1. Proceedings of the 10th Student Computing Research Symposium : (SCORES'24)2024, zbornik Opis: The 2024 Student Computing Research Symposium (SCORES 2024), organized by the Faculty of Electrical Engineering and Computer Science at the University of Maribor (UM FERI) in collabora-tion with the University of Ljubljana and the University of Primorska, showcases innovative student research in computer science. This year’s symposium highlights advancements in fields such as ar-tificial intelligence, data science, machine learning algorithms, computational problem-solving, and healthcare data analysis. The primary goal of SCORES 2024 is to provide a platform for students to present their research, fostering early engagement in academic inquiry. Beyond research presen-tations, the symposium seeks to create an environment where students from different institutions can meet, exchange ideas, and build lasting connections. It aims to cultivate friendships and future research collaborations among emerging scholars. Additionally, the conference offers an opportu-nity for students to interact with senior researchers from institutions beyond their own, promoting mentorship and broader academic networking.
Ključne besede: evaluacija, optimizacija, strojno učenje, podatki, zborniki
Objavljeno v DKUM: 26.11.2024; Ogledov: 0; Prenosov: 8
 Celotno besedilo (35,41 MB)
Gradivo ima več datotek! Več... |
2. Analiza uporabe umetne inteligence v slovenskih medijihŽiga 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: 19
Celotno besedilo (2,03 MB) |
3. Uporaba strojnega učenja v programskem inženirstvuIvan Tomić, 2024, magistrsko delo Opis: V magistrskem delu je predstavljena uporaba strojnega učenja v programskem inženirstvu. Strojno učenje nam omogoča pridobivanje dragocenih informacij in ustvarjanje napovednih modelov, ki prispevajo k razvoju številnih rešitev na različnih področjih. Eno od teh področji je tudi programsko inženirstvo, kjer nam lahko strojno učenje pomaga izboljšati učinkovitost, pohitriti razvoj in zmanjšati število napak. Z vse večjim številom aplikacij, ki vključujejo strojno učenje pa narašča tudi potreba po razvoju bolj učinkovitih postopkov pri izdelavi programske opreme za te namene. Zato smo v tem magistrskem delu raziskali kako oblikovati postopke za razvoj programske opreme, ki temelji na strojnem učenju, ter predstavili sodobna orodja strojnega učenja za optimalen razvoj AI aplikacij.
Ključne besede: Strojno učenje, Programsko inženirstvo, Optimizacija razvojnih procesov, Orodja umetne inteligence
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 8
Celotno besedilo (2,49 MB) |
4. Primerjava orodij za razvoj aplikacij za analizo in optimizacijo procesov v industrijiFilip Kralj, 2024, magistrsko delo Opis: Danes inženirji v industriji potrebujejo hitra in zmogljiva programska orodja, ki omogočajo enostavno analizo in modeliranje procesov. Močna razvojna orodja, kot sta MATLAB in SIMULINK, so sicer izjemno uporabna za raziskovalne in razvojne namene, vendar se v neposredni industrijski uporabi še vedno izkazujejo kot premalo praktična. Zato se vse bolj uveljavljajo programska orodja in algoritmi umetne inteligence. Eden izmed teh programskih paketov je CSense podjetja General Electric. CSense omogoča analizo delovanja procesov, identifikacijo vzrokov za izpade v proizvodnji, optimizacijo procesov in številne druge funkcije. V okviru te naloge je bil izveden zajem podatkov z uporabo kombinacije CSense in IFIX okolja, s čimer so bili podatki obdelani in analizirani z namenom izdelave digitalnega dvojčka procesa. Kasneje je bil ta model primerjan z modeli, izdelanimi v okolju MATLAB/SIMULINK. Analiza in primerjava orodij sta bili izvedeni na primeru destilacijskega procesa v Laboratoriju za procesno avtomatizacijo na Fakulteti za elektrotehniko, računalništvo in informatiko (FERI).
Ključne besede: industrijska avtomatizacija, analiza procesov, strojno učenje, digitalni dvojčki, CSense
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 6
Celotno besedilo (4,87 MB) |
5. Razvoj napovednih modelov z uporabo strojnega učenja za zmanjšanje izmeta v proizvodnji podjetja Talum, d.d.Alen Gojkošek, 2024, magistrsko delo Opis: Magistrsko delo se osredotoča na razvoj napovednih modelov za napovedovanje izmeta aluminijastih izdelkov v proizvodnji podjetja Talum. Raziskava vključuje analizo proizvodnega procesa, obdelavo podatkov in uporabo različnih tehnik strojnega učenja. Z uporabo metod, kot so eksplorativna analiza podatkov, inženiring značilk in k-kratno prečno preverjanje, so bili razviti in ovrednoteni modeli za napovedovanje izmeta. Rezultati kažejo na izboljšano razumevanje dejavnikov, ki vplivajo na izmet, in ponujajo priložnosti za optimizacijo proizvodnega procesa. Delo zaključujejo priporočila za implementacijo modelov in nadaljnje raziskave na tem področju.
Ključne besede: strojno učenje, aluminijasti ulitki, napovedovanje izmeta, optimizacija proizvodnje, analiza podatkov
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 10
Celotno besedilo (2,61 MB) |
6. DETEKCIJA ZAMRZNJENEGA KORAKA IN STIMULACIJA V REALNEM ČASU S PERSONALIZIRANIM NOSLJIVIM SISTEMOM ZA BOLNIKE S PARKINSONOVO BOLEZNIJO : doktorska disertacijaJan Slemenšek, 2024, doktorska disertacija Opis: Analiza in razumevanje človeškega gibanja odpirata nova vrata na različnih področjih, kot so šport,
robotika, virtualna resničnost, medicina in rehabilitacija. Detekcija specifičnih aktivnosti človeškega
gibanja omogoča razvoj naprednih, personaliziranih naprav, orodij in pripomočkov za medicinske
namene. Zbiranje in analiza gibalnih podatkov omogočata ustvarjanje objektivnejše ocene o
dejanskem motoričnem stanju posameznika ali bolnika, kar lahko poveča učinkovitost treninga,
okrevanja in rehabilitacije. Disertacija predlaga robusten, nosljiv merilni sistem za zajemanje in analizo
človeškega gibanja v realnem času, namenjen bolnikom s Parkinsonovo boleznijo, ki doživljajo epizode
zamrznitve koraka. Gibalni podatki so pridobljeni s pomočjo pospeškometrov, giroskopov in merilnikov
mišične aktivnosti, vgrajenih v elastičen pas, nameščen pod kolenom na obeh nogah. Gibalni podatki
so uporabljeni za učenje in testiranje algoritmov strojnega učenja. Z obširno primerjalno analizo
desetih uveljavljenih klasifikacijskih algoritmov strojnega učenja za namene detekcije petih aktivnosti
smo identificirali kombinacijo konvolucijskih in rekurentnih nevronskih mrež z dodanim mehanizmom
pozornosti kot najbolj učinkovit klasifikacijski model, ki je nove instance klasificiral s točnostjo 98.9 %,
natančnostjo 96.8 %, senzitivnostjo 97.8 %, specifičnostjo 99.1 % ter F1 oceno 97.3 %. Enostavnejša,
čeprav zanemarljivo manj učinkovita kombinacija konvolucijskih in rekurentnih nevronskih mrež z
dodatkom preteklih podatkovnih instanc, je implementirana na mikrokrmilniku in uporabljena za
klasifikacijo novih instanc s frekvenco 40 Hz. Sistem je v realnem času detektiral zamrznjen korak pri
bolnikih s Parkinsonovo boleznijo s točnostjo 95.1 % in povprečno zakasnitvijo 261 ms, pri čemer so
bolniki prejemali stimulacijo po potrebi. Ritmični vibracijski stimulatorji so uspešno zmanjšali
povprečno trajanje zamrznjenega koraka za 38 %.
Ključne besede: Analiza gibanja, Parkinsonova bolezen, zamrznitev koraka, strojno učenje, aktivna stimulacija.
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 12
Celotno besedilo (6,57 MB) |
7. Uporaba strojnega učenja za identifikacijo glavnih parametrov bentonitne peščene mešanice za zmanjšanje izmeta ulitkov: razvoj modela znanja za klasifikacijo izmeta : diplomsko deloŽiga Breznikar, 2024, diplomsko delo Opis: V diplomskem delu najprej obravnavamo teoretične osnove gravitacijskega litja in strojnega učenja. Nato smo na podlagi podatkov iz Podjetja X razvili spletno aplikacijo za interaktiven prikaz izmeta ulitkov in klasifikator za oceno njihove kakovosti. Za razvoj modela znanja klasifikacije smo uporabili SQL Server Management Studio in Visual Studio Code ter programska jezika MS SQL (Microsoft Structured Query Language) in Python. Izhodiščne podatke smo preuredili in analizirali z uporabo metod podatkovne znanosti in statističnih metod. Podatke o izmetu je bilo treba vizualno prikazati in ustvariti model znanja, naučen na razpoložljivih podatkih, ki lahko napove, če bo prišlo do izmeta. Delo se deli na dva segmenta. Prvi segment zajema opis postopka izdelave in prikaz spletne aplikacije. Drugi segment zajema opis priprave podatkov za namene klasifikatorja, predprocesiranje, optimizacijo in analizo klasifikatorja. Na koncu dela podajamo tudi napotke za nadaljnje delo in izboljšave.
Ključne besede: gravitacijsko litje, strojno učenje, izmet, klasifikator, podatkovna znanost
Objavljeno v DKUM: 09.10.2024; Ogledov: 0; Prenosov: 13
Celotno besedilo (2,70 MB) |
8. Vpliv umetne inteligence na razvoj elektronskega poslovanjaŠpela Pamela Škof, 2024, magistrsko delo Opis: COVID-19 je popolnoma spremenil vedenje potrošnikov, predvsem zaradi večje odvisnosti od spletnega nakupovanja. Pandemija je podjetja prisilila v razvoj inovativnih strategij za konkurenčnost in prilagoditev hitrim spremembam, hkrati pa spodbudila razvoj umetne inteligence (UI). UI vključuje inženiring strojev in programov, ki omogočajo samostojno odločanje ali posredovanje informacij za lažje odločanje. Programsko opremo za UI je mogoče prilagoditi glede na specifične potrebe organizacij. Kljub prednostim UI v e-poslovanju ostaja ta tehnologija nova, zato je za izkoriščanje njenih potencialov potrebno celovito razumevanje. Če organizacije ne razumejo njenih zapletov, lahko to omeji njihove koristi. Chatboti in obdelava naravnega jezika lahko še bolj učinkovito zadovoljijo potrebe strank, omogočajo hitro komunikacijo, odgovarjanje na vprašanja in reševanje težav v realnem času, kar izboljšuje zadovoljstvo strank in kakovost interakcij.
Ključne besede: Umetna inteligenca, elektronsko poslovanje, chatboti, strojno učenje, obdelava naravnega jezika.
Objavljeno v DKUM: 04.10.2024; Ogledov: 0; Prenosov: 21
Celotno besedilo (1,96 MB) |
9. Uvedba digitalne transformacije na primeru srednje velike kmetijeEva Vaukan, 2024, diplomsko delo Opis: V tej diplomski nalogi se bomo osredotočili na digitalno transformacijo in ERP rešitve ter njihov vpliv na kmetijstvo. Naš cilj je raziskati, kako digitalna transformacija spreminja poslovne procese, izboljšuje učinkovitost in odpira nove poslovne priložnosti. Razumevanje teh sprememb je ključno, saj se z njimi srečujemo v vseh panogah, vključno s kmetijstvom, ki je zaradi specifičnih potreb in izzivov pogosto spregledano.
Najprej bomo pojasnili, kaj digitalna transformacija pomeni in kako se je razvijala skozi čas. Proučili bomo ključne elemente digitalne transformacije, kot so umetna inteligenca, big data, internet stvari in blockchain, ter tehnologije, ki so bistvene za ta proces. Prav tako bomo analizirali pozitivne učinke digitalne transformacije, kot so povečana produktivnost, inovativnost in konkurenčnost podjetij, ter izpostavili tudi izzive, ki jih ta proces prinaša, kot so vprašanja varnosti in etike.
V nadaljevanju se bomo posvetili ERP (Enterprise Resource Planning) rešitvam, ki podjetjem omogočajo učinkovito upravljanje virov in integracijo različnih poslovnih procesov. Predstavili bomo glavne značilnosti in različne kategorije ERP rešitev, tehnološko arhitekturo ter ključne funkcionalnosti, ki jih te rešitve ponujajo. Poleg tega bomo raziskali trende v razvoju ERP rešitev, glavne ponudnike na trgu in postopke izbire ter uvedbe teh sistemov. Posebno pozornost bomo namenili tudi analizi pozitivnih in negativnih vplivov ERP rešitev na poslovanje podjetij.
Osredotočili se bomo tudi na vertikalne ERP rešitve, prilagojene za kmetijstvo, kjer bomo podrobno analizirali sisteme, kot sta Odoo in Pantheon. Zanimalo nas bo, kako te rešitve izpolnjujejo specifične potrebe kmetij in kako se razlikujejo med seboj.
Naša raziskava bo vključila študijo primera kmetije Hmeljarstvo Čas, kjer bomo analizirali trenutne poslovne procese in načrtovane spremembe z uvedbo ERP rešitve. Cilj je ugotoviti, kako lahko ustrezna izbira ERP sistema pripomore k optimizaciji delovanja kmetije in izboljšanju njene konkurenčnosti.
Na koncu bomo povzeli ključne ugotovitve o pomenu digitalne transformacije in ERP rešitev za kmetijstvo ter izpostavili, kako te rešitve lahko prispevajo k večji učinkovitosti in konkurenčnosti v tem pomembnem sektorju. Naša diplomska naloga bo tako prispevala k boljšemu razumevanju sodobnih tehnologij in njihove vloge v kmetijskem poslovanju.
Ključne besede: digitalna transformacija, ERP sistem, Hmeljarstvo Čas, uvedba ERP, pametna kmetijstvo, integracija ERP, avtomatizacija procesov, upravljanje hmeljišča, umetna inteligenca (AI), strojno učenje, oblačne storitve, optimizacija virov, moduli ERP, Odoo, Pantheon, računovodski procesi.
Objavljeno v DKUM: 03.10.2024; Ogledov: 0; Prenosov: 16
Celotno besedilo (1,12 MB) |
10. Uporaba umetne inteligence v konstruiranju : diplomsko deloVid Stanovnik, 2024, diplomsko delo Opis: Namen diplomskega dela je raziskati uporabo umetne inteligence pri procesu konstruiranja. Delo se osredotoča na uvajanje različnih orodij umetne inteligence in tehnik za izboljšanje učinkovitosti, natančnosti in inovativnosti v procesu načrtovanja in modeliranja. Predstavljene so teoretične osnove umetne inteligence, vključno s strojnim učenjem, nevronskimi mrežami in globokim učenjem. Analizirane so prednosti in slabosti uporabe umetne inteligence, kot so zmanjšanje človeških napak, izboljšana produktivnost, vendar visoki stroški in kompleksnost uvajanja. Poleg tega so predstavljeni praktični primeri uporabe umetne inteligence pri konstruiranju, vključno z orodji, kot so ChatGPT za generiranje zahtevnikov, Autodesk Fusion 360 za generativno oblikovanje in Solidworks za avtomatizacijo oblikovalskih procesov.
Ključne besede: umetna inteligenca, konstruiranje, generativno oblikovanje, globoki generativni modeli, strojno učenje, globoko učenje.
Objavljeno v DKUM: 30.09.2024; Ogledov: 0; Prenosov: 26
Celotno besedilo (2,91 MB) |
