| | 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


31 - 40 / 75
First pagePrevious page12345678Next pageLast page
31.
PROGRAM ZA IGRANJE IGRE ARIMAA
Marjan Verk, 2011, undergraduate thesis

Abstract: V diplomskem delu smo proučili igro Arimaa in razložili njena pravila. Opisali smo tudi najbolj pogoste strategije pri igranju Arimaa. Implementirali smo testni program za igranje Arimaa s pomočjo algoritma alfa-beta. Predlagali smo še nekaj možnih izboljšav za naš program. Na koncu smo primerjali testni program z ostalimi razpoložljivimi programi, ki igrajo igro Arimaa.
Keywords: Arimaa, alfa beta, umetna inteligenca
Published: 11.11.2011; Views: 1463; Downloads: 87
.pdf Full text (10,84 MB)

32.
PREGLED IN UPORABA POSTOPKOV OPTIMIRANJA OBSTOJNOSTI PRI STRUŽENJU
Boštjan Zupanič, 2012, undergraduate thesis

Abstract: V diplomski nalogi so predstavljene veličine, ki vplivajo na optimiranje obstojnosti pri struženju. Opisane in prikazane so metode, s katerimi pridemo do realnih rezultatov ob uporabi določene baze podatkov in upoštevanjem medsebojnega vpliva obdelovanec, orodje, vpenjalo, stroj in hladilno mazalno sredstvo. Za prikaz optimiranja so uporabljeni analitični modeli ter prikaz modelov umetne inteligence (nevronske mreže, genetski algoritem). Podani so principi zajemanja signalov pri odrezavanju ter vključitev teh signalov v sistem adaptivnega optimiranja krmilja ter procesa.
Keywords: odrezavanje, optimiranje, optimiranje odezovalnih procesov, umetna inteligenca
Published: 29.06.2012; Views: 1199; Downloads: 79
.pdf Full text (18,33 MB)

33.
34.
35.
36.
Inteligentni sistem za oddaljeno spremljanje stanja mineralnih hidravličnih olj
Vito Tič, 2013, doctoral dissertation

Abstract: Doktorska naloga obravnava široko področje spremljanja stanja hidravličnih tekočin skozi njihov delovni življenjski cikel, pri čemer izpostavlja in podrobneje obravnava problem kvantitativnega ocenjevanja stanja mineralnih hidravličnih olj ter njihove preostale uporabne dobe. Pri uveljavljanju različnih metod in sistemov spremljanja stanja v industrijskem okolju je ključnega pomena njihova praktičnost in uporabnost, zato se doktorska naloga osredotoča na aplikativni razvoj inteligentnega sistema oz. modela za oceno stanja olja in njegove preostale življenjske oz. uporabne dobe, ki zmore samostojno, brez pomoči izkušenega strokovnjaka, preučiti fizikalno-kemične lastnosti hidravlične tekočine in podati informacijo o stopnji njene ustreznosti. Za oceno stanja olja, in njegove preostale uporabne dobe, je v disertaciji predlagan hibridni matematični model, zasnovan na osnovi predhodno pridobljenih podatkov pospešenega staranja olja. Ustreznost izdelanega hibridnega modela je najprej potrjena na bazi podatkov pospešenega staranja hidravlične tekočine, na podlagi katere je bil model tudi izdelan. V nadaljevanju prikazana implementacija modela na realnem industrijskem sistem pa prikazuje praktično uporabnost razvitega sistema, saj je izdelan model sposoben uspešno in dovolj natančno oceniti stanje in preostalo uporabno dobo olja že po prvi tretjini njegove življenjske dobe.
Keywords: hidravlična tekočina, mineralno olje, analiza olja, spremljanje stanja, senzorji, umetna inteligenca, preostala uporabna doba
Published: 12.07.2013; Views: 1623; Downloads: 237
.pdf Full text (7,81 MB)

37.
METODA MEJNIH PAROV ZA UČENJE UMETNIH NEVRONSKIH MREŽ
Bojan Ploj, 2013, doctoral dissertation

Abstract: Disertacija opisuje novo metodo strojnega učenja - metodo mejnih parov. Opisana metoda je namenjena učenju večslojnega perceptrona, nevronske mreže s povezavami naprej, ki služi za prepoznavanje oziroma razvrščanje v razrede. Uvodoma je opisana problematika strojnega učenja, nevronska mreža večslojni perceptron (MLP) in njena klasična učna metoda backpropagation s poudarkom na njenih slabostih. V jedru disertacije najprej analiziramo lastnosti naučenega MLP. Pri tem se osredotočimo na učne vzorce v bližini meje in definiramo pojem mejnega para. Sledi analiza lastnosti mejnih parov, ki je podlaga za novo metodo razšumljanja, za novo metodo rojenja, in novo metodo konstruktivnega učenja. To učenje je lahko statično (offline), inkrementalno, dinamično (online) in s postopnim pozabljanjem starih učnih podatkov. Razšumljanje, rojenje in učenje smo testirali s simulacijo na računalniku. V ta namen smo uporabljali uveljavljene nabore učnih podatkov (zaradi primerljivosti rezultatov), realne nabore učnih podatkov (kot dokaz uporabnosti), kot tudi umetne (zaradi prilagajanja učnih podatkov našim potrebam). Primerjalna analiza je pokazala, da ima metoda mejnih parov nekaj dobrih lastnosti. Z njo smo uspešno razšumljali in rojili podatke, iskali značilke ter razvrščali podatke. Rezultati raziskav kažejo, da je obravnavana metoda zanesljiva, natančna, konstruktivna in odporna na šum in prekomerno učenje.
Keywords: umetna inteligenca, strojno učenje, konstruktivna nevronska mreža, algoritem, večslojni perceptron, metoda mejnih parov
Published: 14.08.2013; Views: 1423; Downloads: 207
.pdf Full text (3,61 MB)

38.
METODE NEVROEVOLUCIJE
Sašo Mađarić, 2013, master's thesis

Abstract: Pri klasičnem razvoju nevronskih mrež za uporabo na različnih področjih umetne inteligence se pogosto srečujemo s problemom določanja optimalne topologije nevronske mreže, ki ima velik vpliv na njeno kvaliteto. V tem magistrskem delu smo se ukvarjali s problemom avtomatiziranega razvoja topologije nevronske mreže in njenega učenja z nevroevolucijskimi metodami. Področje, ki se ukvarja z razvojem nevronskih mrež s pomočjo evolucijskega algoritma, je nevroevolucija. Preučili in implementirali smo nevroevolucijske metode NEAT, HyperNEAT in ES-HyperNEAT. Uspešnost metod smo preizkusili na eksperimentu z agenti. Agent se nahaja v okolju in poskuša pobrati čim več kosov hrane ter se izogniti sovražnikom oziroma zidovom. Nevroevolucijske metode smo primerjali z metodo Q-učenje, ki za učenje nevronske mreže uporablja klasično metodo vzvratnega prenosa napake. Primerjali smo doseženo oceno in časovno zahtevnost. Rezultati so pokazali, da je najuspešnejša metoda HyperNEAT, sledita pa ji ES-HyperNEAT in NEAT. Metoda Q-učenje se je izkazala za najmanj uspešno, saj je glede na nevroevolucijske metode v podrejenem položaju tako po doseženi kriterijski oceni kot tudi po časovni zahtevnosti.
Keywords: umetna inteligenca, nevroevolucija, evolucijski algoritem, nevronske mreže, razvoj nevronskih mrež, NEAT, HyperNEAT, ES-HyperNEAT
Published: 11.09.2013; Views: 1278; Downloads: 129
.pdf Full text (5,83 MB)

39.
ALGORITMI ZA REŠEVANJE KOSOVNE SESTAVLJANKE
Andrej Prajndl, 2013, undergraduate thesis

Abstract: V diplomskem delu opišemo algoritme za reševanje kosovne sestavljanke na osnovi primerjave robov. Razvili smo algoritem z najboljšim prileganjem, algoritem gradnje po fronti ter algoritem z usmerjenim grafom. Pri vseh algoritmih smo kot omejitve uvedli ravne robove, pravilno orientacijo kosov, enako velikost kosov ter dodali informacijo o statusu robnega in vogalnega kosa. Kriterija za primerjavo algoritmov sta porabljen čas in pravilnost rezultata.
Keywords: kosovna sestavljanka, usmerjeni graf, umetna inteligenca
Published: 08.10.2013; Views: 859; Downloads: 60
.pdf Full text (3,23 MB)

40.
Uporaba umetne inteligence za reševanje zahtevnih inženirskih problemov
Simon Šikovec, 2013, undergraduate thesis

Abstract: diplomsko delo opisuje različne metode umetne inteligence in njihovo uporabo v inženirstvu. V uvodnem delu je razčlenitev umetne inteligence in splošen opis, ki mu sledi nekaj primerov. S primeri, kot sta na primer optimizacija obdelovalnih parametrov in napovedovanje oziroma obnašanje sistema v prihodnosti, želimo pokazati, da je uporaba umetne inteligence učinkovit pristop za reševanje inženirskih problemov. Na koncu obeh primerov prikažemo, da je uporaba metod umetne inteligence učinkovita, saj je robustna, zmogljiva in za inženirske potrebe dovolj natančna. Danes vse bolj stremimo k čim večji avtomatizaciji in načrtovanju proizvodnih sistemov, ki nam dajejo najboljše rezultate. Uporaba umetne inteligence je velikokrat skoraj nujna, saj do neke mere nadomesti navzočnost človeka v proizvodnih sistemih.
Keywords: Ključne besede: umetna inteligenca, nevronske mreže, genetski algoritmi, skupinska inteligenca, mehka logika, algoritem kolonije mravelj.
Published: 26.11.2013; Views: 1794; Downloads: 297
.pdf Full text (1,81 MB)

Search done in 0.16 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica