| | 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 / 27
Na začetekNa prejšnjo stran123Na naslednjo stranNa konec
1.
Napovedovanje maloprodajnih cen mesa na podlagi časovnih vrst : na študijskem programu 2. stopnje Matematika
Eva Kuhar, 2024, magistrsko delo

Opis: V magistrskem delu se srečujemo z izzivom napovedovanja cen. Sprašujemo se, kateri so tisti parametri, ki vplivajo na končno ceno izdelka. Obravnavamo dve vrsti modelov napovedovanja cen - model multiple regresije, ki napoveduje ceno s pomočjo drugih parametrov, in sezonski ARIMA model, ki napoveduje cene na podlagi preteklega vzorca podatkov. Podatki, s katerimi gradimo modele, so v obliki časovnih vrst. V prvem delu uredimo podatke v skupno Excel tabelo ter izračunamo vse pomembne statistike. Sledi gradnja modela multiple regresije za posamezne izdelke, nato še gradnja sezonskega ARIMA modela. Modele multiple regresije gradimo v programu EViews, ARIMA modele pa v programu Python. Skozi analizo ugotovimo, da imamo v podatkih prisotno močno sezonsko komponento, zato podatke desezoniramo in zgradimo še model multiple regresije na desezoniranih podatkih. Končna ugotovitev kaže na to, da regresijski model na desezoniranih podatkih najbolje pojasnjuje variabilnost odvisne spremenljivke.
Ključne besede: Časovne vrste, model multiple regresije, ARIMA model, sezonskost.
Objavljeno v DKUM: 26.03.2024; Ogledov: 50; Prenosov: 14
.pdf Celotno besedilo (2,79 MB)

2.
Razvoj napovednega modela multivariatnih časovnih vrst uporabniških storitev : diplomsko delo
Sandi Pečečnik, 2023, diplomsko delo

Opis: V sklopu diplomskega dela predstavimo več nevronskih mrež, ki jih optimiziramo, pri čemer raziščemo ustrezne arhitekture, metrike, funkcije in druge pomembne lastnosti za uporabo v napovednih modelih multivariantnih časovnih vrst. Raziščemo najpomembnejše probleme povezane z razvojem napovednih nevronskih mrež. Naslovimo reševanje treh specifičnih realnih problemov, za reševanje katerih smo predlagali arhitekture nevronskih mrež. Izdelali smo še skalabilno spletno aplikacijo, ki omogoča enostavnejšo uporabo naučenih modelov nevronskih mrež.
Ključne besede: časovne vrste, nevronske mreže, globoko učenje, storitve, arhitekture globokega učenja
Objavljeno v DKUM: 05.10.2023; Ogledov: 280; Prenosov: 25
.pdf Celotno besedilo (1,66 MB)

3.
Napovedovanje prodaje zdravil z uporabo naprednih metod napovedovanja časovnih vrst : magistrsko delo
Žan Pudič, 2023, magistrsko delo

Opis: Magistrsko delo zajema uporabo naprednih modelov za napovedovanje prodaje zdravil. Cilj dela je s pomočjo naprednih metod napovedovanja v programskem okolju R, postaviti napovedovalne modele za posamezne skupine zdravil, ki bodo v izbranih intervalih zaupanja uspešno napovedali prihodnjo prodajo. V delu smo za potrebe napovedovanja uporabili modele kot so ARIMA, CNN, Holt-Winters pri čemer smo te primerjali z naivno metodo napovedovanj in tako ocenili njihovo sposobnost napovedovanja. Prav tako smo v delu podrobno analizirali izhode v fazi kreiranja modelov na podlagi katerih smo izvedli nadaljnjo selekcijo modelov s katerimi lahko uspešno napovemo prihodnjo prodajo. Uspešne napovedi smo izvedli pri vseh skupinah zdravil. V delu je najuspešnejšo napoved pri skupinah zdravil M01AB. M01AE, N02BA, N05C, R03 in R06 imel ARIMA model. Prodajo v skupinah zdravil N05C in N02BE pa lahko napovedujemo zgolj z uporabo CNN, saj noben izmed preostalih modelov ni uspel dovolj dobro zajeti informacij znotraj časovne vrste, da bi lahko z njim podali napoved.
Ključne besede: napredne metode napovedovanja, časovne vrste, napovedovanje prodaje, napovedovalni modeli, ARIMA, CNN, Holt-Winters.
Objavljeno v DKUM: 26.09.2023; Ogledov: 286; Prenosov: 51
.pdf Celotno besedilo (3,58 MB)

4.
Poslovna statistika
Polona Tominc, Maja Rožman, Dunja Legat, 2023, delovni zvezek za višje in visoke šole

Opis: Predmet Poslovna statistika, za katerega je namenjena ta zbirka vaj, je pomemben za to, da študenti razvijejo sposobnost razumevanja informacij v podatkih. Gradivo obravnava naslednje vsebinske sklope: prikazovanje podatkov v tabelah in grafih, relativna števila, mere centralne tendence, mere variabilnosti, asimetrije in sploščenosti, intervalno ocenjevanje vrednosti statističnih parametrov in osnove preizkušanja domnev o statističnih parametrih, osnove enostavne regresije ter osnove analize in napovedovanja vrednosti v časovnih vrstah.
Ključne besede: urejanje in prikazovanje podatkov, deskriptivna statistika, enostavna regresijska analiza, osnove vzorčenja, časovne vrste
Objavljeno v DKUM: 26.05.2023; Ogledov: 533; Prenosov: 93
.pdf Celotno besedilo (4,83 MB)
Gradivo ima več datotek! Več...

5.
Napovedovanje porabe pitne vode z metodami časovnih vrst in strojnega učenja : diplomsko delo
Sara Dodič, 2023, diplomsko delo

Opis: V diplomski nalogi se ukvarjamo z napovedovanjem porabe pitne vode. Naš glavni cilj je primerjava napovednih modelov SARIMA in nevronske mreže LSTM. Pri napovedovanju se osredotočimo na časovne vrste posameznih gospodinjstev ter časovne vrste vodovodnega omrežja, ki so vzorčene mesečno. Primerjavo napovednih modelov izvedemo na podlagi njihove srednje kvadratne napake pri prileganju na časovno vrsto in napovedovanju porabe pitne vode na testni množici. Rezultati pokažejo, da se najbolje obnese model ARIMA.
Ključne besede: časovne vrste, napovedovanje, ARIMA, LSTM
Objavljeno v DKUM: 13.02.2023; Ogledov: 2121; Prenosov: 109
.pdf Celotno besedilo (1,83 MB)

6.
Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjem
Štefan Horvat, 2022, magistrsko delo

Opis: Plazovi lahko resno ogrozijo človeška življenja in povzročijo ogromno gmotno škodo. Na dinamiko plazu običajno vpliva večje število zunanjih dejavnikov, zato je napovedovanje premikov težka naloga. V sodobnem času lahko premike plazov podrobno spremljamo z natančnimi merilnimi instrumenti in tako tvorimo množico podatkov, na podlagi katere gradimo razlagalne in napovedne modele. V magistrskem delu preizkušamo različne tehnike modeliranja premikov plazu Urbas, ki spada med bolj aktivne plazove v Sloveniji. Za modeliranje dinamike plazu uporabimo modele časovnih vrst in nevronsko mrežo z dolgim kratkoročnim spominom. Najboljše prileganje je dosegla nevronska mreža z dolgin kratkoročnim spominom, katere srednja kvadratna napaka je znašala 3,37 mm. Pri napovedovanju premikov se je najbolje odrezal linearni regresijski model s srednjo kvadratno napako 0,52 mm.
Ključne besede: plaz, časovne vrste, linearna regresija, dinamična regresija, nevron-ske mreže LSTM
Objavljeno v DKUM: 15.12.2022; Ogledov: 788; Prenosov: 134
.pdf Celotno besedilo (4,33 MB)

7.
Napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov z uporabo konvolucijsko-povratnih nevronskih mrež : magistrsko delo
Niko Uremović, 2022, magistrsko delo

Opis: V magistrskem delu predstavimo nov pristop za napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov. Pripravimo pregled obstoječih pristopov k napovedovanju časovnih vrst prostorskih podatkov. Predstavimo koncepte na katerih temelji konvolucijsko-povratna nevronska mreža ConvLSTM in njeno teoretično osnovo. Z uporabo ConvLSTM pri napovedovanju upoštevamo tako časovne odvisnosti med spremenljivkami, kot tudi prostorske odvnisnosti med podatki v sosednjih točkah. Metodo preizkusimo na primeru napovedovanja več spremenljivk onesnaženosti zraka za več merilnih postaj na različnih lokacijah in jo primerjamo s sorodnimi deli.
Ključne besede: Multivariatne časovne vrste, geoprostorski podatki, napovedovanje časovnih vrst, konvolucijsko-povratne nevronske mreže
Objavljeno v DKUM: 21.10.2022; Ogledov: 405; Prenosov: 40
.pdf Celotno besedilo (2,42 MB)

8.
Vpeljava kaotičnih sistemov s poudarkom na akustiki v pouk fizike na programu splošne gimnazije
Damjan Osrajnik, 2022, doktorska disertacija

Opis: Kaotični sistemi so kompleksni oscilirajoči sistemi z značilno nelinearno dinamiko. Slednje vodi do otežene obravnave, zaradi česar se kaotični sistemi ne vključujejo v pouk fizike na sekundarni ravni izobraževanja. Osnovni cilj doktorske disertacije je razvoj učnega pripomočka za vpeljavo kaotičnih sistemov v pouk fizike na programu splošne gimnazije. Na podlagi pregleda literature sklenem, da nezadostno matematično znanje dijakov vodi v poenostavljanje opisa dinamike sistemov, včasih tudi do mere, ko rezultati modela več niso primerljivi z realnim stanjem. Posledično so obravnavani primeri pogosto neavtentični, učenje fizike pa osredotočeno na uporabo formul. V teoretičnem delu predstavim matematično modeliranje oscilirajočih sistemov, pri čemer se osredotočim na dvodimenzionalne linearne in nelinearne dinamične sisteme. S stabilnostno analizo pokažem, da so za nastanek oscilacij potrebni dvodimenzionalni sistemi in predstavim, da za prisotnost determinističnega kaosa, sistem mora biti večdimenzionalen, nelinearen in oscilirajoč. Na primerih kaotičnih sistemov v naravi in družbi predstavim nekatere značilnosti kaosa kot je občutljivost na začetne pogoje. Podrobneje predstavim dve metodi za prepoznavanje determinističnega kaosa in sicer metodo izračuna največjega Lyapunovega eksponenta ter vizualizacijsko metodo grafa ponovitev. Nato se osredotočim na akustične sisteme, natančneje na vibrirajoče strune. Na primeru posnetka zvoka tona in akorda A zaigranega na kitari, prikažem časovno vrsto tlačnih sprememb. Za časovno vrsta akorda A se nam na prvi pogled zdi, da ustreza kaotičnemu sistemu, zato to preverimo z metodami za prepoznavo kaotičnega obnašanja. Metoda največjega Lyapunovega eksponenta napačno nakazuje, da gre za kaotičen sistem. To potrdim z uporabo vizualizacijske metode grafa ponovitev za ton in za akord A, ki potrdi, da opazovana dinamika ni kaotična. Teoretični del doktorske disertacije se zaključi z razvojem učnega pripomočka za vpeljavo kaotičnih sistemov v pouk fizike. V ta namen pregledam obravnavo oscilirajočih sistemov pri fiziki in se seznanim z matematičnimi omejitvami obravnave fizikalnih modelov. Študije so že pokazale prednost vpeljave blokovnih shem za razumevanje dinamike sistemov. Z blokovnimi shemami prikažem vzročno posledične relacije med količinami in vizualiziramo, kako količine vplivajo ena na drugo. Na blokovnih shemam temeljijo tudi grafično orientirani računalniški programi. Na podlagi zbranih informacij razvijem učni pripomoček za vpeljavo kaotičnih sistemov v pouk fizike. Učni pripomoček obsega 20 strani dolg učni list s 6. poglavji in 4 videoposnetke z razlago. Učni pripomoček prilagodim v luči omejevanja fizičnih stikov in sicer tako, da je primeren za poučevanje na daljavo, saj omogoča samostojno delo dijaka. Za oceno učinkovitosti razvitega učnega pripomočka izvedem empirično raziskavo, v katero je vključenih 7 srednjih šol, 7 učiteljev fizike in 243 dijakov. Učiteljem fizike posredujem učno gradivo, ki obsega učni pripomoček, inicialni in finalni test znanja za dijake ter lestvico stališč, s katero zbiramo mnenja učiteljev o učnem pripomočku. Z inicialnim testom znanja pridobivam informacije o trenutnem razumevanju dinamike sistemov ter prepoznavanja oscilirajočih in kaotičnih sistemov z namenom dopolniti učni pripomoček. Finalni test znanja je namenjen oceni učinkovitosti učnega pripomočka z vidika pridobljenega znanja dijaka. Preverim, v kolikšni meri dijak po uporabi učnega pripomočka razume dinamiko sistemov in fazne prostore ter v kolikšni meri se izboljša prepoznava oscilirajočih in kaotičnih sistemov iz grafičnih prikazov. Z analizo rezultatov finalnega testa potrdim, da se je razumevanje dijakov izboljšalo. Dodatno lahko na podlagi pregleda lestvice stališč potrdim, da je v učnem pripomočku obravnavana tematika zanima, aktualna, a zahtevna. Ocenjujem, da je razvit učni pripomoček učinkovit in primeren za vpeljavo kaotičnih sistemov v pouk fizike na programu splošna gimnazija.
Ključne besede: kaotični sistemi, oscilirajoči sistemi, akustični sistemi, fizika, splošna gimnazija, srednja šola, poučevanje fizike, kaos, časovne vrste, učni pripomoček
Objavljeno v DKUM: 11.07.2022; Ogledov: 670; Prenosov: 72
.pdf Celotno besedilo (5,76 MB)

9.
Statistika : gradiva za seminarske vaje za 2. del predmeta
Polona Tominc, Maja Rožman, 2021

Opis: Predmet Statistika (2. del predmeta), za katerega je namenjena ta zbirka vaj, je pomemben za to, da študenti razvijejo sposobnost razumevanja informacij v podatkih. Gradivo obravnava naslednje vsebinske sklope: prikazovanje podatkov v tabelah in grafih, relativna števila, mere centralne tendence, mere variabilnosti, asimetrije in sploščenosti, intervalno ocenjevanje vrednosti statističnih parametrov in osnove preizkušanja domnev o statističnih parametrih, osnove enostavne regresije ter osnove analize in napovedovanja vrednosti v časovnih vrstah.
Ključne besede: urejanje in prikazovanje podatkov, deskriptivna statistika, enostavna regresijska analiza, osnove vzorčenja, časovne vrste
Objavljeno v DKUM: 02.12.2021; Ogledov: 1230; Prenosov: 92
.pdf Celotno besedilo (5,01 MB)
Gradivo ima več datotek! Več...

10.
Napovedovanje časovnih vrst z uporabo povratnih nevronskih mrež : diplomsko delo
Niko Uremović, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo napovedovanje multivariatnih časovnih vrst z uporabo povratnih nevronskih mrež, ter primernost pristopa k napovedovanju preizkusimo na področju energetike. Za pametno krmiljenje električnih naprav je namreč nujno potrebno poznavanje posledic, ki jih imajo naše akcije na stanje naprav in njihove okolice. Stanje naprav definira več spremenljivk, zato spreminjanje stanja skozi čas opisuje multivariatna časovna vrsta. Za električno napravo grelnik vode pripravimo napovedni model, ki temelji na povratni nevronski mreži arhitekture LSTM. Ker pa se lastnosti naprave in s tem opisujoče časovne vrste lahko s časom spreminjajo, moramo za ohranjanje natančnostosti napovednega modela le-tega sproti prilagajati. V diplomskem delu predstavimo različne strategije sprotnega učenja modela in primerjamo njihovo učinkovitost na napovednem modelu za grelnik vode.
Ključne besede: Multivariatne časovne vrste, napovedovanje časovnih vrst, povratne nevronske mreže, katastrofalno pozabljanje
Objavljeno v DKUM: 03.11.2020; Ogledov: 1468; Prenosov: 102
.pdf Celotno besedilo (1,50 MB)

Iskanje izvedeno v 0.28 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici