Search the digital library catalog

Abstract: Magistrska naloga obravnava razvoj modela za napoved proizvodnje električne energije v sončnih elektrarnah na območju Štajerske z uporabo umetnih nevronskih mrež. Za modeliranje so bili zbrani meteorološki podatki in zgodovinski podatki o proizvodnji za 100 elektrarn na območju vzhodne Slovenije. Model je bil razvit v programskem jeziku Pythonu z uporabo knjižnice PyTorch ter testiran z različnimi arhitekturami in aktivacijskimi funkcijami. Najboljše rezultate je dosegel model z dvema skritima slojema po 128 nevronov in kombinacijo ReLU ter Sigmoid funkcij. Dosežena povprečna napaka MAPE je znašala 8–14 %, pri čemer je natančnost močno odvisna od kakovosti vhodnih podatkov.
Keywords: sončne elektrarne, umetna nevronska mreža, napoved proizvodnje električne energije
Published in DKUM: 02.12.2025; Views: 0; Downloads: 6
Full text (54,88 MB)

Abstract: V diplomskem delu smo razvili okolje računalniške igre Suika Game in agenta, ki se igre uči igrati s pomočjo okrepitvenega učenja. Igro smo poustvarili v programskem okolju Unity. Za učenje agenta smo uporabili knjižnico ML-Agents. Raziskali smo temeljna načela okrepitvenega učenja ter preučili učinkovitost agenta pri igranju igre. Naš cilj je bil razviti strategijo, s katero agent postopoma izboljšuje svojo igro in dosega čim boljši rezultat. Na osnovi več eksperimentov smo ugotovili, da naučen agent pri igranju računalniške igre Suika Game dosega rezultate, primerljive ali celo boljše od človeškega igralca.
Keywords: nevronska mreža, videoigra, okrepitveno učenje, okolje Unity, knjižnica ML-Agents
Published in DKUM: 15.10.2025; Views: 0; Downloads: 1
Full text (2,23 MB)

Abstract: V magistrski nalogi predstavimo nevronsko mrežo za napoved deformacij kože tridimenzionalnih karakterjev. Osredotočamo se na tehnike redukcije dimenzionalnosti, kot sta metoda glavnih komponent in samokodirnik. Primerjamo zmogljivost obeh pristopov glede natančnosti, uporabnosti in časovne zahtevnosti ter podamo smernice za njihovo praktično uporabo pri generiranju realistično animiranih karakterjev v filmih, računalniški grafiki in realnočasovnih okoljih. Rezultati kažejo, da samokodirnik zagotavlja višjo kakovost napovedi in boljše posploševanje kompleksnih deformacij, medtem ko PCA izstopa po hitrosti in preprosti implementaciji. Ugotovitve potrjujejo, da je izbira metode odvisna od specifičnih zahtev problema, kar omogoča prilagodljiv in učinkovit pristop za različne scenarije v računalniški grafiki.
Keywords: PCA, samokodirnik, nevronska mreža, fizikalna simulacija, deformacija mreže
Published in DKUM: 04.09.2025; Views: 0; Downloads: 15
Full text (2,49 MB)

Abstract: Živimo v času nenehnega tehnološkega napredka, ko se umetna inteligenca vztrajno vključuje v naš vsakdan. Zaradi vse pogostejših ekstremnih vremenskih pojavov se je pojavila potreba po ažurnih in kvalitetnih kratkoročnih vremenskih napovedih. Z uporabo umetne inteligence pa vse to poteka veliko hitreje kot z računanjem fizikalnih modelov. S pomočjo globokega učenja je bil ustvarjen model napoveditemperature zraka za naslednjih 12 ur. Najboljši rezultat je pri izbranemu napovednemu modelu za določeno obdobje spomočjo izbrane metrike MAE1 znašal 0,4 stopinje Celzija, medtem ko je imel referenčni model vrednost te metrike kar 2,4 stopinje Celzija.
Keywords: nevronska mreža, temperatura zraka, mikrolokacija, napoved, vreme
Published in DKUM: 23.12.2024; Views: 0; Downloads: 88
Full text (4,94 MB)

Abstract: V industriji se kovinski obdelovanci pogosto toplotno obdelujejo z namenom poboljšanja njihovih mehanskih lastnosti, pri čemer pa se pojavljajo neželene deformacije njihove geometrije. Zaradi dosežene visoke trdote (60 HRC ali več) klasični pristopi ravnanja z upogibanjem in valjanjem niso učinkoviti, saj se material poruši. V ta namen smo se v okviru doktorske raziskave ukvarjali z analizo vpliva plastičnih površinskih deformacij na spremembe geometrije kaljenih kovinskih obdelovancev. Izveden je bil laboratorijski eksperiment, v katerem smo na podlagi nadzorovanega vnosa površinskih plastičnih deformacij, visokoresolucijskega zajema geometrije obdelovancev, merjenja pospeškov ter zajema zvoka ravnalnih udarcev (udarci, ki plastično deformirajo površino obdelovanca) pripravili bazo podatkov s 3063 vzorci. Dodatno smo zajemali zvočne odzive nadzorovanih udarcev, ki ne deformirajo površine obdelovanca. Z uporabo U-Net nevronske mreže smo razvili model za napovedovanje spremembe geometrije kaljenega kovinskega obdelovanca glede na vnesene plastične površinske deformacije. V nadaljevanju smo predlagali novo arhitekturo globoke konvolucijske mreže za regresijo, ki omogoča dva vhoda različnih podatkovnih tipov in dimenzij (zvok ravnalnega udarca in reprezentacija geometrije obdelovanca z vključenimi podatki o ravnalnih udarcih) ter večdimenzionalni izhod (napovedana sprememba geometrije obdelovanca). Prav tako smo z uporabo globoke nevronske mreže razvili model, ki izključno na podlagi zvoka nadzorovano izvedenih udarcev, ki ne deformirajo površine obdelovanca, učinkovito napove geometrijo kovinskega obdelovanca. Uspešnost razvitih napovednih modelov smo ocenili z relativno absolutno napako (angl. relative absolute error (RAE)), povprečno kvadratno napako (angl. root mean squared error (RMSE)) in relativno kvadratno napako (angl. relative squared error (RSE)). Najuspešnejši model za napovedovanje oblike obdelovanca je imel na testnih podatkih odlično zmogljivost napovedovanja, saj so povprečne vrednosti RAE znašale 0,0499, RMSE 0,0129 in RSE 0,0040. Pri vključitvi zvoka v napovedovalni model so vrednosti RAE znašale 0,0739, RMSE 0,0185 in RSE 0,0075. Pri napovedi oblike obdelovanca samo iz zvoka pa so povprečne vrednosti RAE znašale 0,7439, RMSE 0,1744 in RSE 0,5638.
Keywords: proces ravnanja, kaljeni obdelovanec, proizvodnja, konvolucijska nevronska mreža, modeliranje, oblak točk, zvok
Published in DKUM: 06.10.2023; Views: 632; Downloads: 0