih izrazov, na podatkovni bazi JAFFE 92,75 % uspešnost in na najzahtevnejši podatkovni bazi MMI s spontanimi čustvenimi izrazi 84,07 % uspešnost. Število uporabljenih značilnic smo uspeli zmanjšati za 89 % originalne velikosti vektorja značilnic. Predlagan algoritem po uspešnosti sodi v sam vrh algoritmov za prepoznavanje čustvenih izrazov oseb, hkrati pa signifikantno zmanjša število uporabljenih značilnic, kar posledično pomeni nižjo računsko zahtevnost učenja klasifikatorjev. S to disertacijo smo demonstrirali učinkovito uporabo algoritma diferencialne evolucije za večkriterijsko optimizacijo na problemu prepoznavanja čustvenih izrazov.
Keywords: razpoznavanje čustvenih izrazov, izbira značilnic, diferencialna evolucija, razlike vektorjev značilnic, večkriterijska optimizacija
Published: 11.03.2019; Views: 782; Downloads: 142
.pdf Full text (1,78 MB)

5.
PARALELNA DIFERENCIALNA EVOLUCIJA IN NAČRTOVANJE PRILAGODLJIVE KROŽNE ANTENSKE SKUPINE
Matic Rues, 2016, undergraduate thesis

Abstract: V diplomskem delu predstavljamo optimizacijski algoritem, ki izračuna utežne vrednosti faze in amplitude vzbujevalnega signala za prilagajanje sevalnega diagrama krožne antenske skupine. Za osnovo temu algoritmu smo izbrali evolucijski algoritem SHADE (angl. Success-History Based Parameter Adaptation for Differential Evolution). Računanje smo izvedli na osrednji procesorski enoti. Z uporabo niti, katerim podpora je tudi del novega standarda C++11 in izrabo večnitnosti v sodobnih centralnih procesorjih, smo povečali hitrosti izvajanja. Najprej obravnavamo sorodna dela s področja optimizacije različnih prilagodljivih antenskih skupin ter področja paralelizacije algoritma diferencialne evolucije (DE). V nadaljevanju opišemo še algoritme DE s samoprilagajanjem krmilnih parametrov ter uporabo prilagodljivih antenskih skupin. Nato predstavimo našo implementacijo algoritma ter podamo dobljene rezultate, ki jih še primerjamo z nekaterimi drugimi algoritmi DE. Zaključimo z ugotovitvami in napotki za nadaljnje delo.
Keywords: diferencialna evolucija, krožna antenska skupina, prilagodljive antenske skupine, algoritem SHADE
Published: 08.09.2016; Views: 1097; Downloads: 89
.pdf Full text (12,84 MB)

6.
STISKANJE SLIK Z ALGORITMI PO VZORIH IZ NARAVE
Gregor Jurgec, 2016, master's thesis

Abstract: V delu predstavljamo postopek stiskanja slik s pomočjo optimizacijskih algoritmov iz dveh različnih družin, tj. evolucijskih algoritmov in algoritmov na osnovi inteligence rojev. V naši raziskavi smo za reševanje zadanega problema uporabili diferencialno evolucijo in optimizacijo s kukavičjim iskanjem. Osnovna algoritma smo izboljšali z adaptacijskimi in hibridizacijskimi metodami. Stiskanje slik smo izvedli s pomočjo množice primitivnih geometrijskih oblik trikotnika. Razvita algoritma smo testirali na realnih primerih stiskanja slik in kakovost rezultatov stiskanja primerjali med seboj.
Keywords: evolucijski algoritmi, inteligenca rojev, diferencialna evolucija, kukavičje iskanje, stiskanje slik.
Published: 21.04.2016; Views: 1047; Downloads: 134
.pdf Full text (2,01 MB)

7.
Študija samoprilagajanja krmilnih parametrov pri algoritmu DEMOwSA
Aleš Zamuda, Janez Brest, Borko Bošković, Viljem Žumer, 2008, original scientific article

Abstract: V članku predstavljamo študijo samoprilagodljivih krmilnih parametrov algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki ga krmili samoprilagoditveni mehanizem, predstavljen v evolucijskih strategijah. Samoprilagajanje parametrov omogoča danemu evolucijskemu algoritmu učinkovitejše iskanje, saj se algoritem lahko prilagodi optimizacijskemu problemu, ki ga rešuje. Z eksperimentom prikažemo dejanske vrednosti in spreminjanje samoprilagodljivih krmilnih parametrov na znanih testnih funkcijah.
Keywords: evolucijsko računanje, diferencialna evolucija, večkriterijska optimizacija, samoprilagoditev, algoritmi
Published: 10.07.2015; Views: 653; Downloads: 27
URL Link to full text

8.
9.
OPTIMIZACIJA POSTAVITVE NASELIJ GLEDE NA SONČNI POTENCIAL
Marko Bizjak, 2015, master's thesis

Abstract: V magistrskem delu predstavimo metodo za optimizacijo postavitve naselja na določenem območju glede na prejeti sončni potencial skozi leto. Maksimizacija sončnega potenciala naselja je eden izmed pomembnih izzivov na področju prostorskega načrtovanja, še posebej pri razvoju samooskrbnih mest. V naši aplikaciji naselja načrtujemo nad 2.5D mrežo, generirano iz podatkov LiDAR, kar nam omogoča optimizacijo v realnem okolju. Postavitev optimiziramo s prirejeno diferencialno evolucijo, pri čemer upoštevamo parametre modeliranja naselja. Za vsako kombinacijo parametrov se modelira naselje in ovrednoti glede na izračunan sončni potencial. Eksperimentalno smo poleg optimizacijskih parametrov preverili tudi vpliv različnih oblik tlorisov stavb in strategij diferencialne evolucije.
Keywords: računalniški algoritmi, diferencialna evolucija, sončni potencial, sončno obsevanje, podatki LiDAR
Published: 27.05.2015; Views: 945; Downloads: 147
.pdf Full text (5,03 MB)

10.
MATEMATIČNA OPTIMIZACIJA PORTFELJA S PRISTOPI MEAN-VARIANCE, MEAN-CVAR IN MAX-OMEGA Z OMEJITVIJO NABORA DELNIC
Aljoša Ortl, 2014, master's thesis

Abstract: Vprašanje, kam vložiti finančna sredstva, je zelo zahtevno. Pri tem nam lahko pomaga matematična optimizacija portfelja. Tradicionalni pristopi kot, je Markowitzevega Mean-Variance optimizacija s kvadratičnim programiranjem, imajo svoje slabosti, npr. predpostavko normalne porazdelitve donosov. Namesto variance kot simetrične mere tveganja lahko uporabimo alternativno mero tveganja, t. j. CVaR, ki se je v zadnjih letih zelo uveljavila tudi zaradi enostavnosti implementacije in hitrosti delovanja algoritma linearnega programiranja. Zelo zanimiva mera, ki ne zahteva nobenih predpostavk glede porazdelitve donosov, je tudi razmerje Omega, ki predstavlja razmerje med arbitrarno določenimi dobički in izgubami. Maksimizacija razmerja Omega nam lahko ponudi boljše rezultate od prej omenjenih mer, kar smo potrdili tudi s testiranjem za nazaj izven vzorca. Optimizacija razmerja zahteva uporabo hevrističnega algoritma. Uporabili smo algoritem diferencialne evolucije. Zaradi praktične uporabnosti smo dodali tudi omejitev izbora največjega števila delnic v portfelj. Pri implementaciji smo se oprli na celoštevilski genetski algoritem.
Keywords: Omega, optimizacija portfelja, genetski algoritem, diferencialna evolucija, CVaR, omejitev izbora največjega števila delnic v portfelj
Published: 13.10.2014; Views: 1498; Downloads: 356
.pdf Full text (3,00 MB)

Search done in 0.26 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica