| | 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 - 5 / 5
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Zasnova in razvoj aplikacije za napovedovanje vremena z uporabo strojnega učenja
Klemen Bec, 2018, diplomsko delo

Opis: Zaradi sodobne tehnologije, kot so npr. računalniki in internet imamo, v današnjem času, na voljo zelo veliko podatkov. To je tudi eden izmed glavnih razlogov, zakaj je postalo strojno učenje tako popularno. Med podatki so tudi podatki o vremenu, ki jih pridobivamo s satelitov, zračnih balonov in vremenskih postaj na Zemlji. Zato sem se odločil, da bom izdelal aplikacijo, ki bo s pomočjo teh podatkov in strojnega učenja napovedala vreme. V diplomskem delu je približno četrtina vsebine namenjena teoriji. Na kratko je predstavljeno napovedovanje vremena in strojno učenje. Opisano je, kako sta ta dva področja med sabo povezana v praksi. V zadnjem delu teorije so opisane uporabljene metode strojnega učenja in merila kakovosti. Predstavljeni so tudi uporabljeni programi in tehnologije. Predvsem pa je diplomsko delo osredotočeno na izdelavo aplikacije za napovedovanje vremena. Na koncu je predstavljena uporaba aplikacije. Podani so končni rezultati in zapisane so ugotovitve.
Ključne besede: strojno učenje, nevronske mreže, priprava podatkov, vremenska napoved, linearna regresija, LSTM, scikit-learn, keras
Objavljeno: 08.10.2018; Ogledov: 414; Prenosov: 65
.pdf Celotno besedilo (1,90 MB)

2.
Razpoznavanje in klasifikacija imenskih entitet z uporabo umetnih nevronskih mrež
Luka Bašek, 2019, magistrsko delo

Opis: Z razvojem področja globokega učenja, ki temelji na umetnih nevronskih mrežah, se danes poskušajo rešiti že znani problemi področja obdelave naravnega jezika. V tem magistrskem delu obravnavamo problem razpoznavanja in klasifikacije imenskih entitet z uporabo metod globokega učenja. V magistrski nalogi smo uporabili programski jezik Python in odprtokodno knjižnico Keras. Preizkusili smo različne arhitekture rekurentnih nevronskih mrež, ki uporabljajo pomnilne celice LSTM in GRU. Prav tako smo opravili različne poskuse, v katerih smo iskali optimalne parametre nevronske mreže z namenom natančnega razpoznavanja in klasifikacije imenskih entitet. Učenje nevronske mreže in vrednotenje modelov smo izvedli na korpusih, ki so bili predstavljeni na konferenci CONLL leta 2003.
Ključne besede: obdelava naravnega jezika, razpoznavanje imenskih entitet, umetne nevronske mreže, LSTM, GRU
Objavljeno: 14.02.2019; Ogledov: 315; Prenosov: 63
.pdf Celotno besedilo (4,85 MB)

3.
Napovedovanje zmagovalca nogometne tekme z rekurentno nevronsko mrežo LSTM
Nejc Planer, 2019, diplomsko delo

Opis: V diplomskem delu so predstavljene rekurentne nevronske mreže in primer njihove uporabe. V prvem delu je razloženo njihovo delovanje in vrsti nevronov, od katerih se kasneje uporabi celica LSTM (dolgo-kratko ročna spominska celica). To je aplicirano tudi na primerih napovedovanja zmagovalca, ali pade več kot 1,5 ali 2,5 gola na tekmo in ali obe ekipi zadeneta. Napovedljivost zmagovalca ligaških tekem je od 61 do 72 odstotkov, zmagovalca nogometnih turnirjev pa od 65 do 70 odstotkov. Uporabljene so angleška, francoska, italijanska, nemška, španska in slovenska liga ter tekmovanji Copa America in svetovno prvenstvo.
Ključne besede: napovedovanje, rekurentne nevornske mreže, celica LSTM, nogomet, umetna inteligenca
Objavljeno: 04.09.2019; Ogledov: 455; Prenosov: 113
.pdf Celotno besedilo (2,17 MB)

4.
Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami
David Pintarič, 2019, diplomsko delo

Opis: V diplomskem delu se ukvarjamo s problemom prepoznavanja aktivnosti osebe iz zaporedja slik, pri čemer prepoznavo poskušamo izboljšati z upoštevanjem časovne komponente. To dosežemo z uporabo povratnih nevronskih mrež. Omejili smo se na naslednje aktivnosti: oseba ni v ravnovesju, se pripogiba, stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, preučili povratne nevronske mreže, pripravili množico podatkov, zasnovali algoritem, izvedli eksperimente in na koncu analizirali rezultate. Rezultati na 25 označenih videoposnetkih so pri uporabi povratne nevronske mreže pokazali 83,24 % povprečno natančnost pri uporabi tipa zaporedje v vektor in 75,53 % povprečno natančnost pri uporabi tipa zaporedje v zaporedje. Kljub temu da so dobljeni rezultati boljši od tistih, kjer ne upoštevamo časovne komponente, ugotavljamo, da povratne nevronske mreže zaradi računske zahtevnosti niso vedno najboljša izbira.
Ključne besede: računalniški vid, povratna nevronska mreža, pomnilna celica LSTM, pomnilna celica GRU, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Objavljeno: 23.11.2019; Ogledov: 67; Prenosov: 15
.pdf Celotno besedilo (3,78 MB)

5.
Primerjava modelov za napovedovanje porabe električne energije
Nik Novak, 2019, diplomsko delo

Opis: Uspešno napovedovanje porabe električne energije je pomembno z vidika ohranitve planeta, saj zaradi ustvarjanja viška porabljamo vire brez razloga. V diplomskem delu smo primerjali dva modela za napovedovanje porabe električne energije, in sicer nevronsko mrežo LSTM in model SARIMA za napovedovanje vrednosti v časovnih vrstah. Za testiranje modelov so bili uporabljeni podatki v tedenski ločljivosti, pridobljeni od podjetja Maked Energea, d. o. o. V rezultatih se je nevronska mreža LSTM pri uporabljenih nizih podatkov izkazala kot najboljša.
Ključne besede: strojno učenje, LSTM, RNN, SARIMA, napovedovanje, poraba električne energije.
Objavljeno: 21.11.2019; Ogledov: 48; Prenosov: 8
.pdf Celotno besedilo (2,02 MB)

Iskanje izvedeno v 0.07 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici