| | 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


21 - 30 / 438
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
21.
Razvoj naprednega sistema za detektiranje voznih pasov na platformah GPU
Karlo Crnek, 2019, magistrsko delo

Opis: Problem, ki ga obravnavamo v magistrski nalogi je detektiranje voznih pasov na RGB slikah oz. posnetkih ceste pred vozilom med vožnjo. Za rešitev tega problema smo se odločili uporabiti tehnike »globokega učenja«, predvsem konvolucijske nevronske mreže, s katerimi smo izvedli semantično segmentiranje. Problem smo reševali s tremi različnimi arhitekturami nevronskih mrež, ki smo jih učili na naboru podatkov BDD100k. Modele mrež smo nato testirali in primerjali rezultate s pomočjo IoU metrike za semantično segmentacijo. Opravili smo tudi več eksperimentov s ciljem izboljšanja IoU vrednosti in generalizacije modelov. Na koncu smo modele testirali tudi na Nvidia Jetson TX2 platformi in predlagali možnost vključitve takšnih modelov v sistem avtonomnega vozila.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, segmentacija voznega pasu, strojni vid, avtonomno vozilo
Objavljeno: 13.11.2019; Ogledov: 641; Prenosov: 111
.pdf Celotno besedilo (3,48 MB)

22.
Priprava učne množice fotografij in njihova klasifikacija z uporabo globokih nevronskih mrež
Bojan Jan Javornik, 2019, diplomsko delo

Opis: Cilj diplomske naloge je preizkusiti klasifikacijo slik s pomočjo globokih nevronskih mrež. Odločili smo se za uporabo konvolucijskih nevronskih mrež, saj so najbolj razširjene na področju klasifikacije slik, učne in testno množico pa smo pripravili sami. Modele mreže smo gradili in učili v programskem jeziku Python s pomočjo knjižnice Keras. Opišemo kako smo slike pretvorili v vhode konvolucijske nevronske mreže in kakšne modele smo zgradili. Primernost modelov smo ugotavljali z navzkrižno validacijo, nato pa smo jih preizkusili še na testni množici. Vse rezultate tudi predstavimo in povemo ugotovitve.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, klasifikacija slik
Objavljeno: 11.11.2019; Ogledov: 436; Prenosov: 50
.pdf Celotno besedilo (3,49 MB)

23.
Vpliv dinamičnega kovalentnega zamreženja na lastnosti prepletenih polimernih mrež
Ivo Urh, 2019, magistrsko delo

Opis: Prepletene polimerne mreže (IPN) definiramo kot kombinacijo polimernih mrež, kjer je vsaj ena sintetizirana in/ali zamrežena v prisotnosti druge polimerne mreže. V razvoju in raziskavah pa postajajo zelo popularni dinamični polimeri, ki lahko pod specifičnim vplivom izmenjujejo kemijske vezi in tako spremenijo topologijo svoje strukture. Sinteza IPN se običajno izvede na sekvenčni način. Z ustreznimi monomeri, ki polimerizirajo po ločenih mehanizmih, pa jih lahko pripravimo tudi na simultani način. V našem raziskovalnem delu smo pripravili tako sekvenčne kot simultane full-IPN, v katerem sta bili obe polimerni komponenti zamreženi. Ena polimerna mreža je bila nedinamična in sicer na osnovi stirena, kopolimeriziranega z divinil benzenom. Druga polimerna mreža pa je bila na osnovi ε-kaprolaktona, kopolimeriziranega z 4,4'-bioksepanil-7,7'-dionom, ki je predstavljala dinamično mrežo zaradi možnosti reorganizacije mreže preko reakcije transesterifikacije. Raziskovali smo kako način sinteze, gostota zamreženja in hitrost polimerizacije z odpiranjem obroča ε-kaprolaktona vplivajo na termične in mehanske lastnosti materiala, ki smo jih določili z DSC ter DMA. Full-IPN smo nadalje uporabili za pripravo poroznih struktur polistirena, tako da smo PCL degradirali pod pogoji hidrolize ter porozni skelet analizirali s SEM. Full-IPN vzorci, pripravljeni na sekvenčni način, imajo ne glede na količino difenil fosfata kot katalizatorja za polimerizacijo z odpiranjem obroča CL, praktično identične mehanske in termične lastnosti. Zelo podobne lastnosti imajo tudi full-IPN vzorci pripravljeni na simultani način z večjo količino DPP. Po drugi strani pa vzorci pripravljeni na simultan način z manjšo količino katalizatorja, pri katerih je gel nastal pred fazno separacijo, izkazuje boljšo mehansko trdnost v območju nad temperaturo tališča PCL. Pokazali smo, da je, ob enaki gostoti zamreženja, kristaliničnost PCL-a rahlo večja ob hitrejši polimerizaciji. Porozna struktura PS je pokazala, da imajo full-IPN pri večji količini DPP večje polimerne domene zaradi obsežnejše fazne separacije. Pokazali smo, da je struktura full-IPN odvisna tako od hitrosti nastanka obeh polimernih mrež, kot tudi od možnosti reorganizacije dinamične mreže z izmenjavo kemijskih vezi.
Ključne besede: prepletene polimerne mreže (IPN), poli(ɛ-kaprolakton) (PCL), dinamično zamreženje, polistiren, DMA
Objavljeno: 24.10.2019; Ogledov: 447; Prenosov: 36
.pdf Celotno besedilo (3,65 MB)

24.
Možnosti uporabe tekstilnega betona
Jernej Španinger, 2019, magistrsko delo

Opis: Magistrsko delo obravnava možnosti uporabe tekstilnega betona, tj. tekstilnih mrež iz visokozmogljivih tehnoloških vlaken v kombinaciji z drobnozrnatim betonom v gradbeništvu. Primeri uporabe so najprej prikazani na podlagi realiziranih primerov oz. konceptnih projektih uporabe tekstilnega betona v praksi, nato pa še na izvedenem praktičnem primeru. Na začetku so podane teoretične osnove in lastnosti vsakega od vhodnih materialov kompozita. Razdelane so tudi krivulje obnašanja tekstilnega betona pod različnimi tipi obtežb, da bralec dobi boljšo predstavo o obnašanju kompozita. Poudarek praktičnega primera magistrskega dela je na dosledni vgradnji tekstilnega betona, ki ga priporoča literatura, in na diskusiji ugotovitev, do katerih smo prišli ob pripravi in preizkušanju vzorcev.
Ključne besede: tekstilni beton, tekstilne mreže, sanacija, drobnozrnati beton, visokozmogljiva tehnološka vlakna
Objavljeno: 06.09.2019; Ogledov: 802; Prenosov: 74
.pdf Celotno besedilo (12,34 MB)

25.
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: 1101; Prenosov: 199
.pdf Celotno besedilo (2,17 MB)

26.
Ocena tveganja za nastanek kostno mišičnih obolenj pri delu operacijske medicinske sestre
Ana Zupanc, 2019, magistrsko delo

Opis: Izhodišče: V magistrskem delu smo želeli oceniti tveganje za nastanek kostno-mišičnih obolenj pri delu operacijske medicinske sestre. V empiričnem delu smo raziskali, pod kakšnimi delovnimi obremenitvami delujejo OPR MS, kako te obremenitve vplivajo na njihovo zdravstveno stanje ter v daljšem časovnem obdobju prikazali, s kako težkimi bremeni rokujejo pri svojem delu. Raziskovalna metodologija in metode: Sestavili smo anketni vprašalnik s 16 vprašanji zaprtega tipa. Analizirali smo ga s pomočjo statističnega programa SPSS ter programa Microsoft Excel. Prikazali smo teže mrež z inštrumenti treh različnih operacijskih sob ter v obdobju enega leta prikazali, s kakšnimi bremeni se OPR MS srečujejo pri svojem delu. Rezultati: Ugotovili smo, da delovni pogoji več kot polovici anketiranih OPR MS (53,8 %) predstavljajo precejšno obremenjenost. Najpogosteje so anketirane OPR MS v zadnjih 12 mesecih čutile bolečino v spodnjem delu hrbta (78,7 %). V operacijski sobi za splošno in abdominalno kirurgijo posamezna OPR MS v obdobju enega leta dvigne in prenese 26.770,5 kg, v operacijski sobi za žilno kirurgijo 3.097,6 kg ter v operacijski sobi za ortopedijo in športne poškodbe 39.246,2 kg na leto. Diskusija in zaključek: OPR MS se na svojem delovnem mestu velikokrat počutijo obremenjene in po koncu delovnega dne fizično in psihično izčrpane. Menimo, da bi bilo dobro razmisliti o dodatnih ukrepih in pripomočkih, ki bi OPR MS omogočile manjše fizične obremenitve na delovnem mestu.
Ključne besede: Ročno premeščanje bremen, poklicne bolezni, bolečina v križu, mreže z inštrumenti, delo v operacijski sobi, ergonomija v operacijski sobi.
Objavljeno: 24.05.2019; Ogledov: 676; Prenosov: 79
.pdf Celotno besedilo (1,82 MB)

27.
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: 723; Prenosov: 139
.pdf Celotno besedilo (4,85 MB)

28.
Detekcija karakterističnih točk na rentgenskih posnetkih glave s pomočjo tehnik globokega učenja
Gašper Sedej, 2018, magistrsko delo

Opis: V tem magistrskem delu smo se ukvarjali s sistemom za detekcijo karakterističnih točk na slikovnih podatkih. Izdelali smo splošen sistem za avtomatsko zaznavanje karakterističnih točk, ki smo ga prilagodili za kefalometrične točke na rentgenskih slikah. Kot detektor smo uporabili obstoječo globoko nevronsko mrežo SegNet, ki je namenjena segmentiranju slik. To mrežo smo modificirali za iskanje karakterističnih točk. Novo mrežo smo poimenovali KeypointNet. Izdelali smo tudi sistem za označevanje točk na slikah. Detektor smo učili z učno množico. Na testni množici smo izvedli detekcijo in izmerili napako, ki jo definiramo kot evklidsko razdaljo med napovedano in označeno točko. Testirali smo tudi nabor krmilnih hiperparametrov pri zagonu učenja. Sistem smo testirali na množici 124 kefalometričnih slik velikosti 480 × 360 pikslov, in sicer za nabor 10 izbranih točk. Na vseh slikah smo označili te točke. Slike smo razdelili v učno in testno množico v razmerju približno 75 % in 25 %. Testirali smo 16 naborov hiperparametrov. Za vsak nabor smo izvedli 5 ponovitev učenja. Povprečna napaka v položaju točke na testni množici je bila 2,7 piksla. Testirali smo tudi vpliv dveh hiperparametrov za nadzor učenja. Testi so pokazali, da rahel odklon od priporočenih vrednosti za ta dva hiperparametra nima signifikantnega vpliva na končni rezultat. Dobljeni rezultati so zelo spodbudni. Razvili smo torej napreden sistem na osnovi globokega učenja, ki uspešno detektira karakteristične točke na slikah.
Ključne besede: globoko učenje, nevronske mreže, kefalometrija, razpoznavanje vzorcev, optimizacija, paralelno izvajanje
Objavljeno: 10.01.2019; Ogledov: 714; Prenosov: 118
.pdf Celotno besedilo (5,14 MB)

29.
Napovedovanje GPS sledi z globokimi nevronskimi mrežami
Jernej Borlinić, 2018, magistrsko delo

Opis: Metode strojnega učenja vse bolj prodirajo v vsa področja modernega gospodarskega in raziskovalnega okolja. Obstoječi algoritmi dosegajo vrhunske rezultate pri nalogah kot so prepoznavanje slik, razumevanje besedil in govora ipd. Avtomatizirane rešitve takšnih nalog so še nedavno veljale za nedosegljive. V tej magistrski nalogi pregledamo najpopularnejše globoke nevronske mreže, iz njih sestavljene modele in njihove načine učenja. S pridobljenim znanjem in večkratnim testiranjem v drugem delu, razvijemo model globoke nevronske mreže za napovedovanje GPS sledi. Osnovno testiranje modela poteka na lastnem naboru sintetično ustvarjenih podatkov. Dva najuspešnejša modela v nadaljevanju učimo s pomočjo izbranih realnih podatkov pridobljenih od podjetja GoOpti d. o. o. Končni izpopolnjen model pa učimo z razširjenim naborom realnih podatkov. V magistrski nalogi so opisani izbira in implementacija modela, način učenja, ustvarjanje in pridobivanje naborov podatkov in pridobljeni rezultati.
Ključne besede: Strojno učenje, globoko učenje, globoke nevronske mreže, povratne nevronske mreže.
Objavljeno: 13.12.2018; Ogledov: 850; Prenosov: 88
.pdf Celotno besedilo (9,58 MB)

30.
S principi kompleksnih mrež do karakterizacije korelirane dinamike delniških trgov
Nina Šilovinac, 2018, magistrsko delo

Opis: V magistrskem delu predstavimo inovativen komputacijski pristop, ki temelji na teoriji kompleksnih mrež, in ga uporabimo za kvantitativni opis dinamike trgovanja z delnicami. Z avtomatiziranim pridobivanjem podatkov, njihovim filtriranjem in obdelavo smo podatke pripravili za izgradnjo dveh vrst funkcionalnih finančnih mrež. Prva temelji na korelirani dinamiki dnevnega trgovanja, druga pa na korelacijah v dolgoročnih trendih, opisanih z mesečnim povprečjem. Obe mreži smo vizualizirali, izračunali njune topološke lastnosti in jih primerjali z drugimi realnimi mrežami. Proučevali smo tudi dinamično spreminjanje funkcionalnih finančnih mrež in ugotovili, da so iz sprememb topoloških lastnosti razvidni pretresi finančnih trgov, kot je bila finančna kriza v letu 2007. S principi multipleksne mreže smo proučevali tudi zvezo med korelirano dinamiko dnevnega trgovanja in mesečnih trendov. Na koncu smo tudi analizirali, kako se sovisno trgovanje kaže z vidika posameznih držav in ovrednotili deležnike za stabilnost posameznih delnic. Naše ugotovitve kažejo, da ima uporaba sodobnih teoretskih orodij s področja kompleksnih mrež velik potencial na področju ekonofizike in kvantitativnega finančništva.
Ključne besede: ekonofizika, kompleksne mreže, delniški trg, korelirana dinamika, časovne mreže, trgovanje, funkcionalne mreže, dolgoročni trendi, dnevno trgovanje, topološke lastnosti, realne kompleksne mreže, finančna kriza, multipleksna mreža, kvantitativno finančništvo, karakterizacija, fizika, magistrsko delo, Šilovinac
Objavljeno: 13.12.2018; Ogledov: 499; Prenosov: 72
.pdf Celotno besedilo (7,06 MB)

Iskanje izvedeno v 0.27 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici