| | 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.
Steganografski algoritem za skrivanje podatkov v digitalnem videu
Jan Henčič, 2020, magistrsko delo

Opis: V magistrskem delu predstavimo moderno steganografsko metodo za shranjevanje skrivnih podatkov v video vsebine ter omogočimo skrivanje poljubnih sporočil v izbrane odseke video posnetka. Posnetek najprej pretvorimo v frekvenčno domeno s pomočjo diskretne kosinusne transformacije, kamor se nato shranijo podatki s pomočjo metode F5. Skrivni podatki so pred shranjevanjem dodatno zaščiteni s kriptiranjem. Stisnjeni posnetki se nato v pretočni obliki preko mreže pošljejo prejemniku. Prejemnik izvede inverzni postopek in izloči skrivna sporočila. Pri steganografiji je bistveno, da ostane obstoj komunikacije prikrit. Zaradi tega je v delu izvedena tudi primerjava podobnosti izvornih posnetkov s tistimi, ki imajo v sebi skrite podatke. V rezultatih pokažemo, da večja količina skritih podatkov bolj vpliva na kvaliteto, kar je bolj opazno pri animacijah in posnetkih nižje ločljivosti. Najbolj primerni za shranjevanje podatkov so naravni posnetki višjih ločljivosti.
Ključne besede: skrivanje podatkov, steganografija, frekvenčna domena, video vsebina
Objavljeno: 09.03.2020; Ogledov: 461; Prenosov: 71
.pdf Celotno besedilo (5,34 MB)

2.
Preprečevanje prekomernega prileganja pri učenju večplastnih nevronskih mrež
Jan Henčič, 2017, diplomsko delo

Opis: Diplomsko delo obravnava tematiko strojnega učenja s pomočjo uporabe umetnih nevron- skih mrež. Te so po svojih sposobnostih in načinu delovanja zelo podobne delovanju človeških možganov. Imajo sposobnost akumuliranja znanja s tako imenovanim postop- kom ”učenja”, hkrati pa so sposobne to znanje tudi shranjevati. Pravilnost delovanja mrež se s postopkom učenja, ki se ponavlja iterativno, povečuje. Ena izmed glavnih težav pri učenju nevronskih mrež je pojav prekomernega prileganja, ki se kaže v tem, da mreža ne posplošuje dobro iz učne na testno množico vzorcev. Za preprečevanje tega pojava je bilo razvitih več tehnik, katerih uporaba, učinkovitost in primerjava je predmet pričujočega diplomskega dela.
Ključne besede: Umetna nevronska mreža, Vzvratno razširjanje, Prekomerno prileganje, Regularizacija
Objavljeno: 06.10.2017; Ogledov: 891; Prenosov: 108
.pdf Celotno besedilo (2,01 MB)

3.
Programski paket SIBACAD
Peter Henčič, 1991, diplomsko delo

Objavljeno: 26.07.2007; Ogledov: 1490; Prenosov: 0

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