| | 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 - 3 / 3
First pagePrevious page1Next pageLast page
1.
OPTIMIZACIJA MEDATOMSKEGA POTENCIALA LENNARD-JONES S PARALELNO DIFERENCIALNO EVOLUCIJO
Aleš Čep, 2011, bachelor thesis/paper

Abstract: V diplomskem delu predstavljamo optimizacijski algoritem, ki rešuje problem potenciala Lennard-Jones iz področja bioinformatike. Za računanje uporabimo tehnologijo CUDA, ki poveča hitrost računanja, saj izkorišča paralelizacijsko zmogljivost grafičnih procesnih enot. Izbrali smo evolucijski algoritem jDE, ki se je v preteklosti izkazal za zelo uspešnega. Diplomska naloga najprej obravnava sorodna dela iz področja računanja potenciala Lennard-Jones ter področja evolucijskih algoritmov na grafičnih procesnih enotah. Sledi opis potenciala Lennard-Jones in arhitekture CUDA. Na koncu je predstavljena še naša implementacija algoritma in dobljeni rezultati. Naše rezultate smo primerjali z rezultati dveh programov, ki se v celoti izvajata na centralno procesni enoti.
Keywords: diferencialna evolucija, potencial Lennard-Jones, CUDA, bioinformatika, paralelno izvajanje, evolucijski algoritem, jDE, evolucijsko računanje, grafična procesna enota
Published: 16.09.2011; Views: 2423; Downloads: 218
.pdf Full text (1,89 MB)

2.
REŠEVANJE UGANK SUDOKU Z GENETSKIM ALGORITMOM NA GRAFIČNEM PROCESORJU
Rok Brumec, 2016, undergraduate thesis

Abstract: V diplomski nalogi smo implementirali genetski algoritem za reševanje ugank Sudoku in izboljšali njegovo učinkovitost z izvajanjem na grafični procesni enoti. Za implementacijo genetskega algoritma na grafični procesni enoti smo uporabili ogrodje OpenCL. V diplomski nalogi najprej predstavimo Sudoku in genetske algoritme ter na kratko opišemo osnove paralelnega programiranja na grafični procesni enoti in opišemo ogrodje OpenCL. Na koncu opišemo našo implementacijo postopka reševanja Sudoka z genetskim algoritmom na grafični procesni enoti in predstavimo rezultate. Izvedli smo primerjavo z rezultati avtorjev iz literature.
Keywords: Sudoku, genetski algoritem, OpenCL, paralelno izvajanje, grafična procesna enota
Published: 16.09.2016; Views: 1144; Downloads: 69
.pdf Full text (2,09 MB)

3.
Detekcija karakterističnih točk na rentgenskih posnetkih glave s pomočjo tehnik globokega učenja
Gašper Sedej, 2018, master's thesis

Abstract: V tem magistrskem delu smo se ukvarjali s sistemom za detekcijo karakterističnih točk na slikovnih podatkih. Izdelali smo splošen sistem za avtomatsko zaznavanje karakterističnih točk, ki smo ga prilagodili za kefalometrične točke na rentgenskih slikah. Kot detektor smo uporabili obstoječo globoko nevronsko mrežo SegNet, ki je namenjena segmentiranju slik. To mrežo smo modificirali za iskanje karakterističnih točk. Novo mrežo smo poimenovali KeypointNet. Izdelali smo tudi sistem za označevanje točk na slikah. Detektor smo učili z učno množico. Na testni množici smo izvedli detekcijo in izmerili napako, ki jo definiramo kot evklidsko razdaljo med napovedano in označeno točko. Testirali smo tudi nabor krmilnih hiperparametrov pri zagonu učenja. Sistem smo testirali na množici 124 kefalometričnih slik velikosti 480 × 360 pikslov, in sicer za nabor 10 izbranih točk. Na vseh slikah smo označili te točke. Slike smo razdelili v učno in testno množico v razmerju približno 75 % in 25 %. Testirali smo 16 naborov hiperparametrov. Za vsak nabor smo izvedli 5 ponovitev učenja. Povprečna napaka v položaju točke na testni množici je bila 2,7 piksla. Testirali smo tudi vpliv dveh hiperparametrov za nadzor učenja. Testi so pokazali, da rahel odklon od priporočenih vrednosti za ta dva hiperparametra nima signifikantnega vpliva na končni rezultat. Dobljeni rezultati so zelo spodbudni. Razvili smo torej napreden sistem na osnovi globokega učenja, ki uspešno detektira karakteristične točke na slikah.
Keywords: globoko učenje, nevronske mreže, kefalometrija, razpoznavanje vzorcev, optimizacija, paralelno izvajanje
Published: 10.01.2019; Views: 552; Downloads: 111
.pdf Full text (5,14 MB)

Search done in 0.08 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica