| | 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 / 55
Na začetekNa prejšnjo stran123456Na naslednjo stranNa konec
1.
Lomljena drevesa : magistrsko delo
Nina Turnšek, 2022, magistrsko delo

Opis: V magistrskem delu je predstavljena podatkovna struktura imenovana lomljeno drevo. Gre za dvojiško iskalno drevo, kjer se oblika drevesa spremeni po vsakem posegu (operaciji) v drevo. Vozlišče, nad katerim izvajamo poljubno operacijo, je na koncu operacije vedno v korenu drevesa. Postopku, ki vozlišče premakne v koren drevesa, pravimo \emph{lomljenje}. Namen lomljenih dreves je, da so podatki, ki jih pogosto uporabljamo, hitro dostopni. Tako podatki, ki jih večkrat uporabljamo, ostanejo bližje vrha drevesa in jih ob naslednji uporabi hitreje najdemo. Podatki, ki so redko v uporabi, se nahajajo nižje v drevesu. Na podlagi amortizirane časovne zahtevnosti je analizirana hitrost delovanja osnovnih operacij lomljenih dreves. Amortizirana časovna zahtevnost je povprečen čas posamezne operacije v najslabšem zaporedju operacij. V magistrskem delu je predstavljen tudi implementiran program za lomljena drevesa, v katerem so definirane osnovne operacije na lomljenih drevesih. Nazadnje je narejena še analiza hitrosti delovanja operacij implementiranega programa za lomljena drevesa in primerjava lomljenih dreves z drugimi uravnoteženimi drevesi.
Ključne besede: lomljeno drevo, lomljenje, amortizirana časovna zahtevnost, uravnotežena drevesa
Objavljeno v DKUM: 28.10.2022; Ogledov: 48; Prenosov: 20
.pdf Celotno besedilo (2,11 MB)
Gradivo ima več datotek! Več...

2.
Pomen izkustvenega učenja predšolskih otrok za spoznavanje gozda in živali v njem : diplomsko delo
Jerneja Iršič, 2022, diplomsko delo

Opis: Diplomsko delo Pomen izkustvenega učenja predšolskih otrok za spoznavanje gozda in živali v njem prinaša rezultate pridobljene na podlagi izkustvenega učenja. S skupino 24 otrok smo v gozdu raziskovali drevesna debla in krošnje, ter v zgornjih plasteh prsti iskali drobne živali. Otroci v starosti 5-6 let so se tekom večdnevnega raziskovanja gozda naučili veliko o izbranih drevesnih in živalskih vrstah.. Njihovo znanje o drevesnih vrstah in živalih smo preverili pred in po 8 dnevnem raziskovanju gozda. Otroke smo usmerili v opazovanje, raziskovanje in prepoznavanje treh drevesnih vrst (navadna smreka, hrast dob, navadna bukev) in petih vrst drobnih živali tal (navadna strigalica, stenica, ozka striga, železna kačica, navadni prašiček). Pri drevesnih vrstah so otroci raziskovali liste, plodove in skorjo posameznih dreves. Pri živalih pa so raziskovali gozdna tla in iskali njihova bivališča ter opazovali njihovo telesno zgradbo. Rezultati raziskave nam kažejo, da je pri otrocih napredek v znanju. Še posebej se napredek opazi pri otroku (OC1), ki po mnenju vzgojiteljice ni bil motiviran za dejavnosti s področja narave in pred raziskovanjem v gozdu ni prepoznal nobenega drevesnega dela katerekoli drevesne vrste. Po raziskovanju je ta isti otrok prepoznal kar 6 od 9 drevesnih delov.
Ključne besede: izkustveno učenje, drobne živali tal, drevesa, narava, otroci
Objavljeno v DKUM: 26.10.2022; Ogledov: 108; Prenosov: 30
.pdf Celotno besedilo (2,69 MB)

3.
Razvoj vtičnika za generiranje 3D modelov dreves za animacijski paket Blender : diplomsko delo
Aljaž Farkaš, 2022, diplomsko delo

Opis: Diplomsko delo obsega implementacijo algoritma za generiranje 3D modelov dreves in razvoj vtičnika za animacijski paket Blender. Vtičnik omogoča zagon implementiranega algoritma za generiranje 3D modelov dreves. Algoritem in vtičnik za zagon tega algoritma smo implementirali s programskim jezikom Python znotraj animacijskega paketa Blender. Vtičnik omogoča vnos uporabniških parametrov, ki omogočajo nadzor nad razvojem drevesa. Rezultati so pokazali, da lahko z ustreznimi uporabniškimi parametri generiramo raznolike realistične 3D modele dreves z 8000 popki v približno 40 do 60 sekundah.
Ključne besede: vtičnik, 3D model drevesa, Blender, simulacija rasti dreves
Objavljeno v DKUM: 20.10.2022; Ogledov: 93; Prenosov: 13
.pdf Celotno besedilo (3,05 MB)
Gradivo ima več datotek! Več...

4.
Pakirno barvanje grafa : na študijskem programu 2. stopnje Matematika
Tomaž Ličina, 2021, magistrsko delo

Opis: Pakirno barvanje grafe je dobro barvanje vozlišč, pri katerem sta poljubni dve vozlišči z isto barvo i na razdalji večji kot i. Pakirno kromatično število je najmanjše število barv, ki jih potrebujemo za tako barvanje grafa. V magistrskem delu obravnavamo pakirno kromatično število nekaterih družin grafov in zvezo pakirnega kromatičnega števila z drugimi grafovskimi invariantami. Podrobneje obravnavamo zvezo med kličnim, kromatičnim in pakirnim kromatičnim številom. V prvem delu proučujemo pakirno kromatično število na osnovnih družinah grafov, na drevesih, kartezičnih produktih grafov in na grafih Mycielskega. V naslednjem delu obravnavamo grafe z majhnimi pakirnimi kromatičnimi števili in pokažemo, da je preveriti, ali ima graf pakirno kromatično število enako 4, NP-težek problem. V tretjem delu prikažemo zvezo pakirnega kromatičnega števila z neodvisnostnim številom grafa, najmanjšim vozliščnim pokritjem grafa in maksimalno stopnjo v grafu. V zadnjem delu raziskujemo zvezo med kličnim, kromatičnim in pakirnim kromatičnim številom. Poiščemo trojice naravnih števil (a,b,c) za katere obstaja graf G s kličnim številom a, kromatičnim številom b in pakirnim kromatičnim številom c.
Ključne besede: barvanje grafov, pakirno barvanje grafov, drevesa, grafi Mycielskega, kartezični produkt grafov, klično število, neodvisnostno število, vozliščno pokritje
Objavljeno v DKUM: 12.01.2022; Ogledov: 294; Prenosov: 26
.pdf Celotno besedilo (613,60 KB)
Gradivo ima več datotek! Več...

5.
Prepoznava štetja kart pri igri blackjack z metodami strojnega učenja : diplomsko delo visokošolskega študijskega programa Informacijska varnost
Aljaž Berčič, 2021, diplomsko delo

Opis: V tem diplomskem delu smo raziskali igro blackjack, strategije štetja kart, strojno učenje in metode za prepoznavo igralcev, ki štejejo karte. Blackjack je ena izmed najstarejših in najbolj priljubljenih igralniških iger s kartami na svetu. Pravila igre so se skozi čas zelo spreminjala, eden izmed razlogov zato pa je prav gotovo strategija štetja kart in njen razvoj. V diplomskem delu smo tako preverili različno literaturo o igri blackjack in vplivu različnih pravil na samo igro. Raziskali smo različne strategije štetja kart in njihov razvoj. Zaradi hitrega razvoja tehnologije in mobilnih aplikacij je postalo štetje kart dostopno in mnogo lažje za povprečnega igralca. Preverili smo, kako so se igralnice soočile s tem izzivom, saj so vstopali številni igralci, ki so bili opremljenih z znanjem štetja kart. Z uporabo zahtevnejših aplikacij kot je CVCX smo tudi matematično preverili, kako štetje kart, natančneje strategija Hi-Lo, ki je zelo preprosta in popularna, vpliva na igralnice ter koliko lahko igralec, ki šteje karte igralnico oškoduje. Zaradi pomanjkanja raziskav na področju prepoznave igralcev, ki štejejo karte, smo se odločili, da z uporabo metod strojnega učenja – natančneje odločitvenega drevesa, poskušamo identificirati igralce, ki štejejo karte. Zato smo v diplomskem delu natančneje raziskali strojno učenje, algoritme in metode, ki se pri strojnem učenju uporabljajo ter jih uspešno uporabili pri igri blackjack. Odgovorili smo na raziskovalno vprašanje, ali lahko z metodami strojnega učenja prepoznamo igralce, ki štejejo karte. Rezultati so nam pokazali, da jih lahko uspešno prepoznamo. Uspešnost je bila v primeru, ko gledamo samo igralca, ki šteje karte, več kot 80 %. Vendar smo se pri rezultatih soočili z omejitvami, saj smo veliko število osnovnih igralcev napačno klasificirali kot igralca, ki šteje karte. To nas je pripeljalo do zaključkov, da program še ni popoln in je mogočih še veliko nadgradenj saj ne želimo osnovnih igralcev, ki so igralnicam glavni vir prihodka, odsloviti iz igralnice.
Ključne besede: diplomske naloge, blackjack, štetje kart, strojno učenje, odločitvena drevesa, prepoznava
Objavljeno v DKUM: 09.08.2021; Ogledov: 586; Prenosov: 102
.pdf Celotno besedilo (1,52 MB)
Gradivo ima več datotek! Več...

6.
Varnost in zanesljivost v okoljski tehniki
Jure Marn, Matjaž Fras, Jurij Iljaž, 2021, drugo učno gradivo

Opis: Delo predstavlja prvi pogled v varnostno kulturo, zlasti varnost in zanesljivost v okoljski tehniki in širše. Predstavljeni so osnovni koncepti kot so varnost, zanesljivost, tveganje, odpovedi, napake in osnovni mehanizmi za njihovo analizo kot so drevesa odpoved in drevesa dogodkov.
Ključne besede: varnost, zanesljivost, okoljska tehnika, procesna tehnika, drevesa odpovedi
Objavljeno v DKUM: 11.06.2021; Ogledov: 476; Prenosov: 26
URL Povezava na datoteko

7.
Problem Steinerjevih dreves : diplomsko delo
Jan Rober, 2020, diplomsko delo

Opis: Zaključno delo raziskuje Steinerjeva drevesa in njihovo vlogo pri reševanju problemov. Na začetku je podana definicija Steinerjevega drevesa in njihova uporaba. V nadaljevanju je predstavljen eden izmed algoritmov za iskanje Steinerjevih dreves v grafih in rezultati meritev delovanja algoritma nad različnimi grafi. V zadnjem delu je raziskan vpliv Steinerjevih vozlišč na graf.
Ključne besede: Steinerjeva drevesa, Teorija grafov, Minimalna vpeta drevesa
Objavljeno v DKUM: 03.11.2020; Ogledov: 363; Prenosov: 24
.pdf Celotno besedilo (833,89 KB)

8.
Primerjava programskih jezikov Python in R za namene strojnega učenja : diplomsko delo
Peter Zupan, 2020, diplomsko delo

Opis: V diplomski nalogi primerjamo programska jezika R in Python za namene strojnega učenja. Najprej razložimo, kaj je strojno učenje, nato opišemo algoritme, ki smo jih uporabili pri praktičnih primerih, ter predstavimo programska jezika R in Python. V nadaljevanju diplomskega dela na treh različnih primerih prikažemo delovanje obeh programskih jezikov. Nalogo zaključimo s primerjavo programskih jezikov na podlagi pridobljenih rezultatov in ugotovitev iz praktičnega dela.
Ključne besede: strojno učenje, R, Python, linearna regresija, odločitvena drevesa, nevronske mreže
Objavljeno v DKUM: 02.11.2020; Ogledov: 501; Prenosov: 131
.pdf Celotno besedilo (1,16 MB)

9.
Uporaba umetne nevronske mreže za klasifikacijo obrabljenosti orodja pri rezkanju : diplomsko delo
Žan Pudič, 2020, diplomsko delo

Opis: Diplomsko delo zajema reševanje problema klasifikacije obrabljenosti orodja pri rezkanju s pomočjo umetne inteligence. Namen dela je bil spoznati delovanje umetnih nevronskih mrež in postaviti arhitekturo ter optimizirati njeno delovanje. Za objektivno oceno sposobnosti napovedovanja postavljene nevronske mreže smo dobljene rezultate primerjali z rezultati, ki so bili dobljeni z metodo odločitvenih dreves. Rezultat dela je napovedovalni model z visoko stopnjo prilagojenosti na učnih in testnih podatkih, ki lahko v realnem času klasificira obrabljenost orodja.
Ključne besede: rezkanje, klasifikacija obrabljenosti orodja, strojno učenje, umetna nevronska mreža, odločitvena drevesa
Objavljeno v DKUM: 08.10.2020; Ogledov: 545; Prenosov: 141
.pdf Celotno besedilo (1,23 MB)

10.
Stiskanje črno- belih slik z algoritmi delitve prostora : diplomsko delo
Satja Lipuš, 2019, diplomsko delo

Opis: Stiskanje je proces zmanjševanja podatkov v pomnilniškem prostoru. V diplomskem delu predstavimo metodo stiskanja črno-belih slik z uporabo algoritmov, ki delijo prostor. Omejili smo se na sledeče tri metode deljenja prostora: enakomerna mreža, štiriško drevo in Kd drevo. Enakomerna mreža temelji na matematičnem modelu enakomerne kartezične mreže. Medtem, ko štiriško drevo rekurzivno deli prostor v štiri podprostore v obliki štiriškega podatkovnega drevesa, katerega vozlišča prestavljajo nadaljnjo delitev v globino. Kd drevo deli prostor v binarno drevo glede na mediano vrednosti, pri čemer vsako nadaljno rekuzijo izmenjuje dimenzijo delitve. Imenovani algoritmi predstavljajo obliko izgubnega stiskanja z različno učinkovitostjo. V diplomskem delu smo primerjali izgubo podatkov pri stiskanju poljubnih slik s predstavljenimi algoritmi in le to kvantitativno ocenili z uporabo metode povrečne kvadratne napake in strukturne podobnosti. Pri rezultatih smo ugotovili, da je pri delitvi prostora optimalna izbira štiriško drevo.
Ključne besede: stiskanje, razširjanje, črno-bele slike, delitev prostora, podatkovna drevesa.
Objavljeno v DKUM: 14.01.2020; Ogledov: 781; Prenosov: 41
.pdf Celotno besedilo (697,79 KB)

Iskanje izvedeno v 0.16 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici