| | 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 / 117
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Robotska celica za adaptivno vizualno kontrolo kvalitete
Matej Gams, 2022, magistrsko delo

Opis: Magistrska naloga obravnava uporabo koncepta proizvodnje brez napak, kjer se z uporabo adaptivne vizualne kontrole kvalitete prek robotskega mehanizma s pritrjeno kamero preverja kakovost industrijskih izdelkov. Za generiranje trajektorije pomika robotske roke med določenimi točkami v prostoru so se uporabili različni načrtovalci gibanja (planerji), katerih primerjalna analiza je v nalogi podrobno opisana. Na podlagi rezultatov najpomembnejših parametrov je bil izbran najprimernejši planer. Za obravnavan primer sta opisana tudi uporaba globokih nevronskih mrež v korelaciji z vizualnim zaznavanjem kakovosti elementov in interpretacija slike v smislu strojnega vida za dosego vizualne kontrole kvalitete izdelkov.
Ključne besede: Proizvodnja brez napak, planerji gibanja, nevronske mreže, vizualna kontrola kvalitete
Objavljeno v DKUM: 23.06.2022; Ogledov: 47; Prenosov: 4
.pdf Celotno besedilo (5,56 MB)

2.
Primerjava metod jezikovnih tehnologij za odkrivanje lažnih novic : magistrsko delo
Nejc Lovrenčič, 2022, magistrsko delo

Opis: Socialna omrežja in tradicionalni viri novic imajo velik vpliv na razmišljanje ter dejanja posameznikov v družbi. Napačna ali izmišljena dejstva in lažne novice lahko zato povzročijo veliko škodo. V sklopu magistrskega dela smo primerjali metode Naivni Bayes, logistično regresijo, nevronsko mrežo z dolgim kratkoročnim spominom in graf konvolucijsko nevronsko mrežo za odkrivanje lažnih novic. S preučitvijo sorodne literature in primerjavo metod smo ugotovili, da je težko prepoznati lažne novice zgolj s klasifikacijo besedila. Pri klasifikaciji novic na dva razreda se je najbolje izkazal logistična regresija, pri klasifikaciji na šest razredov pa nevronska mreža LSTM.
Ključne besede: jezikovne tehnologije, nevronske mreže, lažne novice, klasifikacija besedila
Objavljeno v DKUM: 11.05.2022; Ogledov: 120; Prenosov: 30
.pdf Celotno besedilo (1,36 MB)

3.
Primerjava različnih načinov učenja globokih nevronskih mrež v avtonomni vožnji : magistrsko delo
Andraž Skupek, 2022, magistrsko delo

Opis: V magistrskem delu opisujemo avtonomno vožnjo, algoritme za učenje avtonomnih vozil ter algoritme za razpoznavo prometnih znakov. Za implementacijo smo uporabili dva različna načina učenja avtonomnih vozil, in sicer posnemajoče učenje – za implementacijo katerega smo uporabili konvolucijske nevronske mreže, ter samoojačitveno učenje, kjer uporabljamo nevronsko mrežo, model pa se uči iz lastnih napak. Ob implementaciji avtonomnih vozil smo s pomočjo konvolucijskih nevronskih mrež implementirali tudi modele za razpoznavo prometnih znakov. Omenjene modele smo nato združili z algoritmi avtonomne vožnje in s tem dobili vozilo, ki se je sposobno v simulatorju samostojno premikati ter pospeševati ali zavirati glede na razpoznani prometni znak. Modele obeh načinov avtonomne vožnje testiramo na osmih različnih progah, kjer hitrost vožnje upravljamo tudi s pomočjo razpoznavalnika prometnih znakov. Modeli so uspešni, če uspešno prevozijo celotno progo. Rezultati naših modelov so uspešni, saj je kar nekaj modelov uspešno premagalo vseh osem prog.
Ključne besede: Avtonomna vožnja, globoko učenje, nevronske mreže, konvolucijske nevronske mreže
Objavljeno v DKUM: 14.03.2022; Ogledov: 225; Prenosov: 53
.pdf Celotno besedilo (2,41 MB)

4.
Razpoznava govorcev na mobilni platformi : magistrsko delo
Jože Fartek, 2021, magistrsko delo

Opis: V magistrskem delu smo predstavili osnove razpoznave govorcev. V ta namen smo najprej opisali izračun vokalnih značilnic. Podrobneje smo predstavili metodo izračuna mel-frekvenčnih kepstralnih koeficientov (MFCC) in prednosti metode v primerjavi z ostalimi pristopi. Opisali smo tudi učenje glasovnih modelov in novejši metodi, ki temeljita na supervektorjih. Na podlagi tega smo v nadaljevanju magistrskega dela razvili Androidovo mobilno aplikacijo, ki v realnem času razpoznava govorce. Pri razpoznavi govorcev smo se omejili na razpoznavo le nekaj oseb. Iz zvočnih posnetkov posameznih govorcev smo izračunali MFCC in jih uporabili za učenje glasovnega modela s pomočjo konvolucijske nevronske mreže. Za optimizacijo parametrov smo primerjali, kako različni parametri vplivajo na učenje glasovnega modela. Primerjali smo, kako dolžina zvočnih posnetkov v razponu 0,5–3 sekunde vpliva na uspešnost razpoznave. Ugotovili smo, da uspešnost modela z večanjem dolžine zvočnega posnetka vse do 1,5 sekunde narašča, nato pa se naraščanje ustavi. Pri primerjavi števila MFCC med 16 in 128 uspešnost modela do 48 MFCC narašča, nato pa se naraščanje ustavi. Pri primerjavi nivoja izpuščenih nevronov med 0 in 0,7 dobimo boljšo natančnost modela z večanjem nivoja izpuščenih nevronov do 0,5, nato pa začne uspešnost padati. Glede na primerjavo smo pri učenju glasovnega modela uporabili zvočne posnetke dolžine 1 sekunde, 32 izračunanih MFCC in nivo izpuščenih nevronov 0,4. Pri tem smo dobili 88-odstotno natančnost modela. Pri razpoznavi smo ugotovili, da hitrost govora vpliva na uspešnost razpoznave, medtem ko glasnost govora nanjo ne vpliva. Testiranje smo izvajali na mobilni napravi LG G7 ThinQ. Izračun MFCC na mobilni napravi je v povprečju trajal 170 milisekund, razpoznava z modelom TensorFlow Lite pa le 8 milisekund.
Ključne besede: razpoznava govorcev, mel-frekvenčni kepstralni koeficienti, konvolucijske nevronske mreže, Android
Objavljeno v DKUM: 31.01.2022; Ogledov: 221; Prenosov: 34
.pdf Celotno besedilo (3,95 MB)

5.
Uporaba generativnih nasprotniških nevronskih mrež za kreacijo slik psov : bachelor's thesis
Teja Boršič, 2021, diplomsko delo

Opis: Kot glavni cilj diplomske naloge smo poleg pregleda obstoječe literature preučili že razvit model generativne nasprotniške mreže StyleGAN ter podrobneje analizirali njeno implementacijo in delovanje. S pridobljenim znanjem iz literature in pregledom obstoječih rešitev smo izbrali projekt, ki smo ga prilagodili in optimizirali za delo na izbranih digitalnih slikah psov. Poudarili smo pomen uporabe ustreznih slik psov za učenje in vpliv različnih parametrov, kot so velikost serije, plasti in velikost slike, na optimizacijo zmogljivosti modela za ustvarjanje realističnih slik.
Ključne besede: nevronske mreže, psi, generacija slik, generativne nasprotniške mreže, StyleGAN
Objavljeno v DKUM: 04.11.2021; Ogledov: 596; Prenosov: 69
.pdf Celotno besedilo (1,73 MB)

6.
Globoko okrepitveno učenje za igranje iger na podlagi video vhoda : magistrsko delo
Monika Bozhinova, 2021, magistrsko delo

Opis: V magistrskem delu smo se ukvarjali z okrepitvenim učenjem agentov za igranje računalniških iger. V ta namen smo implementirali tri modele agenta, ki temeljijo na uporabi nevronske mreže za aproksimacijo funkcije vrednosti akcij, in predlagali lastno izboljšano arhitekturo dvobojevalne dvojne Q-mreže. Učenje smo izvajali na igrah Pong in Beamrider iz nabora iger Atari 2600. Ugotovili smo, da z našim pristopom dosežemo boljšo zmogljivost agenta kot globoka Q-mreža, dvojna globoka Q-mreža in dvojna globoka Q-mreža z dvobojevalno arhitekturo v igri Pong, medtem ko se v igri Beamrider agent uči počasneje, predvidoma zaradi šuma v drugačni predstavitvi stanja, ki ga predlagani model uporablja.
Ključne besede: globoko okrepitveno učenje, nevronske mreže, globoka Q-mreža, dvobojevalna arhitektura, igre Atari, Pong, Beamrider
Objavljeno v DKUM: 20.10.2021; Ogledov: 259; Prenosov: 48
.pdf Celotno besedilo (2,16 MB)

7.
Strojno učenje računalniškega igralca v igri s kartami : diplomsko delo
Mai Praskalo, 2021, diplomsko delo

Opis: V diplomski nalogi predstavljamo več različnih implementacij strojnega učenja računalniškega igralca za igranje igre s kartami Uno. Vsi uporabljeni algoritmi so s področja okrepitvenega učenja, saj so klasični algoritmi, ki se zanašajo na iskanje optimalne poteze na podlagi popolne informacije, neprimerni za igre z nepopolnimi informacijami. Algoritme smo primerjali glede na uspešnost v igranju proti igralcu, ki izbira naključne poteze, ter glede na krivuljo učenja, ki prikazuje pridobljeno povprečno kumulativno nagrado med procesom učenja.
Ključne besede: okrepitveno učenje, igra Uno, igre z nepopolnimi informacijami, igre s kartami, nevronske mreže
Objavljeno v DKUM: 18.10.2021; Ogledov: 205; Prenosov: 16
.pdf Celotno besedilo (901,04 KB)

8.
Ocenjevanje vlažnosti tal z uporabo radarskih slik in globokega učenja : magistrsko delo
Tomaž Peterkovič, 2021, magistrsko delo

Opis: Magistrsko delo temelji na obdelavi satelitskih slik in uporabi globokih konvolucijskih nevronskih mrež. V vsebini zaključnega dela je opisano raziskovalno delo s področja uporabe polarimetričnega SAR-a. Namen dela je načrtovanje in izdelovanje sistema, ki bi lahko bil sposoben obdelati satelitsko sliko tako, da se iz nje lahko določi vlažnost tal. Za ocenjevanje le-te so bile uporabljene globoke konvolucijske nevronske mreže, ki so se izkazale za zelo uporabne. V postopku izdelave so bili uporabljeni programi za obdelovanje atmosferskih slik s pomočjo polarimetrije, kot so PolSARpro in SNAP. Za nadaljnjo obdelavo slik in načrtovanje globoke konvolucijske nevronske mreže se je uporabljal programski jezik Python v okolju Visual Studio.
Ključne besede: Daljinsko zaznavanje, nevronske mreže, ocenjevanje vlažnosti tal, polarimetrija, PolSARpro, Python
Objavljeno v DKUM: 18.10.2021; Ogledov: 204; Prenosov: 42
.pdf Celotno besedilo (8,61 MB)

9.
Prenos stila slike s pomočjo prenosnega učenja in nevronskih mrež : magistrsko delo
Ivona Colakovic, 2021, magistrsko delo

Opis: Hitro razvijajoče področje umetne inteligence se v zadnjih letih integrira v različna področja in tako postaja neizogiben del številnih človeških dejavnosti. Umetna inteligenca je pokazala, da se lahko integrira tudi v področje umetnosti in ustvarja nova umetniška dela a podlagi kopiranja stilov grafičnih del priznanih avtorjev. Nevronske mreže, ki posnamejo delovanje človeških možganov, dodatno pomagajo pri tem postopku, saj omogočajo razpoznavo vzorcev v stilih grafičnih del. V magistrskem delu se osredotočimo na raziskovanje tehnike prenosa stila grafičnih del iz enega na drugo grafično delo s pomočjo nevornskih mrež. V ta namen opišemo sestavne dele nevronskih mrež, podrobneje razložimo konvolucijske nevronske mreže in predstavimo pojem prenosnega učenja. Z namenom boljšeg razumevanja področja prenosa stila ilustracij pregledamo obstoječe raziskave ter opišemo delovanje algoritma za prenos stila. V okviru magistrskega dela prikažemo implementacijo in rezultate eksperimenta skozi katerega smo ugotovili, da pristop prenosa stila lahko uspešno prenaša stil iz ilustracij na fotografije kakor tudi iz ilustracij na druge ilustracije.
Ključne besede: prenos stila, konvolucijske nevronske mreže, prenosno učenje
Objavljeno v DKUM: 18.10.2021; Ogledov: 252; Prenosov: 45
.pdf Celotno besedilo (3,40 MB)

10.
Adversarna motnja razpoznave slik nevronske mreže s pomočjo evolucijskega algoritma : diplomsko delo
Rok Kukovec, 2021, diplomsko delo

Opis: Uspešnost prepoznavanja slik z uporabo nevronskih mrež je odvisna od parametrov in filtrov, optimiziranih skozi učni proces. Tukaj najdemo razliko v načinu prepoznavanja motivov med ljudmi in stroji. Pojavi se vrzel, ki jo napadalec s pomočjo adversarnih motenj lahko izkoristi. Slike so na videz neopazno spremenjene, ljudje razlike težko zaznajo, vendar klasifikacija nevronske mreže odpove. To delo raziskuje poustvarjanje slik z evolucijskim algoritmom. Konvolucijska nevronska mreža AlexNet po spremembi ne more prepoznati predhodno jasnih motivov. Človeku prepoznavna slika se ohrani. Pari izvirnih in poustvarjenih slik so bili primerjani z uporabo vizualne ocene in statističnih metrik.
Ključne besede: adversarna motnja, evolucijski algoritmi, konvolucijske nevronske mreže, računalniški vid
Objavljeno v DKUM: 24.08.2021; Ogledov: 616; Prenosov: 125
.pdf Celotno besedilo (5,61 MB)

Iskanje izvedeno v 0.15 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici