| | 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 / 70
Na začetekNa prejšnjo stran1234567Na naslednjo stranNa konec
1.
Analiza in optimizacija procesnih parametrov sušilnice za koruzo : magistrsko delo
Marko Simonič, 2024, magistrsko delo

Opis: Magistrsko delo obsega opis razvoja in implementacije modela globoke nevronske mreže z LSTM arhitekturo. Model omogoča napovedovanje vlažnosti koruze na izhodu iz sušilnega sistema na podlagi meritev vlažnosti koruze na vhodu in beleženja temperaturnih parametrov med obratovanjem. Razvoj modela je vključeval temeljito analizo in preučitev posameznih temperaturnih parametrov. Pri tem smo izvedli regresijsko analizo, ki je raziskovala vpliv vhodne vlažnosti, ciljne temperature gorilnika in časa sušenja med izpusti koruze na spremembe temperaturnih parametrov v sušilnem sistemu. Poleg tega smo preučili tudi statistične vplive samih temperaturnih parametrov na vlažnost koruze na izhodu iz sušilnega sistema. Analiza nam je omogočila ustrezno pripravo podatkov za učenje napovednih modelov. Uspešnost razvitih napovednih modelov je ocenjena s povprečno absolutno napako (angl. mean absolute error – MAE), povprečno kvadratno napako (angl. mean squared error – MSE), korenom povprečne kvadratne napake (angl. root mean squared error – RMSE) in srednjo absolutno odstotkovno napako (angl. mean absolute percentage error – MAPE). Najuspešnejši model za napovedovanje vlažnosti na izhodu iz sušilnega sistema je imel na učnih podatkih odlično zmogljivost napovedovanja, saj so povprečne vrednosti MAE znašale 0,352, RMSE 0,645, MSE 0,416 in MAPE 2,555. Izvedena je bila tudi vizualizacija rezultatov za nadaljnjo analizo in interpretacijo.
Ključne besede: sušilni sistem, globoko učenje, LSTM, napovedovanje, optimizacija, koruza, vlaga
Objavljeno v DKUM: 28.03.2024; Ogledov: 64; Prenosov: 12
.pdf Celotno besedilo (3,60 MB)

2.
Napovedovanje prodaje zdravil z uporabo naprednih metod napovedovanja časovnih vrst : magistrsko delo
Žan Pudič, 2023, magistrsko delo

Opis: Magistrsko delo zajema uporabo naprednih modelov za napovedovanje prodaje zdravil. Cilj dela je s pomočjo naprednih metod napovedovanja v programskem okolju R, postaviti napovedovalne modele za posamezne skupine zdravil, ki bodo v izbranih intervalih zaupanja uspešno napovedali prihodnjo prodajo. V delu smo za potrebe napovedovanja uporabili modele kot so ARIMA, CNN, Holt-Winters pri čemer smo te primerjali z naivno metodo napovedovanj in tako ocenili njihovo sposobnost napovedovanja. Prav tako smo v delu podrobno analizirali izhode v fazi kreiranja modelov na podlagi katerih smo izvedli nadaljnjo selekcijo modelov s katerimi lahko uspešno napovemo prihodnjo prodajo. Uspešne napovedi smo izvedli pri vseh skupinah zdravil. V delu je najuspešnejšo napoved pri skupinah zdravil M01AB. M01AE, N02BA, N05C, R03 in R06 imel ARIMA model. Prodajo v skupinah zdravil N05C in N02BE pa lahko napovedujemo zgolj z uporabo CNN, saj noben izmed preostalih modelov ni uspel dovolj dobro zajeti informacij znotraj časovne vrste, da bi lahko z njim podali napoved.
Ključne besede: napredne metode napovedovanja, časovne vrste, napovedovanje prodaje, napovedovalni modeli, ARIMA, CNN, Holt-Winters.
Objavljeno v DKUM: 26.09.2023; Ogledov: 274; Prenosov: 50
.pdf Celotno besedilo (3,58 MB)

3.
Identifikacija žensk za visokorizičen izvid po konizaciji z uporabo nevronskih mrež
Marko Mlinarič, 2023, doktorska disertacija

Opis: Na svetu je rak materničnega vratu (RMV) četrti najpogostejši rak pri ženskah. V Sloveniji je bil pri ženskah leta 2017 na sedemnajstem mestu. Z ustreznim presejanjem, zgodnjim odkrivanjem predrakavih sprememb in njihovim zdravljenjem, ga je mogoče preprečiti. Metode umetne inteligence ('artificial intelligence – AI') bi lahko postale orodje, ki bi pripomoglo k rešitvi problema RMV. Z našo študijo smo želeli preveriti, ali lahko z umetnimi nevronskimi mrežami na podlagi dejavnikov tveganja za razvoj ploščatocelične intraepitelijske lezije (PIL) na materničnem vratu (MV) in RMV ter izvida zadnjega brisa materničnega vratu (BMV) napovemo, ali bo končni histološki izvid konusa PIL visoke stopnje (PIL-VS) oziroma RMV ali ne. Poleg nevronskih mrež smo preizkusili tudi nekatere druge klasifikacijske sisteme. Za analizo smo uporabili podatke 1475 pacientk, ki so imele narejeno konizacijo na Kliniki za ginekologijo in perinatologijo Univerzitetnega kliničnega centra Maribor v letih 1993–2005. Vse podatke smo anonimizirali. Uporabili smo metode za uravnoteženje manjšinskega in večinskega razreda. Za analizo smo oblikovali več baz, izvedli pa smo jo z odprtokodnim programskim paketom za podatkovno rudarjenje WEKA. Nevronske mreže so bile uspešnejše pri napovedovanju tveganih pacientk kot večinski algoritem. V naši študiji se je klasifikacijski algoritem Random Forest s sestavljeno metodo 'bagging' izkazal kot najuspešnejši in bi bil primeren za klinično uporabo.
Ključne besede: rak materničnega vratu, ploščatocelična intraepitelijska lezija visoke stopnje, umetna inteligenca, umetne nevronske mreže, napovedovanje tveganja
Objavljeno v DKUM: 24.08.2023; Ogledov: 285; Prenosov: 26
.pdf Celotno besedilo (4,12 MB)

4.
Proučevanje zunanjih dejavnikov pri napovedovanju cene kriptovalut s strojnim učenjem : diplomsko delo
Jakob Cvetko, 2023, diplomsko delo

Opis: Zmožnost napovedovanja gibanja cene finančnih instrumentov predstavlja priložnost za visoke zaslužke. Eni izmed tehnični pristopov, ki se na področju finančnega trgovanja že dalj časa uspešno uporabljajo, so metode strojnega učenja. V diplomski nalogi smo se ukvarjali z napovedovanjem cene kriptovalute Bitcoin. Modeliranje smo začeli s pridobivanjem raznih podatkov, povezanih s ceno kriptovalute, in nato z algoritmom XGBoost izdelali napovedni model. Razumevanje napovedi je ključnega pomena, zato smo uporabili razlagalni algoritem SHAP, s katerim smo dobili globlji vpogled v napovedni model. Izkazalo se je, da imajo podatki, neposredno vezani na ceno kriptovalute, največjo vlogo pri napovedi, temu pa sledi indeks strahu in pohlepa.
Ključne besede: kriptovalute, strojno učenje, XGBoost, napovedovanje časovnih vrst, SHAP
Objavljeno v DKUM: 07.06.2023; Ogledov: 475; Prenosov: 45
.pdf Celotno besedilo (2,08 MB)

5.
Model energijskih tokov v sistemu distribuirane energetske oskrbe na osnovi metode simulacije diskretnih dogodkov : doktorska disertacija
Dušan Kragelj, 2022, doktorska disertacija

Opis: V času, ko je racionalna poraba energije in trajnostna naravnanost njenega pridobivanja postala že vsakdanja, je eden izmed že preverjenih in razširjenih načinov pridobivanja energije v javnih ustanovah kot so šole, bolnišnice, trgovski centri in podobno tako imenovana decentralizirana ali distribuirana proizvodnja električne energije, toplote in hladu, v tujini znana pod terminom Distributed Energy Resources (v nadaljevanju DER). Kot tudi na drugih področjih življenja sta tudi pri pridobivanju energije optimizacija in napovedovanje porabe esencialnega pomena za rentabilno in okoljsko sprejemljivo delovanje. V doktorski disertaciji smo proučevali sistem sestavljen iz tri-generatorja z dodatno absorpcijsko toplotno črpalko za pretvorbo toplote v hlad in dodatnega bojlerja ter kompresorske toplotne črpalke. V takšnih sistemih se za napovedovanje v večini uporabljajo samo zgodovinski podatki o porabi, saj drugih podatkov nimamo na voljo. Zaradi tega metode, ki jih avtorji uporabljajo za modeliranje oskrbe z energijo v industrijskih sistemih, niso povsem uporabne in zato je bil nujno potreben drugačen pristop.
Ključne besede: distribuirana proizvodnja energije, logistični proces, simulacije diskretnih dogodkov, optimizacija in napovedovanje, trajnostno pridobivanje energije
Objavljeno v DKUM: 22.02.2023; Ogledov: 580; Prenosov: 1
.pdf Celotno besedilo (3,48 MB)

6.
Napovedovanje porabe pitne vode z metodami časovnih vrst in strojnega učenja : diplomsko delo
Sara Dodič, 2023, diplomsko delo

Opis: V diplomski nalogi se ukvarjamo z napovedovanjem porabe pitne vode. Naš glavni cilj je primerjava napovednih modelov SARIMA in nevronske mreže LSTM. Pri napovedovanju se osredotočimo na časovne vrste posameznih gospodinjstev ter časovne vrste vodovodnega omrežja, ki so vzorčene mesečno. Primerjavo napovednih modelov izvedemo na podlagi njihove srednje kvadratne napake pri prileganju na časovno vrsto in napovedovanju porabe pitne vode na testni množici. Rezultati pokažejo, da se najbolje obnese model ARIMA.
Ključne besede: časovne vrste, napovedovanje, ARIMA, LSTM
Objavljeno v DKUM: 13.02.2023; Ogledov: 2105; Prenosov: 109
.pdf Celotno besedilo (1,83 MB)

7.
Napoved proizvodnje električne energije iz vetrnih elektrarn na podlagi vremenskih podatkov : diplomsko delo
Tilen Natek, 2022, diplomsko delo

Opis: Najpomembnejša naloga naše generacije je ohraniti planet, da bodo naši zanamci dihali svež zrak, pili čisto vodo in živeli v normalni temperaturi. Pri tem bo eno ključnih vlog odigrala oskrba z električno energijo. Za čim večjo podnebno nevtralnost si močno prizadeva tudi Evropska unija (EU), saj v tako imenovani zeleni preboj vlaga veliko časa in denarja. Posledično obnovljivi viri energije (OVE) predstavljajo vedno večji delež naše oskrbe z električno energijo. Toda treba se je zavedati, da bolj ko se naša električna energija napaja iz vremensko odvisnih virov energije, kot sta veter in sonce, bolj niha delovanje električnega omrežja in večji pomen ima napovedovanje proizvodnje vetrne energije.
Ključne besede: Vetrna energija, vetrne elektrarne, hitrost vetra, realizirana proizvodnja električne energije, napovedovanje.
Objavljeno v DKUM: 02.11.2022; Ogledov: 726; Prenosov: 109
.pdf Celotno besedilo (5,83 MB)

8.
Napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov z uporabo konvolucijsko-povratnih nevronskih mrež : magistrsko delo
Niko Uremović, 2022, magistrsko delo

Opis: V magistrskem delu predstavimo nov pristop za napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov. Pripravimo pregled obstoječih pristopov k napovedovanju časovnih vrst prostorskih podatkov. Predstavimo koncepte na katerih temelji konvolucijsko-povratna nevronska mreža ConvLSTM in njeno teoretično osnovo. Z uporabo ConvLSTM pri napovedovanju upoštevamo tako časovne odvisnosti med spremenljivkami, kot tudi prostorske odvnisnosti med podatki v sosednjih točkah. Metodo preizkusimo na primeru napovedovanja več spremenljivk onesnaženosti zraka za več merilnih postaj na različnih lokacijah in jo primerjamo s sorodnimi deli.
Ključne besede: Multivariatne časovne vrste, geoprostorski podatki, napovedovanje časovnih vrst, konvolucijsko-povratne nevronske mreže
Objavljeno v DKUM: 21.10.2022; Ogledov: 403; Prenosov: 40
.pdf Celotno besedilo (2,42 MB)

9.
Napovedovanje prodaje z dodatnimi odprtimi podatkovnimi viri
Denis Kolman, 2021, magistrsko delo

Opis: Rešitev, predstavljena v nalogi, se osredotoča na izboljšanje procesa napovedovanja prodajnih rezultatov izdelkov ali storitev s pomočjo vpeljave dodatnih odprtih virov podatkov. Z nalogo želimo poudariti, kako enostavno lahko pridobimo podatke in jih zelo dragoceno uporabimo v procesu poslovanja. Za končno primerjavo in vrednotenje smo najprej postavili dva modela v različnih sistemih za napovedovanje prodajnih rezultatov na podlagi enega vira, to so zgodovinski podatki prodaje. V nadaljevanju smo napovedni model s historičnimi podatki nadgradili. Dodali smo še podatke o številu zabeleženih bolezni, ki smo jih pridobili preko spletnega portala z javno objavljenimi podatki (odprti podatki). Korelacija med omenjenimi podatki obstaja, vendar je povezovanje te vrste podatkov kompleksno, zato je interpretacija rezultatov po eni strani lahko zelo zahtevna, po drugi strani pa povsem logična in zanimiva. Cilj, ki smo si ga zadali, je torej pokazati tri različne modele za napovedovanje, jih primerjati in ugotoviti, kakšen doprinos prinesejo odprti podatki. Rezultati naloge so pokazali, da smo zgradili zelo dobro osnovo za nadaljnji razvoj rešitve in enostavno implementacijo v uporabo.
Ključne besede: Odprti (javni) podatki, napovedovanje, podatkovno rudarjenje, model CRISP-DM.
Objavljeno v DKUM: 07.12.2021; Ogledov: 769; Prenosov: 66
.pdf Celotno besedilo (2,29 MB)

10.
UPORABA TEMELJNE ANALIZE NA DEVIZNEM TRGU
Mitja Perko, 2009, diplomsko delo

Opis: Temeljna analiza predstavlja instrumentarij, s katerim poskušamo razložiti številne premike v gibanju deviznega tečaja skozi daljše obdobje. Takšen instrumentarij lahko uporabimo tudi za ugotavljanje gibanja tečaja v prihodnosti — za napovedovanje. V splošnem je temeljna analiza skupek različnih teorij, ki vsaka po svoje opisujejo, kako se devizni tečaj v nekem trenutku izoblikuje. Za dobro napoved je potrebno uporabiti čim večje število teorij, ki jih vključuje temeljna analiza; le tako se lahko izognemo situaciji, kjer bi ob uporabi samo ene teorije, temeljna analiza podala manj kvalitetne napovedi. Priporočena je tudi uporaba analize pri napovedovanju na dolgi rok, saj zaradi različnih razlogov odnosi med ekonomskimi spremenljivkami in tečajem potrebujejo čas, preden se povezava nedvoumno pokaže. Kot rezultat naše sprotne analize tečaja evro/dolar tekom diplomskega dela lahko zaključimo, da večina teorij, ki so del temeljne analize, kaže na bodočo depreciacijo evra proti ameriškemu dolarju.
Ključne besede: devizni trg, devizni tečaj, temeljna analiza, fundamentalna analiza, napovedovanje, pariteta kupne moči, mednarodni Fisherjev efekt, določanje deviznega tečaja, monetarni pristop, trgovinski pristop, fiskalna politika, proračun, evro, dolar, jen
Objavljeno v DKUM: 10.03.2021; Ogledov: 806; Prenosov: 0
Gradivo ima več datotek! Več...

Iskanje izvedeno v 44.61 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici