| | 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 / 144
First pagePrevious page12345678910Next pageLast page
1.
Hibridno priporočanje vrstilcev univerzalne decimalne klasifikacije : doktorska disertacija
Mladen Borovič, 2023, doctoral dissertation

Abstract: V doktorski disertaciji predlagamo hibridni pristop za priporočanje vrstilcev univerzalne decimalne klasifikacije (UDK) za elektronske dokumente, ne glede na globino hierarhije UDK. Razvit hibridni pristop priporočanja vrstilcev UDK temelji na metodah vsebinskega filtriranja in uporablja strukturirane metapodatke v slovenskem jeziku za klasifikacijo področja znanosti in priporočanje ustreznih vrstilcev. Ker se dokumenti pogosto nanašajo na več področij znanosti, mora biti pristop sposoben identificirati interdisciplinarnost in vrniti več ustreznih vrstilcev UDK. Predlagani hibridni pristop uporablja kaskadno hibridizacijo in je razdeljen na dva kaskadna koraka. Najprej z rangirno funkcijo BM25 zagotovimo začetni seznam vrstilcev UDK. V prvem kaskadnem koraku začetni seznam vrstilcev UDK preuredimo s seznamom, ki je rezultat večznačnega klasifikatorja. Večznačni klasifikator temelji na globoki nevronski mreži BERT in je prilagojen na hierarhično topologijo UDK. V drugem kaskadnem koraku s pomočjo seznama najbolj pogostih vrstilcev UDK v organizaciji, iz katere izvira dokument, preuredimo seznam iz prvega koraka. Za kaskadno hibridizacijo se izvedejo postopki naknadne obdelave, ki preuredijo sezname priporočil glede na vrhnje področje in glede na specifičnost, omogočajo pa tudi rezanje seznama. Disertacija vključuje vrednotenje na množici zaključnih del v slovenskem jeziku, ki so del repozitorijev slovenskih univerz in že imajo ročno določene vrstilce UDK s strani knjižničarjev. Na testni množici dokumentov s predlaganano metodo po metriki HR@K dosežemo povprečne vrednosti 0,574 (K = 1), 0,869 (K = 3) in 0,892 (K = 5). Po metriki NDCG@K dosežemo povprečne vrednosti 0,993 (K = 1), 0,921 (K = 3) in 0,916 (K = 5), po metrikah MRR in MAP pa povprečne vrednosti vrednosti 0,782 (MRR) in 0,785 (MAP). V primerjavi z obstoječimi pristopi pokažemo, da uporaba predlaganega pristopa vodi v statistično značilne izboljšave.
Keywords: hibridni priporočilni sistemi, univerzalna decimalna klasifikacija, vsebinsko filtriranje, globoke nevronske mreže, obdelava naravnega jezika
Published in DKUM: 04.01.2024; Views: 289; Downloads: 72
.pdf Full text (1,86 MB)

2.
Razvoj sistema za prepoznavanje obrazov
Nejc Čelik, 2023, master's thesis

Abstract: V magistrskem delu smo opisali problem razvoja sistemov za prepoznavanje obrazov. Sistemi za prepoznavanje obrazov morajo poleg ločevanja med obrazi različnih oseb za mnoge primere uporabe, kot je na primer kontrola dostopa, biti sposobni ločiti med resničnimi in lažnimi obrazi (npr. natisnjena fotografija). Brez sposobnosti zaznave lažnih obrazov imajo sistemi za prepoznavanje obrazov veliko ranljivost z vidika varnosti. Predstavili smo moderne tehnologije strojnega učenja, ki omogočajo izdelavo modelov za 2D prepoznavanje obrazov in prepoznavanje lažnih obrazov. Poleg tehnologij smo predstavili tudi proces razvoja modela za prepoznavanje obrazov z omejeno količino podatkov brez uporabe etično vprašljivih podatkovnih množic in proces razvoja modela za prepoznavanje lažnih obrazov.
Keywords: prepoznavanje obrazov, konvolucijske nevronske mreže, razvoj sistemov
Published in DKUM: 22.11.2023; Views: 280; Downloads: 38
.pdf Full text (4,21 MB)

3.
Kombiniranje modelov razvrščanja vzorcev za razpoznavanje čustvenih izrazov iz posnetkov obraza v nekontroliranem okolju : diplomsko delo
Juš Osojnik, 2023, undergraduate thesis

Abstract: V tem delu smo se ukvarjali z razpoznavanjem čustvenih izrazov v nekontroliranem okolju. Uporabljali smo metodo prenosnega učenja, kjer smo učili arhitekture konvolucijskih nevronskih mrež: EfficientNetB0, ResNet50, DenseNet121, InceptionV3 in Xception, na naboru podatkovnih zbirk FER-2013, AffectNet, AFEW/SFEW in Aff-Wild2. Modele smo nato kombinirali na osnovi rezultatov z metodama povprečenja in glasovanja. Modele smo kombinirali tudi na osnovi izluščenih značilnic. Uspešnost modelov smo merili po metrikah natančnosti in ocene F1. Na podatkovni zbirki FER-2013 smo dosegli najboljšo natančnost 72 %, na zbirkah AffectNet 67 %, AFEW/SFEW 47 % in Aff-Wild2 52 % natančnost. Z našimi rezultati smo se približali najuspešnejšim raziskavam, ki so na posameznih podatkovnih zbirkah dosegle natančnosti: FER-2013 77 %, AffectNet 67 %, AFEW/SFEW 54 % in Aff-Wild2 52 %.
Keywords: prepoznavanje čustvenih izrazov, slike obrazov, globoke nevronske mreže, modelno združevanje, ekstrakcija značilnic, okolje Keras
Published in DKUM: 13.10.2023; Views: 352; Downloads: 39
.pdf Full text (4,01 MB)

4.
Podatkovno podprta evalvacija znanj in spretnosti : magistrsko delo
Damijan Robnik, 2023, master's thesis

Abstract: Magistrsko delo opisuje uporabo algoritma Node2Vec za analizo odnosov med strokovnjaki in njihovimi izkušnjami na področju informacijske tehnologije (IT). V delu je predstavljen algoritem za generiranje simuliranih izkušenj strokovnjakov, ki se uporabi za ustvarjanje grafa kot vhod v Node2Vec. Prav tako so predstavljeni rezultati ankete, s katero smo pridobili potrebne podatke o izkušnjah strokovnjakov na področju IT. Na podlagi teh podatkov in simuliranih izkušenj je ocenjena uspešnost algoritma Node2Vec pri razvrščanju spletnih programerjev v skupine (gruče).
Keywords: IT znanja, teorija grafov, nevronske mreže, Node2Vec
Published in DKUM: 12.10.2023; Views: 322; Downloads: 23
.pdf Full text (7,14 MB)

5.
Razvoj napovednega modela multivariatnih časovnih vrst uporabniških storitev : diplomsko delo
Sandi Pečečnik, 2023, undergraduate thesis

Abstract: V sklopu diplomskega dela predstavimo več nevronskih mrež, ki jih optimiziramo, pri čemer raziščemo ustrezne arhitekture, metrike, funkcije in druge pomembne lastnosti za uporabo v napovednih modelih multivariantnih časovnih vrst. Raziščemo najpomembnejše probleme povezane z razvojem napovednih nevronskih mrež. Naslovimo reševanje treh specifičnih realnih problemov, za reševanje katerih smo predlagali arhitekture nevronskih mrež. Izdelali smo še skalabilno spletno aplikacijo, ki omogoča enostavnejšo uporabo naučenih modelov nevronskih mrež.
Keywords: časovne vrste, nevronske mreže, globoko učenje, storitve, arhitekture globokega učenja
Published in DKUM: 05.10.2023; Views: 280; Downloads: 25
.pdf Full text (1,66 MB)

6.
Kombiniranje več modelov razvrščanja vzorcev na primeru ocenjevanja starosti osebe iz digitalnih posnetkov : diplomsko delo
Tadej Horvat, 2023, undergraduate thesis

Abstract: V tej diplomski nalogi se ukvarjamo s kombiniranjem različnih prosto dostopnih modelov konvolucijskih nevronskih mrež za reševanje problema ocenjevanja starosti oseb iz digitalnih posnetkov. Naš cilj je bil implementirati ansambelske metode, ki so bolj uspešne od vsakega posameznega modela v našem ansamblu. Kombinirali smo pet osnovnih modelov konvolucijskih nevronskih mrež, in sicer Xception, ResNet152V2, InceptionV3, InceptionResNetV2 in EfficientNetV2B0. Modele smo kombinirali na nivoju rezultatov in na nivoju značilnic, pri čemer smo implementirali štiri metode kombiniranja na nivoju rezultatov in pet metod kombiniranja na nivoju značilnic. Za učenje posameznih modelov in testiranje metod smo uporabili bazo podatkov UTKFace. Najboljši rezultat smo dosegli z metodo večslojnega »stackinga«, in sicer srednjo absolutno napako 4,526 let nad našo testno množico. Rezultat le malenkost zaostaja za rezultati najboljših sodobnih metod ocenjevanja starosti iz digitalnih posnetkov.
Keywords: ocenjevanje starosti oseb, konvolucijske nevronske mreže, ansambelsko učenje
Published in DKUM: 05.10.2023; Views: 262; Downloads: 19
.pdf Full text (1,75 MB)

7.
Uporaba nevronskih mrež pri iskanju binarnih sekvenc z nizkimi avtokorelacijami : magistrsko delo
Jan Popič, 2023, master's thesis

Abstract: Uporaba nevronskih mrež je vedno bolj razširjena, tako v vsakdanjem življenju kot na različnih raziskovalnih področjih. Kljub razširjeni uporabi pa obstajajo raziskovalni problemi, kjer uporabna vrednost nevronskih mrež še ni bila preverjena. Eno izmed takšnih področij je iskanje binarnih sekvenc z nizko avtokorelacijo (ang. low-autocorelation binary sequence), pri katerem se iščejo binarna zaporedja različnih dolžin, ki imajo čim manjšo vrednost avtokorelacije. Takšne sekvence se zaradi svojih specifičnih lastnosti uporabljajo pri mnogih raziskovalnih področjih, njihovo iskanje pa predstavlja izjemno zahteven kombinatoričen problem. V našem delu predstavimo dve nevronski mreži, ki služita za usmerjanje iskalnega algoritma samoizogibnega sprehoda pri iskanju binarnih sekvenc dolžine 31 in 41. Prva nevronska mreža je učena pravil popačene simetrije. Ta pravila zmanjšajo dimenzijo iskalnega prostora, nevronska mreža pa se jih je uspela naučiti. V želji izboljšanja obstoječega mehanizma smo naučili tudi drugo nevronsko mrežo, ki v iskalnem algoritmu doseže statistično signifikantno boljše rezultate kot mehanizem popačene simetrije. Za to nevronsko mrežo dodatno analiziramo število funkcijskih ovrednotenj za dosego najboljše znane rešitve. Izkazalo se je, da izboljšana nevronska mreža za dosego najboljših znanih rešitev potrebuje manj funkcijskih ovrednotenj kot uporaba pravil popačene simetrije.
Keywords: nevronske mreže, binarne sekvence, iskalni algoritem, samoizogibni sprehod
Published in DKUM: 21.09.2023; Views: 214; Downloads: 46
.pdf Full text (2,58 MB)

8.
Identifikacija žensk za visokorizičen izvid po konizaciji z uporabo nevronskih mrež
Marko Mlinarič, 2023, doctoral dissertation

Abstract: Na svetu je rak materničnega vratu (RMV) četrti najpogostejši rak pri ženskah. V Sloveniji je bil pri ženskah leta 2017 na sedemnajstem mestu. Z ustreznim presejanjem, zgodnjim odkrivanjem predrakavih sprememb in njihovim zdravljenjem, ga je mogoče preprečiti. Metode umetne inteligence ('artificial intelligence – AI') bi lahko postale orodje, ki bi pripomoglo k rešitvi problema RMV. Z našo študijo smo želeli preveriti, ali lahko z umetnimi nevronskimi mrežami na podlagi dejavnikov tveganja za razvoj ploščatocelične intraepitelijske lezije (PIL) na materničnem vratu (MV) in RMV ter izvida zadnjega brisa materničnega vratu (BMV) napovemo, ali bo končni histološki izvid konusa PIL visoke stopnje (PIL-VS) oziroma RMV ali ne. Poleg nevronskih mrež smo preizkusili tudi nekatere druge klasifikacijske sisteme. Za analizo smo uporabili podatke 1475 pacientk, ki so imele narejeno konizacijo na Kliniki za ginekologijo in perinatologijo Univerzitetnega kliničnega centra Maribor v letih 1993–2005. Vse podatke smo anonimizirali. Uporabili smo metode za uravnoteženje manjšinskega in večinskega razreda. Za analizo smo oblikovali več baz, izvedli pa smo jo z odprtokodnim programskim paketom za podatkovno rudarjenje WEKA. Nevronske mreže so bile uspešnejše pri napovedovanju tveganih pacientk kot večinski algoritem. V naši študiji se je klasifikacijski algoritem Random Forest s sestavljeno metodo 'bagging' izkazal kot najuspešnejši in bi bil primeren za klinično uporabo.
Keywords: rak materničnega vratu, ploščatocelična intraepitelijska lezija visoke stopnje, umetna inteligenca, umetne nevronske mreže, napovedovanje tveganja
Published in DKUM: 24.08.2023; Views: 295; Downloads: 27
.pdf Full text (4,12 MB)

9.
Mehanski trgovalni sistem na osnovi spodbujevanega učenja : na študijskem programu 2. stopnje Matematika
Anja Drevenšek, 2023, master's thesis

Abstract: Umetna inteligenca in strojno učenje postajata del našega vsakdana. Tako je tudi na finančnih trgih, kjer t. i. inteligentni agenti trgujejo z vrednostnimi papirji. V magistrskem delu je obravnavan primer takšnega mehanskega trgovalnega sistema za trgovanje z delnicami. Model temelji na spodbujevanem učenju in uporablja realne prosto dostopne borzne podatke. V prvem delu so preučeni temeljni pojmi verjetnosti in umetne nevronske mreže. Nadalje je podrobneje opredeljeno spodbujevano učenje in matematično ozadje spodbujevanega učenja. Drugi del magistrske naloge predstavlja implementiran model mehanskega trgovalnega sistema. Zastavljeni in učeni so štirje agenti, ki se med seboj razlikujejo po sistemu nagrajevanja. Agenti so testirani in primerjani s pasivno strategijo ter med seboj.
Keywords: strojno učenje, spodbujevano učenje, umetne nevronske mreže, inteligentni agent, trgovanje z vrednostnimi papirji.
Published in DKUM: 05.07.2023; Views: 322; Downloads: 50
.pdf Full text (2,33 MB)

10.
Sistem za prikazovanje nevronskih mrež v 3D in realnem času 3D neurovis : magistrsko delo
Matevž Celcer, 2023, master's thesis

Abstract: V zaključnem delu je predstavljen naš produkt 3D Neurovis, primerjava s podobni deli in tehnologija, ki je bila uporabljena. Namen tega projekta je bil ustvariti program, ki uspešno vizualizira delovanje nevronskih mrež. Program vizualizira nevronske mreže v realnem času in v 3D. Odkrili smo, da ni veliko projektov, ki prikazujejo vse lastnosti nevronskih mrež v realnem času, kot so nevronska dinamika, nevronska plastičnost, nevronska struktura in nevronski spomin. Prav tako ni dosti projektov, ki so kompatibilni s ROS sistemom. Naš produkt naslavlja to pomanjkanje. Projekt je zamišljen kot nadgradnja predhodnika Neurovis.
Keywords: Nevronska mreža, ROS, Vizualizacija, Vizualizacija nevronskih mrež, Nevronske mreže in roboti
Published in DKUM: 07.06.2023; Views: 296; Downloads: 32
.pdf Full text (3,22 MB)

Search done in 2.12 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica