SLO | ENG

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 - 4 / 4
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
UPORABA ORODIJ ZA PROGNOZIRANJE DALJINSKEGA PROMETA, PRIMER TRANS-TOOLS
Dejan Prapotnik, 2012, diplomsko delo

Opis: Hitro naraščanje prometa v Evropi in s tem tudi na slovenskem prometnem omrežju, vodi do številnih problemov v prometu. Ti problemi so na primer zastoji, povečane emisije v zraku, hrup in neposredno tudi povečanje ogroženosti in varnosti udeležencev v prometu. Da bi lažje predvideli stanje v prihodnosti in da do teh nevšečnosti ne bi prihajalo, lahko z uporabo prometnih modelov pravočasno predvidimo in zagotovimo potrebe po prometni infrastrukturi. Ti omogočajo, da preskusimo (testiramo) rešitve in ukrepe, preden jih izvedemo v realnem svetu. Model je poenostavljena prezentacija le dela realnega sveta in je osredotočen na določen problem iz določenega zornega kota. Evropska komisija je za potrebe načrtovanja prometa in mobilnosti v Evropi ugotovila, da potrebuje orodje, ki bi presegalo nekatere pomanjkljivosti obstoječih prometnih modelov, in tako so razvili model Trans-Tools, s katerim smo skozi diplomsko nalogo tudi sami pognali in preizkusili določene scenarije, ki bi se v prihodnosti v Sloveniji lahko zgodili.
Ključne besede: prometni modeli, modeliranje prometa, prometni tokovi, napovedovanje prometnih tokov, Trans-Tools
Objavljeno: 26.03.2012; Ogledov: 1409; Prenosov: 44
.pdf Polno besedilo (3,47 MB)

2.
OGRODJE ZA NAPOVEDOVANJE NAPAK PROGRAMSKE OPREME V AGILNIH OKOLJIH
Danijel Radjenović, 2013, doktorska disertacija

Opis: Metrike programske opreme so uporabljene v modelih za napovedovanje napak programske opreme. Model določi dele izvorne kode, ki vsebujejo napake in jih je potrebno pregledati. S tem usmerja proces zagotavljanja kakovosti programske opreme. Z identifikacijo napak se izboljša kakovost programske opreme, z določanjem njihove lokacije pa se znižajo stroški testiranja. Metode razvoja programske opreme se počasi oddaljujejo od tradicionalnega modela slapu (Waterfall) k bolj agilnim pristopom (Scrum, XP), s tem pa se spreminja tudi način testiranja programske opreme. V agilnih okoljih si ne moremo privoščiti, da bi izvedli testiranje celotnega sistema za vsako različico programske opreme, zato testiramo le dele, ki jih je napovedovalni model določil za nepravilne. Glavni namen je bil razviti učinkovit model za napovedovanje napak programske opreme v agilnih okoljih. Da smo model razvili, smo opravili sistematični pregled literature, analizirali produktne in procesne metrike ter ocenili klasifikacijske tehnike. Dobljeni model smo ovrednotili v industrijskem okolju. Model, ki vsebuje zgolj štiri procesne metrike, se je izkazal za uspešnega v industrijskem okolju, saj je odkril več kot polovico vseh napak (popolnost > 0,5) in ni vseboval enkrat več lažno pozitivnih napovedi (pravilnost > 0,33). Zaradi visoke multikolinearnosti metrik je bil uspešnejši od polnega modela, ki vsebuje 80 metrik. Procesne metrike so bile uspešne pri napovedovanju napak, medtem ko produktne metrike niso bile. Napake v agilnih okoljih so najbolj pogojene s starostjo in velikostjo sprememb programske opreme, pri čemer imajo nedavne in velike spremembe večjo verjetnost, da vsebujejo napake.
Ključne besede: metrike programske opreme, napovedovanje napak, napovedovalni modeli, zagotavljanje kakovosti, testiranje, kakovost programske opreme
Objavljeno: 15.11.2013; Ogledov: 973; Prenosov: 137
.pdf Polno besedilo (2,73 MB)

3.
An attempt to predict conformation and fatness in bulls by means of artificial neural networks using weight, age and breed composition information
Maja Prevolnik, Marjana Novič, Marjeta Čandek-Potokar, Martin Škrlep, Maria Font-I-Furnols, 2015, izvirni znanstveni članek

Opis: The present study aimed to predict conformation and fatness grades in bulls based on data available at slaughter (carcass weight, age and breed proportions) by means of counter-propagation artificial neural networks (ANN). For chemometric analysis, 5893 bull carcasses (n=2948 and n=2945 for calibration and testing of models, respectively) were randomly selected from the initial data set (n≈27000; one abattoir, one classifier, three years period). Different ANN models were developed for conformation and fatness by varying the net size and the number of epochs. Tested net parameters did not have a notable effect on models’ quality. Respecting the tolerance of ±1 subclass between the actual and predicted value (as allowed by European Union legislation for on-spot checks), the matching between the classifier and ANN grading was 73.6 and 64.9% for conformation and fatness, respectively. Success rate of prediction was positively related to the frequency of carcasses in the class.
Ključne besede: govedo, goveje meso, mastnost mesa, struktura mesa, klavna teža, ANN modeli, modeli za napovedovanje
Objavljeno: 24.07.2017; Ogledov: 60; Prenosov: 1
.pdf Polno besedilo (1,12 MB)

4.
Integrirani avtoregresijski modeli s premikajočimi sredinami za napovedovanje porabe električne energije
Matic Tajnik, 2016, magistrsko delo

Opis: Magistrsko delo obravnava primerjavo pristopov različnih tehnik k napovedovanju porabe električne energije. Delo je razdeljeno na pet poglavij. V prvem poglavju so predstavljene tehnike modeliranja, ki so potrebne za razumevanje opravljenih analiz in nadaljnih primerjav, to so: večstopenjska linearna regresija, metoda podpornih vektorjev, naključni gozd in mehka logika. Pregledu metod modeliranja sledi poglavje, kjer so predstavljeni indeksi kakovosti modelov. Razdeljeni so v pet podpoglavij: napake, determinacijski koeficient, popravljen determinacijski koeficient, statistični F-test in informacijski kriteriji. V tretjem poglavju so podrobno predstavljeni in razčlenjeni integrirani avtoregresijski modeli premikajoče sredine (ARIMA). Naprej je predstavljena avtokorelacija in njene funkcije, sledi definicija stacionarnosti in diferenciranja časovne vrste, predstavljeni so sezonski ARIMA modeli, na koncu sledijo koraki Box-Jenkins metodologije za izgradnjo ARIMA modelov. V četrtem poglavju je povzeta uporaba taksonomije, izdelana je razširitev taksonomije napovedovanja v elektrogospodarstvu, predstavljena je obdelana literatura in prikaz taksonomskih enot, ki so bile vsebovane v njej. Poleg taksonomskih enot so za obravnavano literaturo predstavljeni grafi primerjav tehnik modeliranja. V zadnjem poglavju so predstavljeni izračuni in primerjava rezultatov natančnosti modelov za napovedovanje. Najprej je predstavljena lastna časovna vrsta, sledi konstrukcija ARIMA modela po Box-Jenkins metodologiji in kasneje še modelov AutoARIMA (funkcija, ki samostojno določi parametre modela), multiple linearne regresije (MLR) in metode podpornih vektorjev (SVM). Na koncu poglavja so prikazane analize primerjav med modeli glede na dolžino in odmik učnega obdobja. Primerjani so tudi modeli za 12 urno napovedovanje.
Ključne besede: napovedovanje, linearna regresija, naključni gozd, podporni vektorji, ARIMA modeli, taksonomija, mehka logika, informacijski kriteriji.
Objavljeno: 07.02.2017; Ogledov: 481; Prenosov: 49
.pdf Polno besedilo (4,58 MB)

Iskanje izvedeno v 0.03 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici