| | 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


31 - 40 / 438
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
31.
Avtomatizacija pregledovanja kode s pomočjo strojnega učenja
Sebastjan Stojnšek, 2018, magistrsko delo

Opis: V tem magistrskem delu smo se posvetili področju pregledovanja kode s pomočjo strojnega učenja. Proučili smo sorodna dela na tem področju ter določili teoretični pristop, s pomočjo katerega bomo lahko izvajali napovedovanje slabih sprememb programske kode programskega jezika Javascript, ki zahtevajo odpravo napak. Tako bomo zmanjšali porabo virov pri pregledovanju programske kode. Izdelali smo prototip ekspertnega sistema, ki bo omogočal generiranje metrik in učenje nevronske mreže v ogrodju Tensorflow.js. Učinkovitost sistema smo ovrednotili na treh odprtokodnih projektih ter dosegli rezultate, ki upravičujejo smiselnost vpeljave takšnega sistema v proces razvoja programske opreme.
Ključne besede: strojno učenje, Tensorflow, pregledovanje kode, JavaScript, nevronske mreže, programsko inženirstvo
Objavljeno: 22.11.2018; Ogledov: 605; Prenosov: 96
.pdf Celotno besedilo (1,51 MB)

32.
Interaktivno modeliranje terena z nevronskimi mrežami
Robi Novak, 2018, diplomsko delo

Opis: V diplomskem delu smo implementirali generiranje terena z globokim učenjem. V ta namen smo uporabili pogojno generativno nasprotovalno mrežo (angl. conditional generative adversarial network) za tvorbo slike terena iz skic, kjer so označeni poteki vrhov in dolin. Naučena mreža omogoča interaktivno modeliranje terena, tako da uporabnik dopolnjuje skico, mreža pa sliko terena sproti prilagaja uporabnikovemu vnosu. Implementirali smo tudi prostorsko vizualizacijo generiranega terena z uporabo programskega vmesnika OpenGL.
Ključne besede: generiranje terena, modeliranje terena, nevronske mreže
Objavljeno: 14.11.2018; Ogledov: 656; Prenosov: 167
.pdf Celotno besedilo (1,29 MB)
Gradivo ima več datotek! Več...

33.
Izgubno stiskanje slik z variacijskim avtokodirnikom
Žiga Leber, 2018, magistrsko delo

Opis: V magistrskem delu preučujemo izgubno stiskanje slik z uporabo variacijskega avtokodirnika. Implementirali smo njegovo povratno različico, imenovano konvolucijski DRAW, ki v vlogi kodirnika in dekodirnika uporablja nevronsko mrežo LSTM. Za implementacijo smo uporabili jezik Python in knjižnico PyTorch. Delovanje algoritma smo testirali na podatkovni zbirki CIFAR-10 ter rezultate primerjali z metodo JPEG. Ugotovili smo, da so rezultati primerljivi v smislu kakovosti rekonstrukcije.
Ključne besede: stiskanje slik, nevronske mreže, variacijski avtokodirnik, konvolucijski DRAW
Objavljeno: 25.10.2018; Ogledov: 411; Prenosov: 95
.pdf Celotno besedilo (1,38 MB)

34.
Adaptivno vodenje osnovano na algoritmih računske inteligence
Jakob Šafarič, 2018, magistrsko delo

Opis: Na področju robotike obstaja ogromno nelinearnih sistemov, ki se še vedno vodijo z linearnimi regulatorji, čeprav ti niso optimalna rešitev za dani problem. V tem magistrskem delu je predstavljen hitrostni adaptivni nelinearni regulator, ki je sposoben voditi nelinearno progo boljše kot linearni regulatorji. Razviti regulator je sestavljen iz algoritma po vzorih iz narave, ki optimira vrednost referenčnega toka, in umetne nevronske mreže, ki je sposobna napovedati vrednost ocenitvene funkcije za izbrani algoritem. Pri tem primerjamo vpliv različnih algoritmov po vzorih iz narave na delovanje predlaganega regulatorja. V naši primerjalni analizi smo zajeli naslednje algoritme: evolucijsko strategijo, diferencialno evolucijo, optimizacijo z roji delcev in algoritmom po vzoru obnašanja netopirjev.
Ključne besede: nelinearni adaptivni regulator, umetne nevronske mreže, evolucijski algoritmi, algoritmi inteligence rojev
Objavljeno: 19.10.2018; Ogledov: 795; Prenosov: 200
.pdf Celotno besedilo (4,36 MB)
Gradivo ima več datotek! Več...

35.
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: 805; Prenosov: 119
.pdf Celotno besedilo (1,90 MB)

36.
Prepoznavanje jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež
Jan Banko, 2018, diplomsko delo

Opis: V diplomskem delu se ukvarjamo s prepoznavo jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež. Namen diplomskega dela je razvoj in implementacija sistema, ki je zmožen prepoznati hrano na digitalni sliki. Natančneje smo preučili delovanje konvolucijskih nevronskih mrež ter postopek prepoznavanja objektov. Opisali smo tudi uporabljene algoritme za detekcijo objektov, ki uporabljajo konvolucijske nevronske mreže. Pri implementaciji razpoznavalnika hrane smo se omejili na 8 različnih kategorij hrane. Pri testiranju na podatkovni zbirki »The Food-101 Data Set« je na množici 2400 slik najboljši izmed uporabljenih modelov detektorjev dosegel natančnost prepoznavanja 95,59 % pri uporabi metrike »PASCAL VOC 2010« ter 72,1 % pri uporabi metrike »COCO«.
Ključne besede: računalniški vid, prepoznavanje hrane, konvolucijske nevronske mreže, Tensorflow
Objavljeno: 31.08.2018; Ogledov: 1202; Prenosov: 213
.pdf Celotno besedilo (2,69 MB)

37.
Algoritem določanja funkcijske odvisnosti povezav med vozlišči v kompleksnih mrežah
David Jesenko, 2018, doktorska disertacija

Opis: V doktorski disertaciji predstavimo nov dvonivojski evolucijski algoritem za določanje funkcijske odvisnosti med netopološkimi lastnostmi vozlišč in povezavami v kompleksnih mrežah. Rezultat algoritma je neenačba, ki določa povezljivost med izbranima vozliščema kompleksne mreže. Na prvem nivoju predstavljenega algoritma poiščemo obliko neenačbe, na drugem nivoju pa ustrezne koeficiente in odločitveni prag. Ocenitveno funkcijo, ki je ozko grlo predlaganega algoritma, smo implementirali na grafično procesni enoti s tehnologijo CUDA, s čimer dosežemo učinkovito vzporedno izvajanje. V eksperimentalnem delu doktorske disertacije pokažemo primernost predstavljenega algoritma za analizo naravnih kompleksnih mrež. V primerjavi z metodami strojnega učenja in evolucijskimi algoritmi dosežemo boljše rezultate. Doktorsko disertacijo zaključimo s pregledom opravljenega dela in ovrednotenjem našega prispevka na raziskovalnem področju.
Ključne besede: evolucijski algoritmi, strojno učenje, kompleksne mreže, netopološke lastnosti vozlišč, funkcijski zapis, paralelno računanje, GPGPU, CUDA
Objavljeno: 03.05.2018; Ogledov: 824; Prenosov: 139
.pdf Celotno besedilo (11,91 MB)

38.
Predgovor
Lučka Lorber, 2008, predgovor, spremna beseda

Ključne besede: geografija, poletne šole, Georegnet, regionalno partnerstvo, univerzitetne mreže, Maribor
Objavljeno: 13.03.2018; Ogledov: 399; Prenosov: 53
.pdf Celotno besedilo (34,43 KB)
Gradivo ima več datotek! Več...

39.
Kategorizacija in detekcija sprememb v radarskih slikah sar z uporabo algoritma globokega učenja
Aleš Obal, 2018, magistrsko delo

Opis: V magistrskem delu je opisan postopek kategorizacije in detekcije sprememb v radarskih slikah SAR z uporabo konvolucijske nevronske mreže, tako imenovane »Deep Learning«. V ta namen je bil izdelan program v Matlab programskem okolju, ki je sposoben izrezati SAR radarsko sliko na poljubne manjše dele, ustvariti konvolucijsko nevronsko mrežo, jo naučiti ter uporabiti pri klasifikaciji in detekciji predelov površja na Zemlji. Programu je dodana tudi opcija uporabe grafično procesne enote »GPU« za pohitritev učenja konvolucijskih nevronskih mrež.
Ključne besede: SAR, kategorizacija slik, detekcija sprememb v sliki, globoke nevronske mreže, paralelno procesiranje
Objavljeno: 09.02.2018; Ogledov: 767; Prenosov: 117
.pdf Celotno besedilo (4,20 MB)

40.
Računalniško iskanje pakirnega kromatskega števila za različne neskončne mreže
Žiga Markuš, 2018, magistrsko delo

Opis: Pojem pakirnega kromatskega števila prihaja iz področja načrtovanja frekvenc v brezžičnih omrežjih. Pri pakiranju k-barv grafa G, morajo biti vozlišča grafa z barvo i paroma na večji razdalji kot si. Magistersko delo proučuje različne metode za računalniško iskanje pakirnega kromatskega števila za različne neskončne mreže. V delu predstavimo nov algoritem za iskanje pakirnega kromatskega števila, s katerim nam uspe izboljšati zgornje meje različnih neskončih mrež.
Ključne besede: neskončne mreže, pakirno kromatsko število, grafi
Objavljeno: 29.01.2018; Ogledov: 416; Prenosov: 110
.pdf Celotno besedilo (2,00 MB)
Gradivo ima več datotek! Več...

Iskanje izvedeno v 0.31 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici