| | 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


41 - 50 / 75
First pagePrevious page12345678Next pageLast page
41.
OPTIMIZACIJA PROCESNIH PARAMETROV PRI VODENJU INJEKCIJSKEGA BRIZGANJA Z UPORABO INTELIGENTNIH METOD
Dragan Kusić, 2014, doctoral dissertation

Abstract: V doktorski disertaciji je predstavljena metoda za optimiziranje procesnih parametrov v procesu injekcijskega brizganja termoplastičnih materialov, ki je implementirana v razvitem inteligentnem sistemu ΔC-3. Predlagana metoda optimizacije procesnih parametrov temelji na kombiniranem pristopu treh metod umetne inteligence, kjer so vsa pravila in dejstva, ki so bila osvojena med množičnimi eksperimentalnimi testiranji na dveh brizgalnih strojih, implementirana tako v bazi znanja kot tudi v podatkovni bazi in so tudi prenosljiva. Ustrezno vrednotenje robustnosti tega proizvodnega procesa je prikazano na primeru nelinearnega matematičnega modela, kjer je izvedena robustna sinteza vodenja hitrosti brizgalnega polža za načrtan robustni regulator po Glover-McFarlanovi metodi ob upoštevanju vpliva motenj in aditivnega modela odstopanj v okolju Matlab/Simulink. V nadaljevanju smo izvedli obsežne eksperimentalne študije na treh izbranih termoplastičnih materialih, kjer smo analizirali vpliv procesnih parametrov na prečni in vzdolžni skrček kot tudi na kot zvijanja testnih ploščic skupaj z meritvijo signalov akustične emisije. Z neporušitveno metodo smo dokazali njeno praktično uporabnost v tem proizvodnem procesu na primeru iskanja razpok na gravurnih orodnih vložkih in detekciji vlažnosti termoplastičnih materialov. Za podrobnejšo analizo zajetih signalov AE v časovno frekvenčnem prostoru smo uporabili Gaborjevo valčno transformacijo. Prav tako so bile izvedene tudi študije zapolnjevanja testnih ploščic v programskem paketu Moldflow, ki so bile osnova za izvedbo kasnejših morfoloških preiskav z vrstičnim elektronskim mikroskopom na površini testnih ploščic v področju slabe orientacije steklenih vlaken.
Keywords: optimizacija, procesni parametri, robustno vodenje, injekcijsko brizganje, skrčki, zvijanje, umetna inteligenca, neporušitveno testiranje, akustična emisija, valčna transformacija
Published: 21.03.2014; Views: 1699; Downloads: 137
.pdf Full text (15,04 MB)

42.
Duh, možgani in umetna intelegenca
Živa Podbevšek, 2014, undergraduate thesis

Abstract: Umetna inteligenca je ena izmed disciplin, ki skupaj s filozofijo, psihologijo, lingvistiko, nevroznanostjo in antropologijo tvorijo interdisciplinarno področje kognitivne znanosti. Cilj umetne inteligence je ustvariti misleč stroj, ki bi imel čustva in zavest. Diplomsko delo je razdeljeno na štiri poglavja. Prvo poglavje vsebuje opredelitev in pregled zgodovine umetne inteligence. Drugo poglavje se posveča simbolni hipotezi ter podrobneje predstavlja kognitivno znanost. Tretje poglavje opisuje nevronske mreže, njihovo zgradbo in značilnosti. Zadnje poglavje predstavlja dva pomembna projekta The Blue Brain Project in The Human Project, v katerih so vključeni vsi elementi iz prejšnjih poglavij in ki z novimi pogledi predstavljata novo upanje za umetno inteligenco.
Keywords: filozofija duha, nevronske mreže, simbolna hipoteza, umetna inteligenca.
Published: 06.03.2014; Views: 1584; Downloads: 355
.pdf Full text (1,29 MB)

43.
ALGORITEM UMETNE KOLONIJE ČEBEL
Nejc Pušnik, 2014, undergraduate thesis

Abstract: To diplomsko delo opisuje algoritem umetne kolonije čebel in nekaj njegovih izboljšav. Hkrati opisuje tudi področje inteligence rojev, kamor spada algoritem umetne kolonije čebel in navaja nekaj sorodnih algoritmov. Algoritem smo preizkusili na iskanju minimalnega vpetega drevesa in učenju nevronske mreže ter dobljene rezultate primerjali s Primovim algoritmom in algoritmom vzvratnega razširjanja.
Keywords: inteligenca rojev, umetna kolonija čebel, nevronska mreža, minimalno vpeto drevo
Published: 17.11.2014; Views: 1197; Downloads: 84
.pdf Full text (2,03 MB)

44.
FILOZOFSKA ANALIZA MEHANIZMOV NARAVNEGA MIŠLJENJA IN UMETNE INTELIGENCE
Boris Aberšek, 2014, doctoral dissertation

Abstract: Tehnologija je dvoje, je vzrok in posledica za vse hitreje spreminjajočo se družbo. Ko danes govorimo o tehnologiji, govorimo predvsem o inteligentnih sistemih, o t.i. kibernetskih sistemih, pri katerih sistem vsebuje, če govorimo v jeziku tehnologije, strojno opremo, stroje in naprave (človeško telo), in programsko opremo – inteligenco – duh, kar bi v jeziku humanistike lahko poimenovali tudi občutke, intencionalna stanja, čustva.... Mnogi problemi, ki so povezani s sodobnimi tehnologijami, so zato povezani tudi z (umetno) inteligenco. Za reševanje problemov v zvezi z UI potrebujemo predvsem splošna znanja o svetu, družbi, ljudeh, kar je filozofski problem. Zato je za vse, ki morajo sprejemati odločitve s področja UI, izjemno pomembno, da razumejo osnovne splošne mehanizme inteligence – filozofijo duha, tj. kako deluje naravna, človeška inteligenca. V nalogi smo se pretežno posvečali področju filozofije duha in učenju, torej enem od njenih izjemno pomembnih elementov, kjer je vse od najzgodnejših začetkov pojava človeka kot mislečega »stroja« pa vse do danes prisotna dvojnost njegovega pojasnjevanja, ki se zrcali v dveh smereh: • mistični, ki zagovarja tezo, da je duh nekaj edinstvenega v svoji neponovljivosti in da je vir mističnosti v nekih lastnostih, svojstvenih samo študijam duha. Izhajajoč iz tega lahko sklepamo, da je duševnost povsem drugačna od vsega ostalega v svetu in mora zato imeti poseben ontološki status; • naturalistični, ki zagovarja tezo, da duh lahko, ali ga celo moramo »naturalizirati«, in to tako, da so lahko duhovna stanja in procesi opisljivi z jezikom znanosti: fizike, kognitivne znanosti, nevroznanosti ali jezikom drugih naravoslovnih ved. Po tem pristopu sprejemamo, da je človek kot bitje del narave ter da so procesi, ki se dogajajo v njem, vključno z duševnimi procesi, prav tako del te narave. Oba pristopa skušata najti resnico, vendar uporabljata popolnoma drugačne metode in orodja ter interpretirata svoje dosežke na popolnoma različnih osnovah in izhodiščih. V nalogi zagovarjamo naturalističen pristop temelječ na sodobnih naravoslovnih metodah in znanostih ter redukcionizmu v teoriji duha s poudarkom na strojnem učenju kot paradigmatskem primeru algoritemskega reducibilnega mentalnega procesa z možnostjo aplikacije na človeka. Tako kot lahko pri stroju ki se uči, učenje skrčimo na algoritme oziroma fizikalne procese, lahko mentalne procese v človeku zapišemo kot dinamične modele in jih nanje tudi reduciramo.Takšen, redukcionistični pristop v okviru filozofije, kognitivne znanosti, nevrobiologije, nevroračunalništva in umetne inteligence pogosto zastavlja vprašanje, ali in kakšna je zveza med razvojem kognitivnega nevromodeliranja (modeliranje ‒ izdelava delovanja možganov s pomočjo sodobnih računalniških tehnologij) in nevroračunalništva (računalniške simulacije nevronskih mrež oz. ti. umetnih nevronskih mrež, ki v kognitivni znanosti prevzemajo vlogo procesnih modelov možganskih in duševnih procesov). Do sedaj še ni bil dan natančen odgovor na tri, za raziskave na teh področjih bistvena vprašanj, in to: • ali lahko celovito kognitivno nevromodeliramo in simuliramo delovanje možganov s pomočjo sodobnih računalniških tehnologij; • ali lahko razvoj nevroračunalništva in umetne inteligence pripelje do nadomeščanja človeka in njegove naravne inteligence (neposredno – humanoidni robot ‒ stroj, ki opravlja človeško delo, ali posredno ‒ računalniški »učitelj«, inteligentni tutor, ki opravlja le človekove mentalne funkcije) in • ideja, ki se ponovno bolj intenzivno pojavlja v zadnjih desetletjih in ki jo zagovarjamo in dokuzujemo tudi v tem delu, ali lahko človeka tj. njegovo mentalno življenje, reduciramo na dinamični sistem, skratka ali obstaja takšen sistem diferencialnih enačb, s katerimi bi ga lahko zapisali. V nalogi smo iskali odgovore predvsem na ta vprašanja. Naloga je zasnovana po zgodovinskem principu, kjer od samih začetkov filozofskega razmi
Keywords: filozofija duha, kognitivna znanost, konekcionizem, kibernetska didaktika, umetna inteligenca, naravno mišljenje
Published: 15.10.2014; Views: 1703; Downloads: 485
.pdf Full text (5,57 MB)

45.
KLASIFICIRANJE S POMOČJO PODATKOVNE GRAVITACIJE
Aljaž Heričko, 2014, undergraduate thesis

Abstract: V diplomski nalogi predstavimo osnovne značilnosti klasifikacijskih pristopov, ki temeljijo na podatkovni gravitaciji ter predlagamo nov klasifikacijski algoritem in klasifikator, ki temelji na principu podatkovne gravitacije. Učinkovitost predlaganega klasifikatorja v smislu točnosti razvrščanja smo ovrednotili na naboru sedmih standardnih podatkovnih zbirk in rezultate primerjali z drugimi uveljavljenimi klasifikacijskimi algoritmi. Na osnovi rezultatov eksperimentalne študije lahko sklepamo, da predlagani klasifikator, podobno kot nekateri drugi na podatkovni gravitaciji temelječi pristopi, zagotavljajo zadovoljive in primerljive rezultate nad standardnimi testnimi podatkovnimi množicami.
Keywords: umetna inteligenca, strojno učenje, podatkovna gravitacija, tehnike klasifikacije, orodje Weka
Published: 25.02.2015; Views: 986; Downloads: 119
.pdf Full text (1,66 MB)

46.
INDUKTIVNO UČENJE IZ OPAZOVANJ
Miha Pišorn, 2014, undergraduate thesis

Abstract: V diplomskem delu predstavimo učenje iz podatkov, kot model predvidevanja uporabimo odločitvena drevesa. Preučimo problem prekomernega prilagajanja in pogoste metode za njegovo omiljenje. Ansambelsko učenje je koncept v okviru umetne inteligence, ki združuje metode, ki sestavijo nabor klasifikatorjev in klasificirajo nove vhodne podatke na podlagi glasovanja. Te metode preučimo in pokažemo, zakaj se pogosto odrežejo bolje od posameznih klasifikatorjev. Implementiramo pogosto uporabljan algoritem Adaboost in preizkusimo njegovo obnašanje. Kot klasifikatorje uporabimo odločitvena drevesa.
Keywords: umetna inteligenca, strojno učenje, odločitveno drevo, ansambelsko učenje, Adaboost
Published: 06.03.2015; Views: 1234; Downloads: 83
.pdf Full text (2,45 MB)

47.
Uporaba metod mehkega računanja v proizvodnih sistemih
Jure Šafner, 2015, undergraduate thesis

Abstract: V diplomskem delu smo raziskali in nazorno predstavili metode mehkega računanja in njihove prednosti. Pri tem smo se osredotočili na nevronske mreže, mehko logiko, evolucijsko računanje in skupinsko inteligenco. Vsako metodo smo raziskali in predstavili po naslednjem ključu: zgled v naravi, uporabnost v industriji, oblikovanje metode in njeni sestavni deli ter predstavitev delovanja metod. Nato smo na podlagi strokovne in znanstvene literature naredili primerjavo omenjenih metod. Z diplomskim delom smo potrdili, da so metode mehkega računanja koristna orodja za reševanje optimizacijskih problemov ter so uporabne pri kompleksnih NP problemih.
Keywords: mehko računanje, umetna inteligenca, nevronske mreže, genetski algoritmi, skupinska inteligenca, mehka logika, algoritem kolonije mravelj, inteligenca roja delcev.
Published: 02.07.2015; Views: 857; Downloads: 79
.pdf Full text (1,61 MB)

48.
49.
Sistem za podporo odločanju v procesu vrednotenja naravnih vrednot
Tanja Kepa Ferlan, 2005, master's thesis

Abstract: Sistem za podporo odločanju v procesu vrednotenja naravnih vrednot
Keywords: informatika, informacijski sistemi, ekspertni sistemi, umetna inteligenca, večkriterialno odločanje, modeli, naravno bogastvo, vrednotenje
Published: 10.07.2015; Views: 403; Downloads: 45
URL Link to full text
This document has many files! More...

50.
Search done in 0.23 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica