1. Komparativna analiza orodij za vodenje projektov podprtih z umetno inteligencoNina Horvat, 2024, undergraduate thesis Abstract: Dandanes se, predvsem v podjetjih, soočajo s kompleksnimi projekti in izzivi, kot so obsežne količine podatkov, spreminjajoče zahteve, težave pri upravljanju časa ter virov in pomanjkljiva komunikacija. Napredne tehnološke rešitve in orodja za projektno vodenje postajajo ključna za uspešno izvedbo projektov. V diplomskem delu smo na začetku predstavili, kaj je projektno vodenje in katere so vrste projektov, v nadaljevanju smo predstavili umetno inteligenco, njeno uporabo pri optimizaciji projektov ter vpliv na vodenje. Ocenili smo prednosti in slabosti treh obstoječih orodij za projektno vodenje, podprtih z umetno inteligenco ter izvedli komparativno analizo izbranih orodij.
Keywords: Inteligentni sistemi, komparativna analiza orodij umetne inteligence, napovedni modeli za vodenje, umetna inteligenca, vodenje projektov.
Published in DKUM: 19.09.2024; Views: 0; Downloads: 28
 Full text (2,61 MB) |
2. Nekonvencionalni postopki obdelave : optimizacija parametrov obdelave z uporabo metod umetne inteligenceSimon Klančnik, Mirko Ficko, Janez Gotlih, Jože Balič, Maida Čohodar Husić, Đerzija Begić-Hajdarević, Ahmet Čekić, 2018, final research report Keywords: optimizacija, inteligentni sistemi
Published in DKUM: 29.09.2020; Views: 1325; Downloads: 51
Full text (974,41 KB) |
3. Koncept algoritmov za učenje gibanja robotov in za kolaborativno delo robota in človeka : indirektno programiranje robotovJanez Gotlih, Timi Karner, Tadej Rojko, Stašo Frlež, 2020, treatise, preliminary study, study Keywords: avtomatska kontrola, inteligentni sistemi, roboti
Published in DKUM: 25.08.2020; Views: 1077; Downloads: 40
 Full text (5,18 MB) |
4. |
5. |
6. Zajem in analiza kontekstnih podatkov o uporabnikuDavid Vrbančič, 2018, master's thesis Abstract: Svetovni splet je zaradi velikega števila podatkov postal bogat vir informacij, zato je pomembno, da uporabniku zagotovimo ustrezne informacije ob pravem času. Zajem in analiza kontekstnih podatkov nam lahko pomagata pri zagotavljanju ustreznih informacij. V sklopu magistrskega dela smo predstavili kje in na kakšen način pridobiti kontekstne podatke o uporabniku, kako le-te primerno shraniti, obdelati in predstaviti uporabniku.
Na podlagi sistematičnega pregleda literature smo ugotovili, da je zavedanje uporabnikov o pridobivanju kontekstnih informacij odvisno od predstavitve uporabe kontekstnih podatkov (pravilniki o zasebnosti). Ali pridobivanje kontekstnih podatkov uporabnike moti, je odvisno od namena uporabe kontekstnih informacij. Starost je faktor, ki ima največji vpliv na zavedanje pridobivanja kontekstnih informacij med starejšimi in mlajšimi uporabniki. Za namen izboljšanja uporabniške izkušnje uporabniki niso pripravljeni deliti kontekstne informacije, vendar verjamejo, da lahko dostop do kontekstnih podatkov izboljša učinkovitost storitev. Na podlagi pridobljenih rezultatov testiranja klasifikatorja, ki temelji na naivnem Bayesovem algoritmu, smo ugotovili, da le-ta doseže visoko natančnost klasifikacije in je posledično primeren za klasifikacijo vsebine pridobljene iz socialnih omrežij.
Možnosti za nadaljnje delo vidimo v nadgradnji inteligentnega sistema ter s tem izboljšanju natančnosti klasifikacije algoritma. Nadgrajen klasifikacijski algoritem bi pri klasifikaciji znal povezati in upoštevati čim več odvisnih dejavnikov, ki vplivajo na rezultat klasifikacije.
Keywords: kontekst, kontekstni podatki (informacije), socialna omrežja, analiza podatkov, klasifikacija podatkov, inteligentni sistemi, sistemi priporočil
Published in DKUM: 21.06.2018; Views: 1456; Downloads: 144
Full text (3,02 MB) |
7. IZDELAVA MODULA ZA POMOČ PRI VNOSU PODATKOV IN KLASIFIKACIJO SLIK ZA PROGRAMSKO OPREMO GALISMarko Kokol, 2016, undergraduate thesis Abstract: V okviru diplomskega dela je bil izdelan nov modul za komercialni programski paket Galis, ki ga razvija podjetje Semantika d.o.o. in ga uporablja večina slovenskih muzejev, prisoten pa je tudi na drugih trgih držav CE regije.
Razvit modul dodaja metode strojnega učenja in umetne inteligence z namenom povečanja produktivnosti muzejskih strokovnjakov, ki produkt uporabljajo pri svojem delu, predvsem z omogočanjem hitrejšega dostopa do informacij, avtomatizacije ponavljajočih se opravil in samodejnega razpoznavanja predmetov na vnesenih slikah.
Izdelane rešitve smo tudi preverili in potrdili, da so smiselna dopolnitev programskega paketa.
Keywords: inteligentni sistemi, segmentacija slik, razpoznavanje slik, polno besedilno iskanje, prilagojeni predlogi
Published in DKUM: 07.09.2016; Views: 1591; Downloads: 59
Full text (2,23 MB) |
8. UMETNI IMUNSKI SISTEM - S STRANI BIOLOGIJE NAVDIHNJENO RAČUNANJEAndrej Barovič Karpov, 2016, master's thesis Abstract: Cilj magistrskega dela je opis (njihova sestava in princip, po katerem delujejo), implementacija algoritmov umetnega imunskega sistema (AIS) in njihova integracija v obstoječo EARS okolje. V AIS skupino algoritmov spadajo CLONALG, NSA, aiNET in drugi. Te algoritme smo primerjali z ostalimi optimizacijskimi algoritmi, kot so: PSO, DE, ABC, in TLBO. Primerjavo med algoritmi smo izvedli na CEC skupini problemov in pri tem uporabili statistične teste (NHST) ter novejši pristop CRS4EAs.
Rezultati vsake generacije so bili podvrženi dodatnim testom za ugotavljanje eksploracijskih (raziskovalnih) in eksploatacijskih (izkoriščevalnih) lastnosti algoritma AIS.
Keywords: inteligentni sistemi, evolucijsko računanje, evolucijski algoritmi, evolucijske strategije, genetsko programiranje, genetski algoritmi, umetni imunski sistem
Published in DKUM: 07.07.2016; Views: 2188; Downloads: 139
Full text (1,67 MB) |
9. "Raziskava inteligentnih stenskih elementov" : končno poročilo o raziskovalnem projektuKaja Pogačar, Marko Jaušovec, Dušan Pogačar, Jure Glušič, Urška Pignar, Blaž Grudnik-Tominc, Vedran Vugrin, Marijan Ladić, 2014, final research report Keywords: inteligentni sistemi, stenski elementi, poslovni objekti, raziskovalni projekti
Published in DKUM: 12.01.2016; Views: 1943; Downloads: 117
Full text (519,63 KB) |
10. HITRO ODZIVNI SISTEM VODENJA PROMETA V URBANIH OKOLJIHRobert Lutar, 2015, master's thesis Abstract: V magistrskem delu so s pomočjo dinamičnega prometnega modela analizirane zamude, kapacitete, hitrosti in ostali indikatorji, ki pomembno vplivajo na cestnoprometne lastnosti in kakovost življenja v urbanih okoljih. Naloga obravnava prometni model srednje velikosti, ki vključuje geometrijske elemente prometnic obravnavanega omrežja (vrsta, kategorija, dolžina, širina, naklon), centroide in njihovo navezavo na omrežje, števne podatke za merodajno popoldansko prometnokonično obdobje (OD-matrika, struktura in nihanje prometnega toka znotraj koničnega obdobja) in križišča (nesemaforizirana, krožna, semaforizirana – krmiljenje) s predpostavko, da se je na tem urbanem cestnem omrežju pripetil nenapovedan izredni dogodek (delo na cesti ali prometna nesreča).
V nalogi bodo predstavljene prednosti hitro odzivnega sistema vodenja prometa v urbanih okoljih v primerjavi z neodzivnim, ki predstavlja večino sistemov v slovenskih mestih. Prometni model hitro odzivnega sistema vodenja in upravljanja s prometom v mestih bo vzpostavljen na podlagi več različnih detektorjev, ki bodo zaznavali vrsto prometnega sredstva, hitrost, gostoto, pretočnost prometnega toka in zajemali video, ter spremenljivih prometnih znakih. Izvedeni bosta dve skoraj identični dinamični mikrosimulaciji in primerjani na osnovi različnih karakteristik v vodenju prometa. Iz te primerjave sledijo zaključki glede možnosti uporabe takega sistema vodenja prometa v slovenskem urbanem okolju.
Keywords: planiranje prometa, modeliranje prometa, inteligentni transportni sistemi
Published in DKUM: 11.12.2015; Views: 2152; Downloads: 233
Full text (9,32 MB) |
