| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 3 / 3
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Domain landscape
Robert Hofsink, Andrej Bergauer, Vojko Flis, Nina Kobilica, Tadej Kampič, Izidor Mlakar, Daniel Hari, Riko Šafarič, Suzana Uran, 2021, elaborat, predštudija, študija

Objavljeno: 07.05.2021; Ogledov: 180; Prenosov: 13
.pdf Celotno besedilo (351,73 KB)

2.
Ocenjevanje zaupanja v globokih nevronskih mrežah
Daniel Hari, 2020, magistrsko delo

Opis: V magistrskem delu so predstavljeni pristopi ocenjevanja zaupanja v globokih nevronskih mrežah na primeru razpoznave števk. Ti pristopi nam omogočajo izboljšavo kakovosti razpoznave števk, s čimer se približamo natančnosti človeka, ki za bazo MNIST znaša 97,5–98 %. V delu se bomo osredotočili predvsem na dva pristopa, in sicer z Bayesovim učenjem in vzorčenjem z izpustnimi sloji. Bayesovo učenje je matematično bolj zahteven postopek, saj deluje tako, da vsak vhodni podatek v nevronsko mrežo obravnavamo kot porazdelitev verjetnosti in ne kot deterministično določeno vrednost. Pri tehniki vzorčenja z izpustnimi sloji je za vsakim skritim slojem mreže dodan stohastični izpustni sloj, tako da lahko na izhod iz modela gledamo kot na naključni vzorec, ki je ustvarjen iz aposteriorne porazdelitve. Takšen postopek je sicer računsko manj zahteven, daje pa podoben rezultat. Magistrsko delo je sestavljeno iz teoretičnega in eksperimentalnega dela. V teoretičnem delu so predstavljeni pojmi, kot so umetna inteligenca in sestava nevronske mreže ter podroben opis Bayesovega učenja in vzorčenja z izpustnimi sloji. V eksperimentalnem delu so prikazani pristopi razpoznave števk z Bayesovim učenjem in pristopi, ki uporabljajo tehnike vzorčenja z izpustnimi sloji. Podana je tudi primerjava postopkov.
Ključne besede: umetna inteligenca, Bayesov pristop, izpustni sloji, strojno učenje.
Objavljeno: 29.01.2021; Ogledov: 191; Prenosov: 53
.pdf Celotno besedilo (2,94 MB)

3.
Pregled prosto dostopnih strojnih prevajalnikov
Daniel Hari, 2018, delo diplomskega projekta/projektno delo

Opis: V projektni nalogi so predstavljene vrste strojnega prevajanja, ki so vgrajene v različne prevajalnike. Ti prevajalniki omogočajo, da se posamezna beseda ali daljše besedilo na podlagi izvedbe določenih algoritmov samodejno prevede iz izvornega jezika v ciljni jezik. Poznamo več načinov strojnega prevajanja, ki jih v nalogi tudi predstavimo. Vsako strojno prevajanje se razlikuje po načinu prevajanja oz. svojih značilnostih, različni načini prevajanja pa imajo tudi določene skupne lastnosti, kot sta sprotno učenje in iskanje dobrih prevodov v slovarjih ali bazah podatkov, ki pripomorejo k bolj natančnemu prevodu same besede oz. besedila. Naloga je sestavljena iz teoretičnega in praktičnega dela. V teoretičnem delu je predstavljen pregled načinov prevajanja, v praktičnem delu pa analiza kakovosti prevajanja posameznih prosto dostopnih prevajalnikov.
Ključne besede: Strojno prevajanje, strojni prevajalniki, slovarji, korpus, strojno učenje, statistični pristop.
Objavljeno: 05.02.2019; Ogledov: 699; Prenosov: 134
.pdf Celotno besedilo (3,35 MB)

Iskanje izvedeno v 0.08 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici