1. Uporaba tehnologije za razpoznavo obraza na paketniku Direct4.me : diplomsko deloLina Zorman, 2021, undergraduate thesis Abstract: V diplomskem delu smo preučili in ugotovili, ali so tehnologije za razpoznavo obraza že dovolj razvite, da bi bile primerne za uporabo na paketniku Direct4.me. Skozi podrobno raziskavo nekaterih najboljših že obstoječih algoritmov smo izbrali dva, ki sta se nam zdela najbolj primerna za naš primer uporabe ter ju podrobneje testirali. Za testiranje smo znotraj programa Visual Studio 2019 naredili konzolno aplikacijo, preko katere smo za vsak algoritem posebej preverjali njegovo delovanje na dveh množicah slik različnih ločljivosti. Rezultate smo predstavili v tabelah in jih analizirali ter na podlagi teh predlagali za našo rešitev primerno nizkocenovno strojno in programsko opremo. Keywords: Pametni paketnik, razpoznava obraza, primerjava algoritmov, simulator Published in DKUM: 18.10.2021; Views: 916; Downloads: 60
Full text (901,47 KB) |
2. Programsko okolje za razvoj in preizkušanje stohastičnih algoritmov : diplomsko deloKlemen Ledinek, 2019, undergraduate thesis Abstract: Namen diplomske naloge je narediti programsko okolje za razvoj stohastičnih algoritmov, ki bo omogočalo enostavno in hitro dodajanje novih stohastičnih algoritmov in različnih problemov. Okolje bo zasnovano tako, da bo omogočalo izvajanje eksperimentov s pomočjo neodvisnih zagonov, ki se bodo lahko izvajali na več nitih. Prav tako pa bo mogoče rezultate algoritmov tudi primerjati. Keywords: programsko okolje, stohastični algoritem, primerjava algoritmov, razvoj algoritmov, reševanje težkih problemov Published in DKUM: 22.11.2019; Views: 980; Downloads: 116
Full text (1,01 MB) |
3. Algoritmi minimalnega vpetega drevesa v vsakdanjem življenjuMarija Gajić, 2016, diploma project paper Abstract: V zaključni projketni nalogi je opisano minimalno vpeto drevo in načini iskanja minimalnega vpetega drevesa v grafu. Predstavljeni in analizirani so trije algoritmi in sicer Primov, Kruskalov in Boruvkin algoritem. Podrobneje so predstavljene tudi programske implementacije teh treh algoritmov. V nadaljevanju je predstavljena praktična uporaba minimalnega vpetega drevesa v vsakdanjem življenju ter opis enega konkretnega primera – postavljanja vodovodnega omrežja. Za izbiro optimalnega algoritma so java programske implementacije algoritmov testirane na 408 testnih datotekah z grafi. Analizirana je odvisnost časovne zahtevnosti algoritma od števila povezav v grafu. Hkrati je predstavljena še primerjava časovne učinkovitosti vseh treh analiziranih algoritmov. Keywords: minimalno vpeto drevo, uporaba v vsakdanjem življenju, primerjava algoritmov, časovna zahtevnost Published in DKUM: 22.03.2017; Views: 3655; Downloads: 203
Full text (1,34 MB) |
4. VIZUALIZACIJA PROCESOV EVOLUCIJSKEGA RAČUNANJATadej Jerovšek, 2016, master's thesis Abstract: V tem magistrskem delu se ukvarjamo z vizualizacijo procesov evolucijskih algoritmov in interpretacijo le-teh. Najpogosteje uporabljene metode za primerjavo evolucijskih algoritmov imajo težave že pri oceni algoritmov, samega delovanja algoritmov pa ne upoštevajo. Najprej smo podrobneje pogledali razvoj statističnih metod, kaj nudijo in kje kažejo pomanjkljivosti. Pod drobnogled smo vzeli enokriterijsko in večkriterijsko optimizacijo in jo z uporabo metod vizualizacije informacij predstavili ter interpretirali prednosti in slabosti posameznih algoritmov in problemov, pri čemer smo za temelj uporabili sistem EARS. Keywords: evolucijski algoritmi, večkriterijska optimizacija, vizualizacija informacij, primerjava evolucijskih algoritmov, Pareto dominiranost Published in DKUM: 28.09.2016; Views: 1759; Downloads: 152
Full text (5,23 MB) |
5. IZPELJANKE ALGORITMA LZWJure Sreš, 2016, undergraduate thesis Abstract: Algoritmi za stiskanje podatkov so v računalništvu prisotni že od samega začetka. Igrajo pomembno vlogo pri prenosu in shranjevanju velikih količin podatkov, razdelimo pa jih lahko na več načinov. Poznamo izgubno in brezizgubno stiskanje. Glede na način izvajanja ločimo statistično in stiskanje s slovarjem. V tem diplomskem delu bomo predstavili algoritme LZW, LZAP, LZMW in LZY, ki uporabljajo slovar in podatke stisnejo brezizgubno. Predstavili bomo njihovo delovanje in primerjali rezultate. Keywords: stiskanje podatkov, stiskanje s slovarjem, primerjava algoritmov Published in DKUM: 22.09.2016; Views: 11259; Downloads: 165
Full text (1,87 MB) |
6. PRIMERJAVA ALGORITMOV STISKANJA PO METODAH SHANNON-FANO, HUFFMAN IN HUFFMAN S PRILAGAJANJEMRobert Šircelj, 2016, undergraduate thesis Abstract: V diplomski nalogi predstavimo in implementiramo algoritme za stiskanje podatkov brez izgub po metodah Shannon-Fano, Huffman in Huffman s prilagajanjem. Učinkovitost algoritmov testiramo na različnih vrstah datotek ter jih med seboj primerjamo glede na razmerje stiskanja ter čas kodiranja in dekodiranja. Ugotovili smo, da v razmerju stiskanja med metodami ni bistvenih razlik. Keywords: algoritmi stiskanja podatkov, Shannon-Fanojev algoritem, Huffmanov algoritem, Huffmanov algoritem s prilagajanjem, primerjava algoritmov. Published in DKUM: 07.09.2016; Views: 1797; Downloads: 250
Full text (2,25 MB) |
7. Razvoj metode za izbiro klasifikatorjaAleš Černezel, 2016, doctoral dissertation Abstract: V doktorski nalogi opišemo razvoj metode za izbiro klasifikatorja. Glavni prispevek omenjene metode je izbor najustreznejših kombinacij: metode za merjenje točnosti, klasifikacijskega algoritma in velikostjo učne množice; v okviru uporabniško definiranih kriterijev. Metoda je splošna in posledično tudi prilagodljiva ter razširljiva. Postopek izvajanja je formalno zapisan v obliki psevdokoda. Za potrebe zagotavljanja teoretične podlage izvedemo tudi več empiričnih raziskav, kjer dobljene rezultate analiziramo s serijo statističnih preizkusov. Izsledki raziskav doprinesejo naslednje prispevke k znanosti. Formalizacija odločitev in kriterijev za izbiro najustreznejše metode za merjenje točnosti.
Formalizacija odločitev in kriterijev za izbiro najustreznejšega klasifikacijskega algoritma.
Izbor matematičnega modela, ki v splošnem najbolje opiše obliko učnih krivulj.
Formalizacija terminalnih kriterijev za določanje najustreznejše velikosti učne množice. Keywords: Strojno učenje, klasifikacija, klasifikacijski algoritmi, podatkovne zbirke, primerjava algoritmov, zmogljivost klasifikacije, navzkrižna validacija, metoda bootstrap, učna krivulja, prileganje krivulj, aproksimacija krivulj, potenčni zakon, eksponentni zakon, terminalni kriteriji Published in DKUM: 21.07.2016; Views: 1889; Downloads: 256
Full text (3,04 MB) |