| | 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 / 437
First pagePrevious page12345678910Next pageLast page
1.
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: 62; Downloads: 15
.pdf Full text (1,01 MB)

2.
Einsteinovi nihajni načini atomov v kletkah klatrata Cs8Na16Ge136
Vanja Sandrin, 2013, undergraduate thesis

Abstract: V seminarju opišemo znane modele za specifično toploto trdnin. Izmerimo specifično toploto vzorca Cs8Na16Ge136 in te meritve prilagajamo s prilagoditvenimi funkcijami, v katere vključimo Debyejevo in Einsteinovo enačbo za specifično toploto. Iz prilagajanja dobimo Debyejevo in Einstenovi temperaturi ter njihove vrednosti pojasnimo s strukturo klatrata tipa II. Specifično toploto vzorca primerjamo s specifično toploto praznega klatrata Ge136 ter Na24Si136 in ugotovimo vpliv gostov znotraj kletk na specifično toploto klatrata.
Keywords: Specifična toplota trdnin, Einsteinov model, Debyejev model, nihanja kristalne mreže, klatrati
Published: 04.02.2021; Views: 25; Downloads: 3
.pdf Full text (653,82 KB)

3.
Razpoznavanje človeških emocij na digitalnih posnetkih s pomočjo konvolucijskih nevronskih mrež
Aleš Pernat, 2020, master's thesis

Abstract: V magistrskem delu smo se ukvarjali z razvrščanjem šestih osnovnih človeških emocij in nevtralnega izraza s pomočjo digitalnih posnetkov in konvolucijskih nevronskih mrež. Pregledali smo področje razpoznavanja človeških emocij in natančno preučili konvolucijske nevronske mreže. Implementirali smo več modelov sodobnih konvolucijskih nevronskih mrež, ob tem pa razvili tudi lastne modele. Uporabili smo knjižnico Tensorflow in programski jezik Python. Naše predlagane rešitve smo preizkusili na prosto dostopnih podatkovnih zbirkah CK+, MMI in JAFFE. Slike iz podatkovnih zbirk smo obogatili z zrcaljenjem in rotiranjem, tako da smo dobili večjo količino podatkov. Za validiranje smo uporabili pristop, neodvisen od subjekta, in petkratno navzkrižno validacijo. Najboljši rezultati razvrščanja z našimi predlaganimi metodami so bili 91,65 % na zbirki CK+, 59,08 % na zbirki MMI in 67,86 % na zbirki JAFFE. Rezultati na zbirki CK+ so primerljivi z rezultati sorodnih del, na preostalih dveh zbirkah pa je uspešnost razvrščanja z našimi pristopi bistveno slabša od rezultatov sorodnih del.
Keywords: človeške emocije, konvolucijske nevronske mreže, digitalne slike, strojno učenje
Published: 04.01.2021; Views: 64; Downloads: 19
.pdf Full text (1,30 MB)

4.
Zaznava oljnih madežev v multispektralnih satelitskih slikah
Marko Kužner, 2020, undergraduate thesis

Abstract: V tem diplomskem delu predstavljamo analizo metod za zaznavanje oljnih madežev na vodni površini s satelitom TRISAT. Primerjali smo metodo največjega verjetja in nevronsko mrežo. Algoritma smo učili in testirali nad dvema različnima bazama podatkov. Z rezultati smo pokazali, da je metoda največjega verjetja računsko in prostorsko bolj spremenljiva pri manjšem številu vhodnih podatkov, medtem ko se je nevronska mreža izkazala za natančnejšo. S primerjavo najboljših izbranih kanalov nad bazama podatkov smo pokazali, da so si izbrani kanali podobni. Rezultate tega diplomskega dela lahko uporabimo za izvedbo algoritma nad referenčnimi slikami satelita TRISAT.
Keywords: satelit TRISAT, metoda največjega verjetja, nevronske mreže, zaznavanje olja, kratkovalovni infrardeči spekter
Published: 01.12.2020; Views: 268; Downloads: 0
.pdf Full text (1,57 MB)

5.
Klasifikacija besedila s prenosnim učenjem
Jure Žerak, 2020, master's thesis

Abstract: Magistrsko delo ima namen preizkusiti metodo prenosnega učenja na obdelavi naravnega jezika in jo primerjati s klasičnimi metodami učenja nevronskih mrež, metodo LSTM. V delu sta uporabljena opisna metoda za teoretični in eksperiment za praktični del dela. V slednjem smo ugotovili, da je metoda prenosnega učenja na majhni količini podatkov bolj točna od klasičnih metod, vendar za to potrebuje več časa. Delo primerja prednaučeni model Bert in klasično metodo LSTM, zato je priporočljivo primerjati rezultate tudi z drugimi prednaučenimi modeli in klasičnimi metodami.
Keywords: nevronske mreže, prenosno učenje, NLP, PyTorch, LSTM
Published: 01.12.2020; Views: 55; Downloads: 17
.pdf Full text (1,99 MB)

6.
Klasifikacija z utežem agnostičnimi nevronskimi mrežami
Marko Mlakar, 2020, master's thesis

Abstract: V magistrskem delu je predstavljena metoda iskanja utežem agnostičnih nevronskih mrež, ki temelji na genetskem algoritmu, imenovanem NeuroEvolution of Augmenting Topologies (NEAT). Evalviranje genomov z vzorčenjem uteži iz fiksne uniformne množice naključnih vrednosti minimizira pomembnost uteži, s čimer je poudarek le na optimizaciji topologije. To omogoča utežem agnostičnim nevronskim mrežam opravljanje različnih nalog brez predhodnega učenja utežnih vrednosti. Naša implementacija je bila prilagojena za povezovanje z odprtokodno knjižnico Scikit-learn, ki smo jo javno objavili v obliki PyPi paketa. V eksperimentalnem delu smo se osredotočili na primerjavo evolucijskih in utežem agnostičnih nevronskih mrež na primeru reševanja klasifikacijskih problemov. Rezultate smo evalvirali z uporabo statističnih metod, ki so pokazale, da utežem agnostične nevronske mreže proizvedejo več skritih nevronov kot evolucijske, vendar uspejo doseči primerljivo točnost zgolj s pravilno topologijo, brez optimizacije uteži.
Keywords: utežem agnostične nevronske mreže, klasifikacija, nevroevolucija, NEAT
Published: 01.12.2020; Views: 93; Downloads: 26
.pdf Full text (3,89 MB)

7.
Napovedovanje intervencij z uporabo umetne inteligence
Rok Rutnik, 2020, master's thesis

Abstract: Namen naloge je izdelava matematičnih modelov napovedovanja za odločitve upravljanja, osnovane na inteligentnih, kvantitativnih analizah. Magistrsko delo obravnava področje napovedovanja števila interventnih dogodkov Gasilske brigade Maribor s pomočjo umetne inteligence in regresijskih modelov. Učne množice podatkov so bile pridobljene iz baz podatkov SPIN in ARSO, obdelane v programskem jeziku Python, modeli napovedovanja pa programirani v programskem paketu MATLAB. Cilj naloge je bil izdelava štirih regresijskih algoritmov, umetne nevronske mreže LSTM in NARX za napovedovanja dogodkov, njihove rezultate pa preko metrik ocenjevanja natančnosti medsebojno primerjati. Rezultati napovedovanja nekaterih učnih množic so bili zaradi majhnih korelacijskih povezav slabi, zato teh dogodkov nismo mogli napovedovati. Požarne intervencije in naravne nesreče so dale dovolj dobre rezultate korelacijskih analiz, zato so bile uporabljene v izgradnji nevronskih mrež. Glede na rezultate zbranih modelov menimo, da so nevronske mreže primernejše za napovedovanje interventnih dogodkov kot regresijski modeli.
Keywords: napovedovanje, umetna inteligenca, nevronske mreže, strojno učenje, regresija
Published: 11.11.2020; Views: 81; Downloads: 22
.pdf Full text (7,00 MB)

8.
Strojno učenje računalniškega igralca v igri Havannah
Nino Serec, 2020, undergraduate thesis

Abstract: V zadnjih letih je bil na področju umetne inteligence z uporabo okrepitvenega učenja nevronskih mrež dosežen preboj pri sposobnostih računalnika za igranje iger na deski, kot je Go, pri katerih je bil človek doslej močnejši nasprotnik. V diplomskem delu raziščemo algoritem igranja iger AlphaZero, ki kombinira tehnike preiskovanja dreves Monte Carlo in okrepitvenega učenja nevronskih mrež. Algoritem začne brez posebnega predznanja o dobrih strategijah, vendar se moč algoritma s postopkom učenja, ki se ponavlja iterativno, konstantno povečuje. V diplomskem delu opišemo in implementiramo osnovno obliko AlphaZero za igranje igre Havannah. Naučimo več različic modela nevronskih mrež, kjer vsak naslednik premaga svojega prednika in postane prvak. S tem pokažemo, da se lahko računalniški igralec uči igranja igre Havannah samo s podanimi pravili igre, tako da je sposoben premagati povprečnega človeškega igralca.
Keywords: igra Havannah, drevesno preiskovanje Monte Carlo, nevronske mreže, okrepitveno učenje, tabula rasa
Published: 11.11.2020; Views: 164; Downloads: 26
.pdf Full text (1,29 MB)

9.
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: 54; Downloads: 22
.pdf Full text (3,14 MB)

10.
Zasnova in razvoj sistema za rudarjenje mnenja, s pomočjo besednih vektorjev in nevronskih mrež
Miha Hozjan, 2020, master's thesis

Abstract: V zadnjih letih je, predvsem s porastom socialnih medijev, analiza sentimenta postala ena izmed glavnih vej obdelave naravnega jezika. Intenzivno se uporablja na različnih področjih, med drugim tudi v političnem prostoru. V sklopu magistrske naloge smo izdelali sistem za rudarjenje mnenja, ki uspešno razvrsti komentarje, zapisane v slovenskem jeziku, v tri kategorije, in sicer pozitivne, negativne in nevtralne. Po proučitvi strokovne in znanstvene literature ter razvoju in primerjavi različnih modelov nam je uspelo pokazati, da lahko z uvedbo besednih vektorjev v kombinaciji z nevronskimi mrežami občutno izboljšamo delovanje takšnega sistema.
Keywords: analiza sentimenta, besedni vektorji, nevronske mreže, obdelava naravnega jezika
Published: 03.11.2020; Views: 45; Downloads: 14
.pdf Full text (1,22 MB)

Search done in 0.29 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica