| | 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 / 19
First pagePrevious page12Next pageLast page
1.
Prepoznava prstov s pomočjo globokega učenja
Robert Kopušar, 2021, master's thesis

Abstract: Magistrsko delo obravnava problematiko prepoznavanja prstov na roki, s pomočjo katere lahko v ozadju upravljamo najrazličnejše naloge in procese. Delo je zasnovano kot predstavitev reševanja iste problematike s pomočjo dveh različnih pristopov in predstavitev njunih prednosti in slabosti. Z uporabo tehnologije iskanja vzorca v sliki smo se problematike lotili na direkten način in v sliki sami iskali značilnost, s pomočjo katere smo iz slike razbrali tudi želeno gesto rok s prsti. Z uporabo tehnologije globokega učenja smo iskanje značilnosti prepustili umetni inteligenci, a smo zato na začetku potrebovali veliko bazo že rešenih primerov prepoznav. Dognanja iz tega dela dajejo dobra izhodišča vsem raziskovalcem in inženirjem pri nadaljnjemu raziskovanju in implementaciji sistemov slikovne prepoznave, ki temeljijo na tehnologiji strojnega vida ali globokega učenja.
Keywords: slikovno prepoznavanje, globoko učenje, LabVIEW, TensorFlow, prst
Published: 21.06.2021; Views: 50; Downloads: 6
.pdf Full text (5,33 MB)

2.
Razvoj sistema detekcije objektov za avtonomna vozila z uporabo tehnologije LiDAR
Peter Fekonja, 2021, master's thesis

Abstract: V magistrskem delu je predstavljena uporaba LiDAR sistemov in globokega učenja v kontekstu avtonomnih vozil. Delo vključuje teoretično in eksperimentalno delo. V teoretičnem delu predstavimo aktualne rešitve za razvoj LiDAR sistemov, najpogosteje uporabljene pristope za globoko učenje in metode obdelave LiDAR točkovnih oblakov z nevronskimi mrežami. Prav tako so predstavljeni aktualni senzorski sistemi na trenutni generaciji avtonomnih vozil, podatkovne baze namenjene učenju nevronskih mrež za uporabo v avtonomnih vozilih in trenutna generacija nizkocenovnih LiDAR senzorjev. V eksperimentalnem delu naloge je podrobno predstavljena zmogljivost Livox Mid-40 LiDAR sistema ter njegova uporaba v lastni rešitvi za detekcijo objektov v prometu. Podrobno je predstavljen razvoj lastne nevronske mreže kot klasifikatorja, razvoj lastnega pristopa za lokalizacijo objektov in primerjava naših rešitev z že obstoječimi pristopi. Naš pristop k lokalizaciji objektov je dosegal boljše ali primerljive rezultate z obstoječimi metodami, v kombinaciji z našim klasifikatorjem pa bistveno slabše rezultate od trenutnih enovitih modelov nevronskih mrež s prenosom znanja.
Keywords: LiDAR, Livox Mid-40, avtonomna vozila, globoko učenje, klasifikacija, lokalizacija
Published: 01.03.2021; Views: 362; Downloads: 31
.pdf Full text (8,28 MB)

3.
Ocenjevanje starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež
Tilen Krel, 2021, master's thesis

Abstract: Magistrsko delo se ukvarja z ocenjevanjem starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež. Razvit in implementiran je bil lasten model konvolucijske nevronske mreže za ocenjevanje starosti osebe iz digitalnega posnetka. Kot osnova za naš model je bila uporabljena in modificirana obstoječa arhitektura konvolucijske nevronske mreže VGG-Face, namenjena razpoznavanju obrazov. Za učenje in testiranje sta bili uporabljeni bazi podatkov IMDB-WIKI in FG-NET. Na bazi podatkov IMDB-WIKI je bila dosežena povprečna napaka med dejansko in ocenjeno starostjo 6,7 leta, na bazi podatkov FG-NET pa z validacijsko metodo »izpusti-eno-osebo« izračunana povprečna napaka med dejansko in ocenjeno starostjo 3,9 leta. Dobljeni rezultati so primerljivi oziroma le malo zaostajajo za najuspešnejšimi metodami za ocenjevanje starosti osebe z digitalnega posnetka. Na tej osnovi se naš model ocenjuje kot primeren za uporabo v produkcijskih rešitvah.
Keywords: računalniški vid, konvolucijske nevronske mreže, globoko učenje, ocenjevanje starosti
Published: 17.02.2021; Views: 157; Downloads: 28
.pdf Full text (1,01 MB)

4.
Uporaba umetne inteligence v rešitvah crm na primeru rešitve salesforce
Nina Belšak, 2020, undergraduate thesis

Abstract: Kupec je najpomembnejši del prodajnega procesa, saj brez kupca ni prodaje in brez prodaje ni dobička. Zato je upravljanje odnosov s kupci, skrajšano CRM, bil in bo ostal eden najpomembnejših pojmov na področju prodaje. Skozi leta se je prodajni proces spreminjal, z njim pa so se spreminjale zahteve in pričakovanja strank. Zaradi vedno večjih zahtev strank, velikih količin podatkov in vedno več dela, so nastali prvi CRM sistemi. V prvem delu diplomske naloge bo podrobneje opisano celotno področje upravljanja odnosov s strankami. Opisane bodo funkcionalnosti, vrste, prednosti in slabosti ter cilji in trendi CRM rešitev. V zadnjih letih je vedno pogostejši CRM v oblaku, preko katerega se povežemo s pomočjo internetne povezave. Sistemi, ki temeljijo na oblaku, omogočajo hitrejše, enostavnejše in cenejše prilagajanje spremembam. Zato jih je lažje integrirati tudi z drugimi aplikacijami. V drugem delu bo opisana integracija CRM-ja z AI. AI oziroma umetna inteligenca pomeni zmožnost posnemanja človeških reakcij, dejanj in čustev s pomočjo strojev, robotov in računalnikov. AI rešitev CRM rešitev nadgrajuje s svojimi naprednimi funkcijami, kot so: strojno učenje, globoko učenje, avtomatizacija procesov, napovedi prodaje in uspešnih poslov, prilagojeni klepeti, obdelava naravnega jezika, strojni vid, čustvena analitika in mnoge druge. Na koncu diplomske naloge bo predstavljeno podjetje Salesforce, ki je globalna in vodilna platforma za CRM, uporablja pa jo več kot 150.000 podjetij po vsem svetu. Je sistem, s samostojnimi aplikacijami za prodajo, ki temeljijo na oblaku, zato jih lahko na enostavne načine integriramo z zunanjimi aplikacijami, kot so e-pošta in socialni mediji. Ena izmed najvplivnejših rešitev Salesforca je Einstein. Salesforce Einstein pozitivno vpliva na področja marketinga, prodaje in storitev za stranke. Opisane bodo zmogljivosti in prednosti, ki jih rešitev Salesforce Einstein predstavlja za različna podjetja. Je eden izmed primerov umetne inteligence integrirane z rešitvijo CRM.
Keywords: Upravljanje odnosov s strankami, Umetna inteligenca, Salesforce, Einstein, Strojno učenje, Globoko učenje, Sistem v oblaku, Prodajni proces
Published: 24.11.2020; Views: 196; Downloads: 67
.pdf Full text (1,31 MB)

5.
Razvoj umetne inteligence pri tehnoloških multinacionalkah
Aljaž Vitko, 2020, master's thesis

Abstract: Umetna inteligenca je široka panoga računalništva, ki se ukvarja z gradnjo pametnih strojev, sposobnih za izvajanje nalog, ki običajno zahtevajo človeško inteligenco. Gre za interdisciplinarno znanost z več pristopi, vendar napredek v strojnem učenju, kakor tudi v globokem učenju ustvarja premik paradigme v skoraj vseh sektorjih tehnološke industrije. Pojem umetne inteligence je za marsikoga še nekaj novega in neraziskanega, vendar najdemo zametke umetne inteligence že v letu 1950, ko se je matematik Alan Turing spraševal, ali lahko stroji mislijo. Pomembno je razumevanje in razlikovanje pojmov umetne inteligence, strojnega učenja in globokega učenja. Umetno inteligenco smo že na kratko povzeli, strojno učenje je podvrsta umetne inteligence, kjer gre za učenje iz izkušenj, globoko učenje je nadalje podskupina strojnega učenja, ki se je sposobno učiti samo. Pomembnost umetne inteligence se skozi leta samo povečuje, kar pa ne preseneča, saj le ta prinaša olajšanje človekovega življenja, podjetjem pa prinaša korist od povečane donosnosti in gospodarsko rast. Umetna inteligenca prinaša številne prednosti, posledično pa se je težko izogniti tudi določenim slabostim. Kot splošno prednost lahko izpostavimo, da umetna inteligenca opravlja rutinska dela namesto ljudi, ki lahko v tem času opravijo zanj pomembnejša oziroma umsko zahtevnejša dela. Kar je ob enem lahko prednost, pa je lahko tudi slabost, saj lahko pride do kršenja zasebnosti (varstvo osebnih podatkov) ali pa ukinitve delovnega mesta zaradi avtomatizacije. Skupaj z razvojem umetne inteligence se mora zato razvijati tudi etičnost, katera se mora vgraditi v sisteme, tako da je v skladu z našimi standardi in človekovimi pravicami in svoboščinami. V empiričnem delu magistrske naloge smo se osredotočili na analizo umetne inteligence pri svetovnih multinacionalkah. Zanimalo nas je, ali imajo podjetja s podobno dejavnostjo tudi podobno razvito umetno inteligenco, zato smo le to preučevali med dvema podjetjema, ki se ukvarjata s podobno dejavnostjo in sicer je primerjava stekla med spletnima družbenima omrežjema (Facebook in Twitter), spletnima iskalnikoma (Google in Bing), spletnima trgovinama (Alibaba in Amazon). Z analizo smo pri vsaki dvojici podjetij našli skupna stičišča in jih tudi predstavili. Nadalje nas je zanimalo, ali lahko pri vseh preučevanih podjetjih najdemo kakšno skupno točko in glede da gre za tehnološke multinacionalke smo lahko tudi pri tem našli povezave, kakor pa tudi razlike v razvitosti. Za vsa podjetja lahko sklenemo, da so se intenzivno usmerila v razvoj umetne inteligence in so le to povzpela na visoki nivo, še vedo pa tudi sami vidijo možne izboljšave in nadaljnji razvoj, v katerega tudi vlagajo veliko sredstev. Skozi magistrsko nalogo smo želeli prikazati, da se umetni inteligenci v današnjem času več ne moremo izogniti niti v zasebnem življenju. Večina velikih podjetij je umetno inteligenco že vključila v svoje poslovanje, srednje velika in mala podjetja pa se ji prav tako več ne bodo mogla izogibati, če želijo slediti hitro spreminjajočem se poslovnem okolju. Ker pa je umetna inteligenca skoraj tako pametna kot človek, v nekaterih pogledih ga celo prekaša, pa bo ključno tudi, da se uredi stroga globalna zakonodaja v izogib potencialnim zlorabam.
Keywords: umetna inteligenca, strojno učenje, globoko učenje, tehnologija, umetna inteligenca v podjetjih
Published: 09.11.2020; Views: 235; Downloads: 96
.pdf Full text (1,19 MB)

6.
Napovedovanje geoprostorskih rastrskih podatkov s konvolucijskimi nevronskimi mrežami
Mitja Žalik, 2020, undergraduate thesis

Abstract: V diplomskem delu predstavimo uporabo konvolucijskih nevronskih mrež za napoved geoprostorskih rastrskih podatkov. V prvem delu opišemo geoprostorske podatke in zgradbo ter značilnosti konvolucijskih nevronskih mrež. V drugem delu predlagamo model nevronske mreže, ki ga uporabimo za dolgoročno napoved sončnega potenciala in kratkoročno napoved vegetacijskega indeksa NDVI. Povprečna napaka po metriki NRMSE znaša 0,22% pri napovedi sončnega potenciala in 15% pri napovedi indeksa NDVI. Diplomsko delo zaključimo s predlogi možnih razširitev.
Keywords: umetna inteligenca, globoko učenje, konvolucijske nevronske mreže, geoprostorski podatki, rastrski podatki
Published: 04.11.2020; Views: 119; Downloads: 38
.pdf Full text (3,14 MB)

7.
Prepoznava divjih živali na slikah z uporabo rezidualnih nevronskih mrež
Mitja Lakič, 2020, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s prepoznavanjem divjih živali na slikah z uporabo rezidualnih nevronskih mrež. Namen diplomskega dela je predstaviti rezidualne nevronske mreže in probleme, ki jih te mreže rešujejo. Pri prepoznavanju živali smo se omejili na 10 različnih kategorij divjih živali, podatkovna množica pa je bila sestavljena iz 10.000 slik. Rešitev smo razvili s pomočjo programskega jezika Python in programske knjižnice PyTorch. Primerjali smo rezultate treh različnih modelov nevronskih mrež, kjer je najboljši model dosegel 99,9-% točnost prepoznavanja. Ugotovili smo, da rezidualne nevronske mreže z uporabo preskočnih povezav zelo ugodno vplivajo na točnost modela, pri tem pa se najbolje izkažejo modeli, ki so bili predhodno naučeni.
Keywords: rezidualna nevronska mreža, računalniški vid, prepoznavanje divjih živali, globoko učenje, izginjajoči gradient
Published: 03.11.2020; Views: 123; Downloads: 42
.pdf Full text (2,67 MB)

8.
Klasifikacija časovnih vrst s konvolucijskimi nevronskimi mrežami
Domen Kavran, 2020, master's thesis

Abstract: V magistrskem delu predstavimo klasifikacijo časovnih vrst z uporabo konvolucijskih nevronskih mrež. Klasifikacija je izvedena nad časovno-frekvenčnimi predstavitvami časovnih vrst, ki so pridobljene z različnimi metodami časovno-frekvenčne analize. Zasnovali smo več arhitektur konvolucijskih nevronskih mrež za klasifikacijo časovnih vrst. Optimizacijski algoritmi za učenje konvolucijskih nevronskih mrež so uporabljali napredno izgubno funkcijo, imenovano žariščna izguba. Za najuspešnejšo metodo izračuna časovno-frekvenčnih predstavitev časovnih vrst se je izkazala zvezna valčna transformacija, s katero smo dosegli povprečno natančnost klasifikacije 90,07 %. Združitev različnih časovno-frekvenčnih predstavitev je izboljšala povprečno natančnost klasifikacije na 92,01 %.
Keywords: klasifikacija, globoko učenje, konvolucijske nevronske mreže, časovne vrste, časovno-frekvenčna analiza
Published: 03.07.2020; Views: 295; Downloads: 117
.pdf Full text (10,95 MB)

9.
Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami
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: 23.11.2019; Views: 453; Downloads: 135
.pdf Full text (3,78 MB)

10.
Globoko učenje in igra dama
Jan Popič, 2019, undergraduate thesis

Abstract: V zaključnem delu smo zasnovali računalniški program AlphaLady, ki se je sposoben naučiti igranja igre dama brez vnosa človeškega znanja. Za dosego tega smo uporabili vzpodbujevalno učenje, drevesno preiskovanje Monte Carlo in globoke konvolucijske mreže za ocenitev posameznih stanj v igri. Predstavili smo programe Alpha Go, AlphaGo Zero in AlphaZero, na podlagi katerih je zasnovan naš program. Opisali smo uporabljeno ogrodje in teoretično ozadje uporabljenih pristopov. Uspelo nam je naučiti 9 različic programa, pri čemer je vsaka naslednja različica enakovredna ali boljša kot prejšnja.
Keywords: umetna inteligenca, globoko učenje, konvolucijska nevronska mreža, drevesno preiskovanje Monte Carlo, vzpodbujevalno učenje, igra dama
Published: 13.11.2019; Views: 511; Downloads: 164
.pdf Full text (749,47 KB)

Search done in 0.3 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica