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 / 14
First pagePrevious page12Next pageLast page
1.
2.
3.
4.
5.
6.
META-UČENJE Z UPORABO REZULTATOV ANALIZE OBOGATENOSTI SKUPIN GENOV
Dario Šnajder, 2009, undergraduate thesis

Abstract: V diplomskem delu smo proučili in pokazali možnost uporabe postopkov meta učenja za proučevanje delovanja algoritma GSEA. Napisali smo aplikacijo, v kateri smo uvedli večnitno izvajanje in implementirali upravitelja opravil. Ta nam omogoča spremljanje poteka izvajanja, s tem pa obveščanje uporabnika o stanju v aplikaciji. V začetku diplomske naloge smo opisali formate datotek, katere uporabljamo, nato smo opisali strojno učenje in njegovo podpoglavje meta-učenje. Nadaljevali smo s postopki izvajanja GSEA analize in gradnjo odločitvenih dreves. Diplomsko nalogo smo zaključili s sklepom, v katerem smo navedli možnosti za nadaljnje raziskovanje.
Keywords: strojno učenje, meta-učenje, bioinformatika, odločitvena drevesa
Published: 10.09.2009; Views: 2033; Downloads: 112
.pdf Full text (11,63 MB)

7.
ALGORITMI IN TEHNIKE PODATKOVNEGA RUDARJENJA NA BAZI PROCESNIH PARAMETROV
Sara Colja, 2011, undergraduate thesis

Abstract: V diplomskem delu je predstavljen proces podatkovnega rudarjenja, njegovi algoritmi, tehnike in uporaba v praksi. V prvem delu se seznanimo s teorijo podatkovnega rudarjenja. Omenjene so tehnike podatkovnega rudarjenja in nekateri najbolj znani algoritmi. Podrobneje je predstavljen algoritem nevronskih mrež, ki se uporabi v praktičnem primeru. V drugem delu je po korakih splošne metode podatkovnega rudarjenja, predstavljene v prvem delu, predstavljen konkreten poslovni problem, ki ga rešujemo s podatkovnim rudarjenjem. Na bazah podatkov podjetja Impol sta zgrajena modela za iskanje povezav med kemijsko sestavo zlitine EN AW-7075 (interna oznaka PD30) in njenimi mehanskimi lastnostmi. Po združitvi različnih baz in agregiranju podatkov je bilo uporabljenih 675 množic zgodovinskih podatkov za zlitino PD30. Model je bil zgrajen z orodjem SPSS Modeler, s feed-forward nevronsko mrežo in vzvratnim širjenjem napake. Naučeni nevronski mreži napovedujeta mehanske lastnosti napetost tečenja (R0,2), natezna trdnost (Rm) in raztezek (A), kot funkcijo procesnih parametrov. Točnost napovedi modela nevronske mreže za napetost tečenja je 84,8%, točnost napovedi modela za natezno trdnost in raztezek pa 91,8%. S predstavljenima modeloma nevronskih mrež je pokazano, da lahko podjetje Impol razvije model za ocenjevanje končnih mehanskih lastnosti, kot funkcijo procesnih parametrov. S tem je omogočena optimizacija procesne poti glede na produktivnost in kvaliteto.
Keywords: podatkovno rudarjenje, nevronska mreža, odločitvena drevesa, vzvratno širjenje napake, metoda padajočih gradientov
Published: 04.05.2011; Views: 2411; Downloads: 303
.pdf Full text (1,27 MB)

8.
PODATKOVNO RUDARJENJE NA PRIMERU ZAVAROVALNICE MARIBOR
Sebastijan Štraus, 2012, undergraduate thesis

Abstract: Diplomsko delo obravnava podatkovno rudarjenje, metode strojnega učenja, obstoječe aplikacije za podatkovno rudarjenje, ter uporabo in integracijo knjižnice Weka v ogrodje .NET, s katerim smo izdelali aplikacijo za obdelavo podatkov Zavarovalnice Maribor. Na Zavarovalnici Maribor smo dobili odobritev, da lahko pri svoji nalogi uporabimo njihove podatke, ki bodo zaradi varnosti nekoliko okrnjeni. V diplomskem delu smo izdelali in opisali aplikacijo, ki omogoča statistično obdelavo vnesenih podatkov in ki na podlagi podatkovnega rudarjenja ter strojnega učenja omogoča analizo in ekstrakcijo določenih pravil, npr. kakšni zavarovanci so najbolj tvegani za zavarovalnico.
Keywords: podatkovno rudarjenje, strojno učenje, odločitvena drevesa, Bayesov klasifikator, nevronske mreže, hibridne metode, ansambelske metode, grobe množice, asociativna pravila, Apriori, ikvm, Data Miner, Mahout, Weka, .NET
Published: 30.11.2012; Views: 1913; Downloads: 505 
(2 votes)
.pdf Full text (2,19 MB)

9.
Matematični modeli diskretnih acikličnih odločitvenih procesov
Tadej Kolmanič, 2013, undergraduate thesis

Abstract: V diplomskem delu smo analizirali problem sprejemanja odločitev, s katerim se srečujemo vsakodnevno. S pomočjo matematičnega modela smo formalno opisali diskreten aciklični odločitveni proces in s tem pripomogli k izboljšanju učinkovitosti pri odločanju in k pravilnejšim izbiram pri le tem. V prvem delu smo opisali odločitvena drevesa, s pomočjo katerih grafično predstavimo sam problem, odločitve ter rešitve problema. Spoznali smo definicijo odločitvenih dreves ter njihov namen. V nadaljevanju smo opisali še, kako jih gradimo ter kaj so njihove prednosti ter slabosti. Nato smo podrobneje opisali dve vrsti odločitvenih dreves: klasifikacijska in regresijska drevesa. Prav tako smo spoznali programsko opremo za odločitvena drevesa, nekoliko podrobneje orodje Weka. V drugem delu smo najprej spoznali sisteme za podporo odločanju na splošno. Nato smo opisali ekspertne sisteme, sisteme za podporo odločanju na osnovi znanja ter samo modeliranje znanja. Na koncu smo podrobneje opisali še proces odločanja in matematično notacijo tega procesa. V zadnjem delu smo opisali matematično strukturo modela diskretnega acikličnega odločitvenega procesa ter algoritem, s katerim pridemo do optimalne rešitve. Dokazali smo izrek, ki pravi, da je skozi celoten postopek opisanega algoritma optimalna rešitev vedno v množici dosegljivih rešitev.
Keywords: odločitvena drevesa, sistemi za podporo odločanju, odločitveni proces, vozlišča, problem iskanja optimalne rešitve, algoritem.
Published: 11.09.2013; Views: 1338; Downloads: 86
.pdf Full text (943,57 KB)

10.
Vpliv podobnosti na uspešnost klasifikacije evolucijskih odločitvenih dreves
Leon Bošnjak, 2014, master's thesis

Abstract: Magistrska naloga obravnava proces gradnje klasifikacijskih odločitvenih dreves z genetskimi algoritmi, v sklopu katerega se osredotoča na ocenjevanje uspešnosti zgrajenih dreves ter hitrosti oziroma učinkovitosti algoritma. Standardni način evolucijske gradnje odločitvenih dreves predvideva uporabo naključne selekcije dveh primerkov za križanje dreves, kar lahko povzroči prehitro konvergenco k lokalno optimalni rešitvi. Z namenom ohranjanja raznolikosti populacije tekom evolucije je bilo implementiranih pet pristopov vrednotenja podobnosti med drevesi, ki so bili uporabljeni v okviru selekcije primerkov za križanje. Pristopi križanja med seboj različnih in podobnih dreves so bili primerjani s standardnim načinom brez upoštevanja podobnosti na enaindvajsetih različnih podatkovnih množicah z namenom ugotavljanja vpliva podobnosti na uspešnost in učinkovitost algoritma.
Keywords: odločitvena drevesa, genetski algoritmi, klasifikacija, podobnost
Published: 26.06.2014; Views: 801; Downloads: 149
.pdf Full text (3,33 MB)

Search done in 0.1 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica