1. |
2. |
3. RAZPOZNAVANJE ZNAKOV S HOPFIELDOVO MREŽOMarko Višić, 2009, diplomsko delo Opis: V diplomskem delu smo obdelali delovanje Hopfieldove nevronske mreže pri razpoznavanju znakov, ki so predstavljeni kot dvodimenzionalni binarni vzorci. V začetku smo predstavili osnove nevronskih mrež, nato pa smo opisali še zgradbo in delovanje Hopfieldove nevronske mreže. Predstavili smo problematiko lažnih stanj ter opisali metodo razlikovanja med lažnimi atraktorji in naučenimi stanji mreže. Podrobneje smo opisali programsko rešitev Hopfieldovega algoritma, ki smo jo razvili, nato pa smo predstavili rezultate poskusov, ki smo jih opravili s pomočjo implementacije.
Ključne besede: umetna inteligenca, Hopfieldova nevronska mreža, lažna stanja, Hebbovo učenje
Objavljeno: 23.06.2009; Ogledov: 1857; Prenosov: 191
 Celotno besedilo (670,72 KB) |
4. IMPLEMENTACIJA ALGORITMA VZVRATNEGA RAZŠIRJANJA NAPAKE NA GRAFIČNEM PROCESORJUAlen Bratanović, 2009, diplomsko delo Opis: V diplomskem delu smo predstavili implementacijo algoritma vzvratnega razširjanja napake na GPU. V uvodu predstavimo nevronske mreže, njihovo uporabo, lastnosti in zmogljivosti. Posebej predstavimo idejo algoritma vzvratnega razširjanja napake in opišemo njegove korake izvajanja ter postopek pretvorbe iz serijske v paralelno obliko. Sledi opis nVidia grafične kartice in njene arhitekture. Nato opišemo programski model CUDA, programski vmesnik in principe programiranja v CUDA okolju. Sledi predstavitev programske implementacije algoritma vzvratnega razširjanja napake v CUDA. Na koncu naredimo test in prikažemo dosežene rezultate.
Ključne besede: nevron, nevronska mreža, algoritem vzvratnega razširjanja napake, paralelno računanje, grafični procesor, CUDA
Objavljeno: 10.12.2009; Ogledov: 2640; Prenosov: 228
Celotno besedilo (620,93 KB) |
5. ALGORITMI IN TEHNIKE PODATKOVNEGA RUDARJENJA NA BAZI PROCESNIH PARAMETROVSara Colja, 2011, diplomsko delo Opis: V diplomskem delu je predstavljen proces podatkovnega rudarjenja, njegovi algoritmi, tehnike in uporaba v praksi. V prvem delu se seznanimo s teorijo podatkovnega rudarjenja. Omenjene so tehnike podatkovnega rudarjenja in nekateri najbolj znani algoritmi. Podrobneje je predstavljen algoritem nevronskih mrež, ki se uporabi v praktičnem primeru. V drugem delu je po korakih splošne metode podatkovnega rudarjenja, predstavljene v prvem delu, predstavljen konkreten poslovni problem, ki ga rešujemo s podatkovnim rudarjenjem.
Na bazah podatkov podjetja Impol sta zgrajena modela za iskanje povezav med kemijsko sestavo zlitine EN AW-7075 (interna oznaka PD30) in njenimi mehanskimi lastnostmi. Po združitvi različnih baz in agregiranju podatkov je bilo uporabljenih 675 množic zgodovinskih podatkov za zlitino PD30. Model je bil zgrajen z orodjem SPSS Modeler, s feed-forward nevronsko mrežo in vzvratnim širjenjem napake. Naučeni nevronski mreži napovedujeta mehanske lastnosti napetost tečenja (R0,2), natezna trdnost (Rm) in raztezek (A), kot funkcijo procesnih parametrov. Točnost napovedi modela nevronske mreže za napetost tečenja je 84,8%, točnost napovedi modela za natezno trdnost in raztezek pa 91,8%.
S predstavljenima modeloma nevronskih mrež je pokazano, da lahko podjetje Impol razvije model za ocenjevanje končnih mehanskih lastnosti, kot funkcijo procesnih parametrov. S tem je omogočena optimizacija procesne poti glede na produktivnost in kvaliteto.
Ključne besede: podatkovno rudarjenje, nevronska mreža, odločitvena drevesa, vzvratno širjenje napake, metoda padajočih gradientov
Objavljeno: 04.05.2011; Ogledov: 3011; Prenosov: 368
Celotno besedilo (1,27 MB) |
6. |
7. OPTIMIZACIJA DELOVANJA AGENTA V MREŽNEM SVETU S Q-UČENJEMEvgen Bibianko, 2012, diplomsko delo Opis: V diplomskem delu predstavljamo samoojačitveno učenje, ki je ena od paradigem učenja. Učenje preučuje optimizacijo obnašanja inteligentnih agentov v okolju, tako da dosežejo čim večjo nagrado. V diplomi opravimo splošen pregled področja, zatem pa implementiramo Q-učenje, ki je ena od metod samoojačitvenega učenja. Delovanje metode demonstriramo na primeru učenja agenta v mrežnem okolju, da preživi čim dlje s pobiranjem koristnih elementov v okolju.
Ključne besede: strojno učenje, samoojačitveno učenje, Q-učenje, nevronska mreža, mrežno okolje
Objavljeno: 18.12.2012; Ogledov: 777; Prenosov: 83
Celotno besedilo (1,45 MB) |
8. METODA MEJNIH PAROV ZA UČENJE UMETNIH NEVRONSKIH MREŽBojan Ploj, 2013, doktorska disertacija Opis: Disertacija opisuje novo metodo strojnega učenja - metodo mejnih parov. Opisana metoda je namenjena učenju večslojnega perceptrona, nevronske mreže s povezavami naprej, ki služi za prepoznavanje oziroma razvrščanje v razrede. Uvodoma je opisana problematika strojnega učenja, nevronska mreža večslojni perceptron (MLP) in njena klasična učna metoda backpropagation s poudarkom na njenih slabostih. V jedru disertacije najprej analiziramo lastnosti naučenega MLP. Pri tem se osredotočimo na učne vzorce v bližini meje in definiramo pojem mejnega para. Sledi analiza lastnosti mejnih parov, ki je podlaga za novo metodo razšumljanja, za novo metodo rojenja, in novo metodo konstruktivnega učenja. To učenje je lahko statično (offline), inkrementalno, dinamično (online) in s postopnim pozabljanjem starih učnih podatkov. Razšumljanje, rojenje in učenje smo testirali s simulacijo na računalniku. V ta namen smo uporabljali uveljavljene nabore učnih podatkov (zaradi primerljivosti rezultatov), realne nabore učnih podatkov (kot dokaz uporabnosti), kot tudi umetne (zaradi prilagajanja učnih podatkov našim potrebam).
Primerjalna analiza je pokazala, da ima metoda mejnih parov nekaj dobrih lastnosti. Z njo smo uspešno razšumljali in rojili podatke, iskali značilke ter razvrščali podatke. Rezultati raziskav kažejo, da je obravnavana metoda zanesljiva, natančna, konstruktivna in odporna na šum in prekomerno učenje.
Ključne besede: umetna inteligenca, strojno učenje, konstruktivna nevronska mreža, algoritem, večslojni perceptron, metoda mejnih parov
Objavljeno: 14.08.2013; Ogledov: 1644; Prenosov: 229
Celotno besedilo (3,61 MB) |
9. Razvoj metode prilagajanja parametrov selektivnega laserskega sintranja oblikovnim značilnostim izdelkovTomaž Brajlih, 2013, doktorska disertacija Opis: V delu je predstavljen razvoj metode za prilagajanje izdelovalnih parametrov pri tehnologiji selektivnega laserskega sintranja. Dimenzijska natančnost kosov je eden izmed glavnih problemov pri izdelavi s selektivnim laserskim sintranjem. Glavni vzrok za pogreške pri izdelavi je skrček materiala in velikost vplivnega območja laserskega žarka. V prvem delu disertacije je postavljena teza, da na velikosti skrčkov in vplivnega območja laserskega žarka vplivajo oblikovne značilnosti izdelkov. Postavljen je tudi način opisa oblikovnih značilnosti izdelka s številskimi dejavniki. Z analizo variance več-faktorskega preizkusa je dokazana teza in vpliv dejavnikov oblikovnih značilnosti.
V drugem delu je predstavljen način postavitve modela prilagajanja izdelovalnih parametrov, ki so namenjeni korekciji skrčkov in vplivnega območja laserskega žarka. Uporabljeni sta metodi skupinske inteligence in nevronske mreže.
V zaključku so predstavljene sposobnosti napovedovanja modelov. Predstavljen je tudi način uporabe modelov pri izdelavi poljubnega izdelka v praksi. Napovedane vrednosti so preizkušene na poljubnem izdelku. Obravnavan je vpliv uporabe predlagane metode na dosegljivo natančnost izdelave in podane smernice za prihodnje raziskave.
Ključne besede: selektivno lasersko sintranje, tehnološki parametri, dimenzijska natančnost, optimizacija, skupinska inteligenca, nevronska mreža
Objavljeno: 13.01.2014; Ogledov: 1473; Prenosov: 139
Celotno besedilo (3,63 MB) |
10. |
