| | 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


51 - 60 / 75
First pagePrevious page12345678Next pageLast page
51.
Optimizacija s pomočjo kolonije mravelj
Ivan Pešl, Viljem Žumer, Janez Brest, 2006, original scientific article

Abstract: V naravi so mravlje sposobne najti najkrajšo pot od vira hrane do gnezda brez uporabe vizualnih informacij. Poleg tega so se zmožne prilagoditi spremembam v okolju. na primer najti novo naj krajšo pot. ko trenutno pot preseka ovira. Pri tem nastane zamisel, da bi lahko bilo posnemanje takšnega obnašanja mravelj učinkovito tudi v diskretnem svetu. V članku bomo prikazali reševanje problema trgovskega potnika s pomočjo optimizacije mravelj.
Keywords: kolonija mravelj, umetna inteligenca, inteligenca roja, problem trgovskega potnika
Published: 10.07.2015; Views: 899; Downloads: 37
URL Link to full text

52.
Inteligentni računalniški sistem za pomoč pri poučevanju konstruiranja
Marina Novak, Bojan Dolšak, 2000, short scientific article

Abstract: Odločitve, sprejete v procesu konstruiranja, odločilno vplivajo na konkurenčnost izdelka na trgu. Zato sta zelo pomembni kakovost in uspešnost poučevanja konstruiranja na univerzitetnem študiju. V članku je postavljen potek poučevanja konstruiranja, ki temelji na praktičnem skupinskem delu pri izdelavi projektne naloge. Opisane so težave s katerimi se pri tem, predvsem zaaradi neizkušenosti, srečujejo študenti, in možnosti uporabe metod umetne inteligence za pomoč pri premagovanju teh težav. Podrobno je opisan inteligentni računalniški sistem , ki naj študentom pomga oceniti rezultate analize po metodi končnih elementov, jih pravilno razlagati in predstaviti kritična mesta v konstrukciji. Nadalje naj sistem študentom predlaga tudi ustrezne korake za izboljšanje konstrukcije. Za pravilno razumevanje rezultatov numerične anlize in izbiro ustreznih konstrukcijskih ukrepov je treba veliko izkušenj in znanja. Obojega študentom primanjkuje, zato je uporaba metod umetne inteligence v tem primeru upravičena in lahko bistveno pripomore k učinkovitejšemu reševanju problemov.
Keywords: konstruiranje, umetna inteligenca, numerična analiza, visokošolsko izobraževanje, učenje
Published: 10.07.2015; Views: 883; Downloads: 20
URL Link to full text

53.
UČINKOVITEJŠE NAČRTOVANJE PROJEKTOV OBNOVE ZGODOVINSKIH OBJEKTOV Z INTEGRACIJO TEHNOLOGIJ ZA UPRAVLJANJE ZNANJA
Daniela Dvornik Perhavec, 2016, doctoral dissertation

Abstract: Prenova zgodovinskih objektov gradbenim inženirjem ne predstavlja posebnega zadovoljstva in izziva. Morda je razlog v tem, da za načrtovanje projektov obnove ni zadostne podpore s strani investitorjev. Raziskovanje zgodovinskih objektov zahteva čas in finančna sredstva. Projekt obnove je za razliko od novogradenj drugačen in temelji na vhodnih podatkih kot posledici rezultatov raziskovanja obstoječih objektov. Če vhodni podatki niso točni, se raziskovanje objekta prenese v fazo izvedbe, kar investitorju povzroči tveganje, izvajalcu pa motnje v projektu obnove. Projekt prenove se običajno prične z raziskovanjem obstoječega objekta in z iskanjem arhivskega gradiva. Težava nastopi, če arhivskih podatkov ni. Ključno vprašanje, ki pri tem nastopi je, kako iz razpoložljivih virov in podatkov, ki so za zgodovinske objekte na voljo, napovedati karakteristike objektov, za katere razpoložljivih virov ni. Na podlagi analize literature, gradbene zakonodaje in načrtov za zgodovinske objekte smo izdelali relacijske baze na podlagi katerih smo želeli izdelati napovedni model za naključne objekte. Rezultati za napoved so bili zadovoljivi, zato smo izdelali še ustrezne ontologije ter s pomočjo metod umetne inteligence, natančneje z odločitvenimi drevesi, pridobili novo znanje o karakteristikah zgodovinskih objektov. Proučili smo tudi zunanje udeležence. Na podlagi teorije iger smo utemeljili kateri parametri so ključni za uspešno podporo projektu prenove. V doktorski nalogi predstavljen model za učinkovitejše načrtovanje projektov obnove zgodovinskih objektov s pomočjo uporabe tehnologij za upravljanje znanja predstavlja nov pristop v procesu projektov prenove objektov. Z uspešnim razvojem ontologij bomo s pomočjo pridobivanja znanja iz podatkov ter podatkovnega rudarjenja lahko zagotovili boljšo podporo tistim, ki tovrstno znanje potrebujejo.
Keywords: projekti obnove, zgodovinski objekti, sistemi, podatkovne baze, ontologije, odločitvena drevesa, podatkovno rudarjenje, umetna inteligenca, teorija iger, zapornikova dilema, model za učinkovitejše načrtovanje, tehnologije upravljanja znanja
Published: 01.09.2016; Views: 1585; Downloads: 74
.pdf Full text (17,57 MB)

54.
Inteligenca v virtualnih okoljih
Martina Fatorič, 2016, undergraduate thesis

Abstract: Diplomska naloga nudi pregled različnih postopkov ter orodij uporabe umetne inteligence v virtualnih okoljih. Najprej se bomo na kratko seznanili s pojmom virtualnega okolja ter spoznali različne vrste virtualnih okolij. Nato bomo definirali umetno inteligenco znotraj virtualnega okolja in predstavili njeno zgodovino. Podrobno bomo opisali postopke, s katerimi oponašamo inteligentno obnašanje v virtualnih okoljih in jih primerjali med seboj. V praktičnem delu naloge bomo v virtualnem okolju Second life definirali lik in mu dodelili nekaj inteligentnih lastnosti. V sklepnem delu bomo povzeli ugotovitve diplomske naloge in pregledali, kam stremi umetna inteligenca v prihodnosti.
Keywords: virtualno okolje, virtualni svet, umetna inteligenca, Second life
Published: 30.03.2016; Views: 879; Downloads: 83
.pdf Full text (2,95 MB)

55.
Zasnova inteligentnega modela računalniško integrirane proizvodnje v topli valjarni aluminija
Bojan Kropf, 2016, master's thesis

Abstract: Sistemi avtomatizacij predstavljajo danes v proizvodnih obratih velik inženirski izziv pri krmiljenju odprtih in zaprtih zank regulacije. Poleg zagotavljanja učinkovitosti procesov danes avtomatizacija determinira tudi kvaliteto produktov na proizvodni opremi. Generiranje dodane vrednosti podjetja je odvisno od mnogo dejavnikov, ki vplivajo na transformacijo obratov in procesov v industriji valjanja ter predstavljajo velik izziv za menedžment. Sodobni koncepti procesov valjanja koristijo računalniško integracijo proizvodne opreme za obvladovanje tehnologije s pomočjo umetne inteligence in daleč prekašajo sposobnost odločanja človeka za doseganje želenih ciljev. V procesu toplega valjanja, ki se izvaja na reverzibilni kvarto topli valjarni in je ključna za produkcijo kvalitete najvišjega tehnološkega nivoja, želimo nadgraditi procese avtomatizacije nivoja 0 (glavni in pomožni pogoni, senzorji …) in nivoja 1 (definiranje oblike traka: debelina, profil) ter na novo implementirati avtomatizacijo nivoja 2 (tehnologija s pomočjo umetne inteligence) ter nivoja 3 (terminiranje in planiranje proizvodnje). V magistrski nalogi je raziskano področje prehoda na obvladovanje tehnologije toplega valjanja aluminija s pomočjo matematičnih modelov nivoja 2, ki za nas predstavlja velik inženirski izziv, saj velik del obstoječe strojne opreme ne ustreza zahtevanemu nivoju kvalitete in jo je tekom modernizacije potrebno zamenjati. S pomočjo matematičnih modelov nivoja 2 so bile narejene simulacije planov valjanja za različne vrste materialov in s tem determiniran koncept modernizacije tople valjarne. Izračunana je bila limitirana maksimalna proizvodna sposobnost tople valjarne za valjanje aluminija.
Keywords: inteligentni model upravljanja, topla valjarna, umetna inteligenca
Published: 26.10.2016; Views: 600; Downloads: 24
.pdf Full text (4,57 MB)

56.
SELEKTIVNO DOLOČANJE OKVARJENEGA IZVODA OB ZEMELJSKEM STIKU V DISTRIBUCIJSKEM OMREŽJU
Bogomil Jelenc, 2016, master's thesis

Abstract: Umetne nevronske mreže postajajo zelo uporabne za podporo dispečerjem pri vodenju obratovanja distribucijskih elektroenergetskih sistemov. Odlično se izkažejo predvsem pri prepoznavanju vzorcev različnih signalov, kar je v bistvu osnova delovanja zaščitnih naprav v elektroenergetskem sistemu. Magistrsko delo podaja način določanja okvarjenega izvoda v razdelilni transformatorski postaji pri zemeljskem stiku, tudi visokoohmskem, z uporabo nevronske mreže s povezavami naprej (feed forward artificial neuron network). Nevronska mreža je naučena z nadzorovano metodo z uporabo algoritma povratnega napredovanja (angl. backpropagation). Za učenje so bili uporabljeni posnetki realne okvare. Validacija nevronske mreže je prav tako narejena na posnetkih realne okvare vendar ne istih kot so bili uporabljeni za učenje. Rezultati so pokazali izjemno zanesljivost določanja prisotnosti okvare v sistemu in določanja okvarjenega izvoda.
Keywords: nevronska mreža, umetni nevron, umetna inteligenca, distribucijsko omrežje, zemeljski stik
Published: 13.09.2016; Views: 896; Downloads: 80
.pdf Full text (4,53 MB)

57.
UPORABA METOD UMETNE INTELIGENCE PRI ODZIVU NA IZREDNE DOGODKE V SISTEMU RAVNANJA Z ODPADKI
Peter Kropf, 2016, undergraduate thesis

Abstract: Ravnanje z odpadki zajema zbiranje, prevažanje, predelavo in odstranjevanje odpadkov, vključno s kontrolo tega ravnanja. Izvajalci si zbiranje in odvoz organizirajo glede na potrebe in razpoložljive vire. Zaradi velikega števila odjemalcev, posod, vozil in voznikov se vnaprej pripravljajo urniki, ki so pripravljeni tako, da se viri znotraj podjetja izkoriščajo optimalno. V fazi izvajanja pogosto pride do nepredvidenih dogodkov, ki onemogočijo normalno izvajanje odvozov po urniku. V diplomskem delu se posvečamo uporabi metod umetne inteligence, s katerimi želimo izboljšati odzivnost sistema izvajalca odvoza odpadkov na izredne dogodke. Pri tem se podrobno posvetimo analizi razpoložljivih podatkov in iskanju najboljšega modela predstavitve sistema ravnanja z odpadki v digitalni obliki primerni za avtomatske obdelave, v nadaljevanju pa iskanju primernega načina vnosa izrednih dogodkov v sistem v realnem času. V nadaljevanju z uporabo diskretnih optimizacijskih metod in avkcijskega algoritma določimo najoptimalnejšo spremembo sistema in obvestimo vse deležnike sistema o spremembah v seznamu opravil.
Keywords: umetna inteligenca, ravnanje z odpadki, izredni dogodki, avkcijski algoritem
Published: 13.09.2016; Views: 426; Downloads: 41
.pdf Full text (1,61 MB)

58.
Umetna inteligenca in računovodenje
Miha Klančnik, 2017, master's thesis

Abstract: Računovodski oddelek je eden izmed temeljnih oddelkov vsake organizacije. Brez vzpostavljenega računovodskega oddelka ali servisa podjetja ne morejo poslovati. Da lahko računovodje svoje delo opravljajo, morajo imeti sistemsko podporo. Sistemska podpora so lahko inteligentni sistemi ali pa dovolj zmogljivi informacijski sistemi, odvisno od kompleksnosti družbe. Da se je stroka računovodstva razvila do tolikšne mere, kot jo poznamo danes, gre veliko zaslug pripisati tehnološkim pripomočkom. Eden izmed množice tehnoloških pripomočkov so umetno inteligentni sistemi. Umetno inteligentni sistemi omogočajo obdelavo ogromne količine podatkov ter pretvorbo teh podatkov v smiselne informacije. Skozi leta se je delo v računovodstvu korenito spremenilo. Spremenil se je predvsem način dela. V preteklosti so računovodje svoje delo upravljali s papirji, sedaj pa je njihovo delo avtomatizirano. Z uporabo umetno inteligentnih sistemov pri svojem delu imajo zbrane vse podatke na enem mestu ter že pripravljene informacije, s katerimi lahko nato razpolagajo. Podjetje X je eno izmed hčerinskih družb koncerna, kjer se je v letu 2015 uvedlo centralizirano računovodstvo za del nalog v računovodstvu. Vpeljali so enostavno uporabo umetne inteligence v računovodstvo, kjer programska oprema prepozna, ali dokumenti vsebujejo bistvene značilnosti ali ne. Za nemoteno delovanje procesa in za obdelavo velike količine podatkov, imajo implementiran informacijski sistem. Podatki vseh hčerinskih družb so zbrani na enem mestu. Določene informacije so že vnaprej pripravljene in na voljo uporabnikom.
Keywords: računovodstvo, umetna inteligenca, ekspertni sistemi, informacijski sistemi, centralizirano računovodstvo
Published: 19.05.2017; Views: 1008; Downloads: 173
.pdf Full text (1,49 MB)

59.
Razvrščanje vzorcev z uporabo inteligentnih metod
Lucijano Berus, 2017, master's thesis

Abstract: Magistrsko delo obravnava področje umetne inteligence, strojnega učenja, razvrščanja kompleksnih vzorcev in metode določitve značilk. Predstavljeno je delovanje nekaterih najpogosteje uporabljenih razvrščevalnih algoritmov. Izdelan je bil algoritem za zaznavo Parkinsonove bolezni na podlagi zajetega zvočnega signala. Meritve zvoka so bile narejene na štiridesetih posameznikih. Od tega je bila polovica zdravih in polovica z Parkinsonovo boleznijo. Namen naloge je razviti robusten sistem za zaznavo prisotnosti Parkinsonove bolezni. Za izboljšanje natančnosti razvrščanja, so bile uporabljene različne tehnike določitve značilk (Pearsonov korelacijski koeficient, Khendallov korelacijski koeficient in Samoorganizacijske gruče) in topologije nevronskih mrež. S pomočjo usmerjene nevronske mreže, je bila dosežena 86,47 % natančnost razvrščanja. Omenjena natančnost je bila dosežena z uporabo redukcije značilk na podlagi Pearsonovega korelacijskega koeficienta.
Keywords: umetna inteligenca, klasifikacija, strojno učenje, Parkinsonova bolezen, umetna nevronska mreža
Published: 13.09.2017; Views: 702; Downloads: 112
.pdf Full text (1,48 MB)

60.
Klepetalni roboti kot kanal digitalnega marketinga: primer komunikacije z bodočimi študenti
Blaž Kovač, 2017, undergraduate thesis

Abstract: Predloženo raziskovalno poročilo sloni na marketinških teorijah, s posebnim poudarkom na digitalnem marketingu in digitalnih komunikacijskih kanalih. Omogočamo vpogled v razvoj novega marketinškega kanala, z uporabo komunikacijskega kanala Messenger, ki je tesno povezan s socialnim omrežjem Facebook. Predstavljena je analiza uporabe tega kanala po svetu in primerjava s slovenskimi podjetji. Predlagamo načrt uvedbe avtomatskega sporočilnega sistema za predstavitev Ekonomsko-poslovne fakultete srednješolskim maturantom in predstavljamo prototip klepetalnega robota za Facebook Messenger.
Keywords: klepetalni robot, Facebook Messenger, Facebook, digitalni marketing, digitalni razvoj, socialna omrežja, tehnologija, umetna inteligenca.
Published: 08.11.2017; Views: 573; Downloads: 77
.pdf Full text (1,61 MB)

Search done in 0.2 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica