| | 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 - 6 / 6
First pagePrevious page1Next pageLast page
1.
Uporaba pregledne plošče Dash za analizo filmov v Pythonu : diplomsko delo
Kristian Grgić, 2022, undergraduate thesis

Abstract: V diplomskem delu je obravnavano področje strojnega učenja. Predstavljena je pregledna plošča Dash, ki jo uporabimo za prikaz rezultatov in algoritmi, ki jih uporabimo v okviru diplomske naloge za ustvaritev modela znanja in ekstrakcijo ključnih besed iz opisa pripadajočega filma. Po predstavitvi je opisan proces ustvaritve podatkovne zbirke filmov in zasnove produkta. Rezultat diplomskega dela je spletna aplikacija, ki uporabniku omogoča dinamično in interaktivno spreminjanje oz. prilagajanje vhodnih parametrov in izbiro algoritma za ustvaritev modela znanja na podlagi katerega napovedujemo zaslužek posameznega filma, skupne rezultate oz. napovedi pa prikažemo na pregledni plošči. Uporabniku prav tako omogočimo izbiro filma, kjer na podlagi njegovega opisa prikažemo vse ključne besede.
Keywords: Pregledna plošča Dash, Analiza filmov, Strojno učenje, Ekstrakcija ključnih besed, Regresijsko drevo, Naivni Bayes, RAKE algoritem
Published in DKUM: 26.10.2022; Views: 448; Downloads: 34
.pdf Full text (1,34 MB)

2.
Kratkoročno napovedovanje lokalnih vremenskih parametrov s konvolucijsko nevronsko mrežo : magistrsko delo
Aljaž Razpotnik, 2019, master's thesis

Abstract: V magistrskem delu se ukvarjamo z napovedovanjem časovnih vrst. Časovno vrsto predstavljajo podatki vremenskih parametrov večjega števila krajev, ki smo jih pridobili iz spletnega arhiva Agencije Republike Slovenije za okolje. Za napovedovanje vremenskih parametrov izbranega kraja uporabimo pretekle podatke samega kraja in njegove okolice ter z njimi učimo napovedne modele ARIMAX, CART, GRU in kombinirani model CNN-LSTM. Pri kombiniranem modelu upoštevamo geografske soodvisnosti uporabljenih krajev, ki jih preslikamo v matriko. Iz predstavljenih rezultatov je razvidno, da sta najboljša modela za napovedovanje vremenskih parametrov GRU in CNN-LSTM.
Keywords: vremenski parametri, časovna vrsta, napovedovanje, nevronska mreža, regresijsko drevo
Published in DKUM: 10.12.2019; Views: 1373; Downloads: 199
.pdf Full text (9,60 MB)

3.
Avtomatizacija regresijskega testiranja spletnih rešitev
Tjaša Spes, 2019, undergraduate thesis

Abstract: V diplomskem delu smo se ukvarjali z avtomatiziranim regresijskim testiranjem spletne informacijske rešitve. Testiranje je vedno bolj prepoznano kot pomemben del razvoja programske opreme. Predstavili smo metode in nivoje testiranja, opredelili funkcijsko testiranje in pomembnost predstavitve rezultatov. Nato smo se osredotočili na avtomatizirano testiranje. Analizirali smo nekatera izmed najbolj uporabljenih ogrodij za avtomatizacijo in izbrali enega za nadaljnje delo. Predstavili smo možnosti, ki jih ogrodje ponuja, in nekatera druga orodja, ki v povezavi z njim olajšajo testiranje. V praktičnem delu smo izdelali testne primere, ki rešujejo nekatere probleme avtomatiziranega testiranja.
Keywords: testiranje, regresijsko testiranje, avtomatizacija
Published in DKUM: 12.11.2019; Views: 980; Downloads: 49
.pdf Full text (976,42 KB)

4.
Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih
Goran Hrovat, 2018, doctoral dissertation

Abstract: Zanimivosti asociativnih pravil ali pogostih množic postavk se lahko skozi čas spreminjajo. Prav tako je lahko njihova zanimivost različna za različne skupine (npr. skupine ljudi). V doktorski disertaciji je predstavljen nov algoritem za določanje zanimivosti asociativnih pravil in množic postavk v različnih časov¬nih obdobjih. Algoritem odkriva skupine pacientov, ki se glede na trend zanimivosti asociativnega pravila statistično značilno razlikujejo. Rezultat algoritma je odločitveno regresijsko drevo, katerega povezave predstavljajo različne skupine pacientov, listi pa prikazujejo grafe z zanimivostmi asociativnega pravila ali množice postavk v različnih časovnih obdobjih. Pokazali smo tudi, da podpora pogoste množice postavk vpliva na kompleksnost zgrajenega regresijskega drevesa. Za demonstracijo smo uporabili elektronske zdravstvene zapise, zbrane v obdobju 15 let, ki predstavljajo odpuste pacientov iz različnih bolnišnic v Združenih državah Amerike. Predstavljeni algoritem predstavlja v tem primeru uporabno vrednost za bolnišnice, zavarovalnice, raziskovalne in ostale institucije, saj jih lahko odkrito znanje vodi do novih spoznanj in optimizacije poslovanja.
Keywords: podatkovno rudarjenje, mere zanimivosti, asociativna pravila, podpora odločanju, regresijsko dre-vo, linearna regresija, elektronski zdravstveni zapis
Published in DKUM: 12.07.2018; Views: 1952; Downloads: 134
.pdf Full text (17,46 MB)

5.
NADOMEŠČANJE MANJKAJOČIH VREDNOSTI S POMOČJO ROTACIJSKEGA REGRESIJSKEGA GOZDA
Miroslav Palfy, 2009, dissertation

Abstract: Manjkajoče vrednosti predstavljajo pogosto težavo, ki spremlja ustvarjanje podatkovnih baz, bodisi če se podatki zbirajo s pomočjo anket bodisi če so pridobljeni iz načrtovanih eksperimentov. Ne glede na to, koliko truda je vloženo za zagotavljanje popolne izpolnjenosti vprašalnikov ali v skrbno načrtovanje znanstvenega poskusa, se manjkajočim vrednostim pogosto ni možno izogniti. Nepopolni podatki so, odvisno od razmerja v katerem se pojavljajo manjkajoče vrednosti, lahko neustrezni za nadaljnjo analizo, medtem ko je brisanje vzorcev z manjkajočimi vrednostmi, posebno ko njihov odstotek ni dovolj majhen in ti vzorci predstavljajo pomembne informacije, lahko zelo neustrezno. Za reševanje tega problema se tako na področju statistične analize uporabljajo različne metode za nadomeščanje manjkajočih vrednosti. Z namenom zapolnitve vrzeli, ki obstaja med obstoječimi metodami enkratnega vstavljanja manjkajočih vrednosti in modeli, ki temeljijo na večkratnem vstavljanju in pri katerih je za vsak cikel vstavljanja potrebna ločena statistična analiza, smo v okviru disertacije razvili nov postopek nadomeščanja manjkajočih vrednosti, ki temelji na ansambelskem pristopu nadzorovanega strojnega učenja. Uporabili smo ansambel, imenovan rotacijski regresijski gozd, ki predstavlja varianto rotacijskega gozda (Rotation forest), kot so ga razvili Rodríguez, Kuncheva in Alonso (Rodríguez, Kuncheva, & Alonso, 2006), pri katerem smo namesto osnovne metode, namenjene reševanju klasifikacijskih problemov, uporabili modelno regresijsko drevo. Našo metodo za nadomeščanje manjkajočih vrednosti smo primerjali z 9 drugimi popularnimi metodami, pri čemer smo merili natančnost metod in njihovo sposobnost ohranjanja variance po vstavljanju različnih deležev manjkajočih vrednosti. Meritve smo izvedli na 14 javno dostopnih podatkovnih množicah in eni umetno ustvarjeni množici, tako da smo obravnavali vse mehanizme nastanka manjkajočih vrednosti, kot jih je definiral Rubin (Rubin, 1976). Na podlagi poizkusov smo ugotovili, da naša metoda v povprečju natančneje napoveduje manjkajoče vrednosti v izbranih podatkovnih množicah, ne glede na mehanizem nastanka manjkajočih vrednosti. Prav tako smo pokazali, da z uvedbo dodatne stohastične metode za ohranjanje variance naš rotacijski regresijski gozd bolje ohranja varianco od vseh preostalih metod, ki izvajajo enkratno vstavljanje, pri čemer po svoji natančnosti še vedno prekaša vse metode. V disertaciji smo v uvodnih, teoretičnih poglavjih podrobneje opisali problematiko manjkajočih vrednosti ter obstoječe metode, ki se najpogosteje uporabljajo za njihovo nadomeščanje. Predstavili smo rotacijski regresijski gozd in stohastično metodo za ohranjanje variance. Največjo pozornost smo posvetili rezultatom poizkusov, na podlagi katerih smo v zaključku izoblikovali priporočila za uporabo rotacijskega regresijskega gozda za nadomeščanje manjkajočih vrednosti ter predstavili izhodišča za nadaljnje delo.
Keywords: strojno učenje, rotacijski gozd, nadomeščanje manjkajočih vrednosti, regresijsko drevo, ansambel regresorjev
Published in DKUM: 21.12.2009; Views: 3165; Downloads: 307
.pdf Full text (5,63 MB)

6.
Avtomatsko preizkušanje grafičnega uporabniškega vmesnika v okolju Windows : diplomsko delo visokošolskega strokovnega študijskega programa
Gregor Zorc, 2008, undergraduate thesis

Abstract: Grafični uporabniški vmesnik omogoča uporabniku intuitivno interakcijo z aplikacijo s pomočjo oken, menijev, različnih gumbov in drugih gradnikov. Avtomatizacija preizkušanja takega vmesnika predstavlja svojevrsten izziv, saj pričakujemo, da bodo programi za preizkušanje pravilno delovali tudi v primerih, ko se, denimo, spremenijo dimenzije okna aplikacije. V pričujočem diplomskem delu obravnavamo načrtovanje in implementacijo robustnega programa za preizkušanje grafičnega uporabniškega vmesnika.
Keywords: programska oprema, avtomatsko preizkušanje, grafični uporabniški vmesnik, regresijsko preizkušanje
Published in DKUM: 09.02.2009; Views: 2486; Downloads: 156
.pdf Full text (606,28 KB)

Search done in 0.13 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica