| | 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 - 10 / 368
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Gradnja uravnoteženih evolucijskih klasifikacijskih dreves
Tadej Lahovnik, 2024, magistrsko delo

Opis: Uspešnost odločitvenih dreves temelji na predpostavki, da učni podatki za vsak razred vključujejo enako količino informacij. Pri nesorazmerni porazdelitvi razredov so klasifikatorji pristransko usmerjeni k večinskim razredom. Zaradi majhnega števila vzorcev manjšinskih razredov klasifikatorji niso zmožni ustreznega usvajanja znanja, kar vodi do slabšega posploševanja in prekomernega prileganja. V okviru zaključnega dela smo razvili več algoritmov za gradnjo uravnoteženih evolucijskih dreves, ki se osredotočajo na reševanje izzivov, povezanih z nesorazmerno porazdelitvijo razredov. Rezultati eksperimenta kažejo, da uravnoteženost evolucijskih dreves ne prispeva k izboljšanju klasifikacije v primerjavi s tradicionalnimi metodami.
Ključne besede: evolucijski algoritem, odločitvena drevesa, klasifikacija, neuravnoteženi podatki
Objavljeno v DKUM: 06.02.2025; Ogledov: 0; Prenosov: 5
.pdf Celotno besedilo (2,85 MB)

2.
Pozivni injekcijski napadi na velike jezikovne modele
Matic Bobnar, 2025, magistrsko delo

Opis: V magistrskem delu raziskujemo vlogo velikih jezikovnih modelov v vzponu generativne umetne inteligence. Predstavimo osnovne koncepte, kot so transformerji, žetoni in vektorske reprezentacije, ter opisujemo ključne prednosti, slabosti in izzive z generativnimi modeli. Posebno pozornost namenjamo izzivom varnosti, kot so pozivni injekcijski napadi. Podrobno analiziramo delovanje teh napadov, njihove vrste in predstavimo možne pristope za obrambo pred njimi. V okviru eksperimenta prikazujemo izdelavo spletne ankete, ki implementira različne jezikovne modele. S pomočjo pridobljenih podatkov iz ankete nato analiziramo občutljivost posameznih modelov na različne intenzitete injekcijskih napadov ter preučujemo njihove vplive na uporabniške dimenzije, kot so uporabnost, točnost, razumljivost in relevantnost. Na koncu ugotavljamo, kateri modeli se najbolje odzivajo na napade in predstavljajo najvarnejšo uporabo.
Ključne besede: Generativna umetna inteligenca, Generativni modeli, Veliki jezikovni modeli, Pozivni injekcijski napadi, Inženering pozivov
Objavljeno v DKUM: 06.02.2025; Ogledov: 0; Prenosov: 2
.pdf Celotno besedilo (2,82 MB)

3.
On-chain zero-knowledge machine learning : an overview and comparison
Vid Keršič, Sašo Karakatič, Muhamed Turkanović, 2024, izvirni znanstveni članek

Ključne besede: zero-knowledge proofs, machine learning, ZKML, decentralized AI
Objavljeno v DKUM: 31.01.2025; Ogledov: 0; Prenosov: 0
.pdf Celotno besedilo (2,44 MB)

4.
Metoda kontekstno odvisne vektorske predstavitve sprememb programske kode za klasifikacijo vrste aktivnosti vzdrževanja : doktorska disertacija
Tjaša Heričko, 2024, doktorska disertacija

Opis: V doktorski disertaciji obravnavamo raziskovalni problem avtomatizacije prepoznavanja namenov sprememb programskih rešitev, izvedenih v fazi vzdrževanja. Klasifikacija programskih sprememb glede na vrsto aktivnosti vzdrževanja, ki odraža specifične namene sprememb, omogoča učinkovitejšo analizo in načrtovanje vzdrževanja, podpira delovne procese in naloge razvijalcev ter se pogosto uporablja v raziskavah programskega inženirstva za proučevanje sprememb in evolucije rešitev. S ciljem ugotavljanja raziskovalnih vrzeli smo s sistematičnim pregledom literature proučili obstoječe pristope h klasifikaciji sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja. Za naslovitev teh vrzeli smo s študijo sistematičnega mapiranja pregledali pristope vektorizacije sprememb programske kode z učenjem predstavitev na podlagi izvorne kode, ki se v obstoječi literaturi uporabljajo za naslavljanje različnih izzivov programskega inženirstva. Na podlagi ugotovitev smo razvili in predlagali novo metodo kontekstno odvisne vektorske predstavitve sprememb programske kode, ki omogoča ekstrakcijo semantičnih značilk sprememb izvorne kode med dvema različicama programske rešitve ob upoštevanju konteksta sprememb. Predlagana metoda predstavi spremembo programske rešitve kot množico podrobnih sorodnih sprememb programske kode, temelječih na predstavitvah zaznanih razlik v izvorni kodi na osnovi žetonov. Za ekstrakcijo semantičnih vložitev sorodnih sprememb metoda uporablja strojno učenje s prenosom znanja iz izbranega prednaučenega jezikovnega modela programske kode iz družine modelov BERT, kot so CodeBERT, UniXcoder in StarEncoder, ki je bil predhodno dodatno prilagojen ciljni nalogi s paradigmama samonadzorovanega in nadzorovanega učenja. Pridobljene vektorske vložitve podrobnih sorodnih sprememb so nato združene v enotno semantično vektorsko predstavitev spremembe programske rešitve. Za klasifikacijo sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja smo na označeni podatkovni množici izgradili modele strojnega učenja, pri čemer smo za ekstrakcijo značilk uporabili predlagano metodo ter referenčne in obstoječe metode predstavitve sprememb rešitev. Z nadzorovanim eksperimentom, študijo ablacije in primerjalno študijo smo proučili vpliv različnih parametrov predlagane metode predstavitve sprememb na uspešnost klasifikacije, primerjali uspešnost klasifikacije ob uporabi predlagane metode v primerjavi z uporabo referenčnih in obstoječih metod predstavitve sprememb ter ovrednotili uspešnost multimodalnih modelov strojnega učenja, temelječih na nadgradnji obstoječih metod predstavitve sprememb s predlagano metodo z združevanjem modalnosti naravnega jezika in programske kode. Empirične rezultate smo statistično analizirali s pomočjo frekventistične in Bayesove statistike. Izsledki raziskav potrjujejo izhodiščno tezo, da je z uporabo nove metode mogoče izgraditi modele strojnega učenja, ki uspešno klasificirajo spremembe programskih rešitev glede na vrsto aktivnosti vzdrževanja. Osrednje ugotovitve doktorske disertacije so naslednje: vektorske predstavitve sprememb programske kode na osnovi predlagane metode dosegajo primerljivo ali višjo uspešnost pri klasifikaciji v primerjavi s predstavitvami na osnovi referenčnih in obstoječih metod; zmanjšanje dimenzionalnosti kontekstno odvisnih vektorskih predstavitev sprememb omogoča zmanjšanje števila dimenzij brez negativnega vpliva na uspešnost klasifikacije; multimodalni klasifikacijski modeli dosegajo višjo uspešnost klasifikacije v primerjavi z unimodalnimi modeli.
Ključne besede: vzdrževanje programske opreme, spremembe programskih rešitev, rudarjenje repozitorijev programskih rešitev, strojno učenje, klasifikacija, nevronski jezikovni modeli programske kode, vektorske predstavitve, vektorska vložitev
Objavljeno v DKUM: 06.01.2025; Ogledov: 0; Prenosov: 36
.pdf Celotno besedilo (5,56 MB)

5.
Analiza uporabe umetne inteligence v slovenskih medijih : graduation thesis
Žiga Kapun, 2024, diplomsko delo

Opis: Uporaba umetne inteligence je prisotna že na nešteto področjih, kjer se uporablja za najrazličnejše namene. Najdemo jo lahko v optimizaciji procesov, pregledovanju velikih količin podatkov ter tudi ustvarjanju vsebin. Podobno kot na drugih področjih, se je umetna inteligenca, ali AI, uveljavila tudi na področju medijev. Tako se diplomska naloga posveča prav uporabi AI na področju medijev v Sloveniji. Naloga le-te je predstaviti vrste AI in možnosti, ki jih slednja omogoča medijem, prav tako pa z analizo ankete predstavi dejansko stanje uporabe AI v Sloveniji.
Ključne besede: umetna inteligenca - AI, mediji, generativna AI, strojno učenje, globoko učenje
Objavljeno v DKUM: 14.11.2024; Ogledov: 0; Prenosov: 60
.pdf Celotno besedilo (2,03 MB)

6.
Učinkovitost avtomatiziranega oblikovanja testnih primerov s pomočjo velikih jezikovnih modelov
Jovana Murdjeva, 2024, magistrsko delo

Opis: V magistrskem delu je bila raziskana uporabo ChatGPT-ja kot veliki jezikovni model za avtomatizirano oblikovanje testnih primerov v primerjavi s tradicionalnimi metodami, ki jih uporabljajo strokovnjaki za testiranje programske opreme. Delo se je osredotočilo na vpliv natančno opredeljenih pozivov (inženiring pozivov) na kakovost, pokritost kode in učinkovitost pri odkrivanju napak. Rezultati raziskave kažejo, da ChatGPT z ustrezno oblikovanimi vnosnimi zahtevami dosega primerljivo ali celo boljšo uspešnost kot ročno oblikovani testi, kar pomeni velik potencial za optimizacijo procesov testiranja programske opreme.
Ključne besede: avtomatizirano testiranje, veliki jezikovni modeli, inženiring pozivov, ChatGPT, kakovost testnih primerov
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 27
.pdf Celotno besedilo (1,31 MB)

7.
Razvoj programske rešitve za napredni prikaz in obdelavo tabelaričnih podatkov : diplomsko delo
Tjaša Repič, 2024, diplomsko delo

Opis: Diplomsko delo se osredotoča na opis in analizo funkcionalnosti vtičnika Spreadsheet implementiranega v programskem jeziku C++ v okviru programske opreme DewesoftX, ki je eno izmed bolj razširjenih orodij v meritveni industriji. V delu podrobno predstavimo implementacije ključnih funkcij vtičnika, vključno z upravljanjem in prilagajanjem tabel, kot so razveljavljanje in ponovno uveljavljanje dejanj ter napredne možnosti za oblikovanje. Poudarek je na izboljšanju uporabniške izkušnje in integraciji s platformo. Diplomsko delo je zaključeno z analizo časa izvajanja in pomnilniške zahtevnosti različnih funkcionalnosti, preizkušenih na različnih velikostih selekcij, ki omogoča natančno oceno obremenitev, ki jih te funkcije predstavljajo za sistem.
Ključne besede: preglednica, tabelarični podatki, uporabniška izkušnja, vizualizacija podatkov
Objavljeno v DKUM: 07.10.2024; Ogledov: 0; Prenosov: 31
.pdf Celotno besedilo (2,81 MB)

8.
Določanje normativnih časov predelave podajalne glave : diplomsko delo
Jaš Mazaj, 2024, diplomsko delo

Opis: Diplomsko delo temelji na opisu postopkov, ki sem jih uporabil pri predelavi vodil podajalne glave ter analizi slike delovnega dne dela, ki ga je opravljal delavec pri določenih postopkih predelave. Meritve sem opravil s pomočjo programa Normar 3.0. V diplomskem delu bodo podrobneje predstavljeni postopki predelave, kot so razrez materiala, CNC rezkanje, varjenje, montaža in barvanje. Prav tako pa bo predstavljena tudi analiza pridobljenih rezultatov treh izvedenih meritev delavčevega dne ter moje ugotovitve in rešitve.
Ključne besede: CNC rezkanje, slika delovnega dne, REFA, CAD, CAM
Objavljeno v DKUM: 20.09.2024; Ogledov: 0; Prenosov: 13
.pdf Celotno besedilo (3,21 MB)

9.
Konstruiranje in numerična analiza pritrdišča za poltovornjak : magistrsko delo
Sašo Strelec, 2024, magistrsko delo

Opis: Čedalje hitrejše spreminjanje in razvoj osebnih ter gospodarskih vozil vpliva na industrijo, ki je neposredno vezana na vozila. Ena od možnih nadgradenj vozil so pritrdišča, ki so ključne komponente za pritrjevanje dodatne opreme, tovora ali orodja na prevozno sredstvo. Ključni izzivi pri konstruiranju takšnih pritrdišč vključujejo predvsem zadostno trdnost, vpliv na vozne lastnosti, prilagodljivost, vzdržljivost in varovanje vozila. V magistrskem delu je obrazložen postopek razvoja in konstruiranja pritrdišča za poltovornjak s pomočjo numerične analize.
Ključne besede: Konstruiranje, numerična analiza, pritrdišča, poltovornjak, kabina
Objavljeno v DKUM: 20.09.2024; Ogledov: 0; Prenosov: 0
.pdf Celotno besedilo (6,30 MB)

10.
Strategije prilagajanja izhodov velikih jezikovnih modelov
Bard Grujič, 2024, magistrsko delo

Opis: Namen magistrskega dela je sistematično predstaviti, raziskati in analizirati delovanje velikih jezikovnih modelov, s posebnim poudarkom na modelu transformatorja, ter raziskati, kako prilagoditi izhode teh modelov za specifične potrebe organizacij. V praksi bomo preučili, kako ta prilagoditev deluje, tako da bomo razvili in demonstrirali aplikacijo za iskanje ključnih besed po dokumentih v PDF formatu z uporabo velikega jezikovnega modela GPT-4 podjetja OpenAI.
Ključne besede: veliki jezikovni modeli, modeli obdelave naravnega jezika, umetna inteligenca, inženiring spodbud
Objavljeno v DKUM: 19.09.2024; Ogledov: 0; Prenosov: 20
.pdf Celotno besedilo (2,79 MB)

Iskanje izvedeno v 0.29 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici