| | 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 / 57
Na začetekNa prejšnjo stran123456Na naslednjo stranNa konec
1.
Napovedovanje intervencij z uporabo umetne inteligence
Rok Rutnik, 2020, magistrsko delo

Opis: Namen naloge je izdelava matematičnih modelov napovedovanja za odločitve upravljanja, osnovane na inteligentnih, kvantitativnih analizah. Magistrsko delo obravnava področje napovedovanja števila interventnih dogodkov Gasilske brigade Maribor s pomočjo umetne inteligence in regresijskih modelov. Učne množice podatkov so bile pridobljene iz baz podatkov SPIN in ARSO, obdelane v programskem jeziku Python, modeli napovedovanja pa programirani v programskem paketu MATLAB. Cilj naloge je bil izdelava štirih regresijskih algoritmov, umetne nevronske mreže LSTM in NARX za napovedovanja dogodkov, njihove rezultate pa preko metrik ocenjevanja natančnosti medsebojno primerjati. Rezultati napovedovanja nekaterih učnih množic so bili zaradi majhnih korelacijskih povezav slabi, zato teh dogodkov nismo mogli napovedovati. Požarne intervencije in naravne nesreče so dale dovolj dobre rezultate korelacijskih analiz, zato so bile uporabljene v izgradnji nevronskih mrež. Glede na rezultate zbranih modelov menimo, da so nevronske mreže primernejše za napovedovanje interventnih dogodkov kot regresijski modeli.
Ključne besede: napovedovanje, umetna inteligenca, nevronske mreže, strojno učenje, regresija
Objavljeno: 11.11.2020; Ogledov: 172; Prenosov: 28
.pdf Celotno besedilo (7,00 MB)

2.
Primerjava programskih jezikov Python in R za namene strojnega učenja
Peter Zupan, 2020, diplomsko delo

Opis: V diplomski nalogi primerjamo programska jezika R in Python za namene strojnega učenja. Najprej razložimo, kaj je strojno učenje, nato opišemo algoritme, ki smo jih uporabili pri praktičnih primerih, ter predstavimo programska jezika R in Python. V nadaljevanju diplomskega dela na treh različnih primerih prikažemo delovanje obeh programskih jezikov. Nalogo zaključimo s primerjavo programskih jezikov na podlagi pridobljenih rezultatov in ugotovitev iz praktičnega dela.
Ključne besede: strojno učenje, R, Python, linearna regresija, odločitvena drevesa, nevronske mreže
Objavljeno: 02.11.2020; Ogledov: 147; Prenosov: 43
.pdf Celotno besedilo (1,16 MB)

3.
Razvoj in validacija elektroanaliznih metod za določanje epinefrina, askorbinske kisline in sečne kisline
David Majer, 2020, magistrsko delo

Opis: Magistrska naloga prikazuje razvoj in validacijo elektroanaliznih metod za določanje molekul epinefrina (EP), askorbinske kisline (AK) in sečne kisline (SK) z elektrodo iz steklastega ogljika in tehniko angl. square-wave voltametrije. Metode smo razvili in validirali kot nadomestek tekočinski kromatografiji visoke ločljivosti in plinski kromatografiji. Za študij difuzijsko kontrolirane reverzibilnosti sistema kalijevega heksacianoferata in določitev oksidacijsko redukcijskih potencialov analitov smo uporabili tehniko ciklične voltametrije. V sklopu validacije smo za vsak analit posamično preverjali mejo zaznavnosti, mejo določljivosti, linearnost, točnost in natančnost. Izmerjene podatke smo testirali za normalnost s Q-Q grafom in Kolmogorov-Smirnovim statističnim testom. Pri vsaki metodi smo preverjali homoscedastičnost ali heteroscedastičnost umeritvenih točk z analizo ostankov, Hartleyjevim testom, Bartlettovim testom in Cochranovim testom. Zaradi heteroscedastičnega obnašanja analiznih podatkov pri vseh analitih, smo uporabili uteženo linearno regresijo (angl. weighted linear regression) in s tem izboljšali kakovost analitskih rezultatov. Z dobljenim utežnim modelom smo nato preverjali točnost in natančnost metod. Razvite in validirane metode smo uspešno uporabili za analizo realnih vzorcev. Določevali smo vsebnost EP v zdravilu, vsebnost AK v prehranskem dopolnilu in vsebnost SK v človeškem urinu.
Ključne besede: epinefrin, askorbinska kislina, sečna kislina, elektrokemijske metode, elektroda iz steklastega ogljika, validacija metode, utežna regresija
Objavljeno: 08.10.2020; Ogledov: 244; Prenosov: 164
.pdf Celotno besedilo (14,18 MB)

4.
Primerjava SVM, MLR in PCA metod pri napovedovanju fotovoltaične proizvodnje v sloveniji
Anja Goričan, 2019, magistrsko delo

Opis: Zaradi teženj po trajnostni in obnovljivi energiji se v elektroenergetski sistem priključuje vedno večji delež fotovoltaičnih virov elektrike. Stabilnost elektroenergetskega sistema je ena ključnih nalog, ki jo mora zagotavljati operater prenosnega omrežja. Ob vedno večjem deležu fotovoltaike v sistemu je to vedno težje zagotavljati, saj se vrednosti proizvodnje fotovoltaičnih virov elektrike spreminjajo nepredvidljivo. Deležniki elektroenergetskega sistema pa morajo vnaprej zagotoviti usklajenost porabe in proizvodnje električne energije. V ta namen pregledamo vpliv različnih metod na napovedovanje proizvodnje fotovoltaike na območju Slovenije. Ob vplivu napovedovalnih metod preverjamo tudi vpliv napovedanega in realnega vremena na proces modeliranja in napovedovanja. V prvem delu magistrskega dela pregledamo osnovne matematične pojme, ki jih potrebujemo za nadaljnjo teorijo o napovedovalnih metodah. Nato predstavimo matematične koncepte metod napovedovanja. V drugem delu se osredotočimo na prikaz rezultatov napovedovanja po napovedovalnih metodah in različnih vhodnih podatkih. Po pregledu rezultatov ugotovimo, da se na predstavljenem kontekstu napovedovanja najbolje obnese metoda podpornih vektorjev z radialnim jedrom. Upoštevati moramo tudi predprocesiranje podatkov, saj je pred napovedovanjem potrebno podatke preslikati z metodo glavnih komponent. Pomemben delež k izboljšanju napake pri napovedovanju prinese tudi uporaba dejanskih podatkov o vremenu, ki se uporabijo v procesu modeliranja.
Ključne besede: fotovoltaika, napovedovanje fotovoltaične proizvodnje, metoda podpornih vektorjev, metoda glavnih komponent, multipla linearna regresija
Objavljeno: 20.11.2019; Ogledov: 450; Prenosov: 56
.pdf Celotno besedilo (1,05 MB)

5.
Modeliranje prostorskega vzorca vremensko pogojenih cestnoprometnih nesreč v Sloveniji
Nina Horvat, 2019, magistrsko delo

Opis: Namen magistrskega dela je bil preučiti trende in prostorski vzorec prometnih nesreč, ki so se v obdobju 2006–2017 končale s smrtjo ali hudo telesno poškodbo, v vseh slovenskih občinah in po posameznih vremenskih situacijah (dež, megla, veter, sneg, toča, jasno in oblačno vreme). Naši cilji so bili predstaviti prometne nesreče na splošno, pregledati trende prometnih nesreč na svetovni, evropski in državni ravni, predstaviti vpliv vremena na prometne nesreče, preučiti metode za proučevanje prostorskih vzorcev prometnih nesreč ter analizirati prostorski vzorec izbranih prometnih nesreč. Podatke o prometnih nesrečah smo pridobili na spletni strani Javne agencije Republike Slovenije za varnost prometa in na Statističnem uradu Republike Slovenije, obdelovali smo jih s pomočjo programov Excel, ArcGIS 10.5 in R. Za vsako omenjeno vremensko situacijo smo izdelali prostorski vzorec, trend in standardizirano stopnjo prometnih nesreč. Izbrali smo spremenljivke, ki značilno vplivajo na število prometnih nesreč. Le-te smo v nadaljevanju transformirali s faktorsko analizo, da smo zagotovili pogoje uporabe linearnih modelov (nekoreliranost prediktorskih spremenljivk). Odvisne in neodvisne spremenljivke smo vstavili v model GWR, za katerega pa se je izkazalo, da ni dober napovedovalec števila prometnih nesreč, ko gre za posamezno vremensko situacijo. Posledično smo uporabili še metodo gradnje odločitvenega drevesa (ang. decision tree model). Sestavili smo algoritme, ki z zadovoljivo točnostjo napovedujejo število prometnih nesreč v posamezni občini glede na obravnavano vremensko situacijo. Kakovost modelov odločitvenega drevesa smo izmerili s pomočjo kazalcev: pojasnjen odklon (ang. explained deviance), MAE (ang. mean absolute error), RMSE (ang. ruth mean square error) in Moranov indeks avtokorelacije (ang. Moran's Index). Rezultati naloge imajo aplikativen pomen za snovalce strategije prometne varnosti na nacionalnem nivoju.
Ključne besede: prometne nesreče, prostorski vzorec, vremenske okoliščine, geografsko obtežena regresija, odločitveno drevo
Objavljeno: 27.08.2019; Ogledov: 459; Prenosov: 145
.pdf Celotno besedilo (6,11 MB)

6.
MODEL VREDNOTENJA DEJAVNIKOV ZA POVEČANJE INOVACIJSKE UČINKOVITOSTI PROIZVODNIH PODJETIJ
Rolando Koren, 2019, doktorska disertacija

Opis: Inovacije so že od nekdaj gonilna sila napredka gospodarstva in civilizacije. Najpogosteje se inovacije povezujejo z raziskovalno-razvojnimi aktivnostmi pri izdelkih. Konkurenčne prednosti evropskih podjetij pa ne izhajajo zgolj iz inovacij izdelkov, temelječih na R&R delu, ampak tudi iz ne-tehniških oziroma organizacijskih inovacij, s katerimi želimo posodobiti proizvodne procese. Pri tem je zelo pomemben parameter, ki ga v doktorski disertaciji imenujemo inovacijska učinkovitost. Inovacijska učinkovitost proizvodnih podjetij je sposobnost, da z implementacijo večjega števila tehniških ali organizacijskih inovacij, kot posledic izbranih dejavnikov za povečanje inovacijske učinkovitosti, povečujejo svojo sposobnost za razvoj novih izdelkov in s tem tudi svojo donosnost. Namen disertacije je bil raziskati vpliv dejavnikov za povečanje inovacijske učinkovitosti v proizvodnih podjetjih. V ta namen je bil razvit model vplivnih dejavnikov za povečanje inovacijske učinkovitosti proizvodnih podjetij. Cilj doktorske disertacije je bil, glede na razviti model, ugotoviti vpliv medsebojnih povezav posameznih sklopov dejavnikov za povečanje inovacijske učinkovitosti proizvodnih podjetij, ugotoviti njihov vpliv na tehniške in organizacijske inovacije ter njihov neposredni vpliv na sposobnost razvoja in uvedbe novih izdelkov na trg in donosnost podjetja. Doktorska disertacija je omejena na podatke, ki smo jih pridobili s pomočjo ankete Raziskava proizvodne dejavnosti v Evropi (EMS). Naše analize so bile opravljene z naprednimi statističnimi metodami. Pregled literature je pokazal, da inovacije niso dovolj raziskane, še posebej to velja za merjenje organizacijskih inovacij. Raziskave so pokazale, da proizvodna podjetja, ki so pogosteje sposobna uporabljati inovacijske koncepte na srednjem ali celo visokem nivoju, praktično ne proizvajajo enostavnih izdelkov. V skupini šestih identificiranih vplivnih dejavnikov za povečanje inovacijske učinkovitosti obstajata dva, ki močno vplivata na razvoj novih izdelkov in njihovo lansiranje na trg. To sta subjekt sodelovanja (sodelovanje s kupci) in R&R aktivnosti. Obstajajo trije tehnični in kar sedem organizacijskih konceptov, izmed katerih večina močno vpliva na sposobnost razvoja in lansiranja novih izdelkov na trg.
Ključne besede: inovacije, tehniške inovacije, organizacijske inovacije, inovacijska učinkovitost, vplivni dejavniki, povezanost vplivnih dejavnikov, anketa, opisna statistika, korelacija, regresija
Objavljeno: 10.06.2019; Ogledov: 884; Prenosov: 167
.pdf Celotno besedilo (4,76 MB)

7.
Napovedovanje prihoda ameriških turistov v Slovenijo
Irena Babić, 2019, diplomsko delo/naloga

Opis: Napovedovanje je v poslovnem okolju ključnega pomena za pravilno sprejemanje poslovnih odločitev in zmanjšanje tveganj le teh ter za uspešno in učinkovito poslovanje, kar velja tudi za turistični sektor. Pri tem je natančno napovedovanje bodočih turističnih trendov še posebej pomembno za pravilno planiranje bodočih investicij v turistično infrastrukturo, saj napačne investicije na osnovi napačnih napovedi lahko vodijo v velike izgube. V okviru načrtovanja modelov za napovedovanje je izrednega pomena ustrezen izbor matematičnih in statističnih metod, na osnovi katerih bo prediktivni model zagotavljal dobre napovedi. V turističnih oskrbovalnih verigah se napovedi turističnega povpraševanja prav tako uporabljajo za zmanjšanje tveganj odločitev in stroškov, da ne bi prišlo do napačnih poslovnih potez in investicij v turistične objekte. V naši diplomski nalogi smo testirali in primerjali dve metodi, in sicer metodo Holt-Winters (HW) in Multiplo linearno regresijo (MLR). Pri metodi HW smo uporabili zgodovinske podatke o prihodu ameriških turistov v Slovenijo. Pri MLR pa smo poleg podatkov o prihodu ameriških turistov, torej časovne vrste, ki jo napovedujemo, uporabili tudi eksogene makroekonomske kazalnike gospodarstva ZDA kot vhodne regresorske časovne vrste. Rezultati so pokazali, da se model MLR nekoliko bolje prilega dejanskim podatkom v primerjavi z modelom HW. Torej dodatne informacije, ki jih nosijo eksogeni kazalniki, pripomorejo k boljšemu opisu dinamike gibanja prihodov ameriških turistov. Poleg same analize dinamike gibanja prihodov turistov nas je zanimalo tudi napovedovanje, kjer smo uporabili model HW, s katerim smo izračunali napovedi prihodnjih prihodov turistov za štiri četrtletja.
Ključne besede: napovedovanje, Holt-Winters metoda, multipla linearna regresija, makroekonomski kazalniki, ameriški turisti
Objavljeno: 04.04.2019; Ogledov: 444; Prenosov: 41
.pdf Celotno besedilo (2,23 MB)

8.
Vloga delovnih značilnosti in kognitivnih napak pri izgorelosti, depresivnosti in anksioznosti zaposlenih
Tjaša Frey-Gorše, 2018, magistrsko delo

Opis: Izgorelost je bila nekoč smatrana kot bolezen menedžerjev, toda v današnjem času, ko smo priča vse večjim spremembam tudi na delovnem mestu, lahko prizadane kogarkoli. V pričujoči raziskavi nas je zanimala vloga delovnih značilnosti v odnosu med kognitivnimi napakami in izgorelostjo, prav tako pa smo preverili, ali se tovrstne povezave pojavljajo tudi pri anksioznosti in depresivnosti. Tako smo raziskali, ali kognicija oz. negativna prepričanja napovedujejo anksioznost, depresijo in izgorelost in kako na omenjene konstrukte vplivajo delovne zahteve in viri. Uporabili smo vprašalnike delovnih zahtev in resursov, Vprašalnik izgorelosti (OLBI), Vprašalnik stresa, anksioznosti in depresije (DASS-21) ter Vprašalnik kognitivne triade (CTI). V raziskavi je sodelovalo 177 oseb, od tega 143 (75,7 %) žensk in 43 (24,3 %) moških v starosti med 26 in 62 let (Mstarost=39 let), ki so zaposlene in delajo vsaj 20 ur tedensko. Rezultati so pokazali, da kognitivna triada statistično pomembno napoveduje depresijo, anksioznost in obe poddimenziji izgorelosti, pri čemer se je kot statistično pomemben napovednik izkazala le poddimenzija pogled na sebe. Rezultati odnosa med delovnimi zahtevami in depresijo, anksioznostjo ter izgorelostjo so pokazali, da splošne delovne zahteve statistično pomembno napovedujejo vse tri konstrukte. Delovni resurs raznolikost delovnih nalog statistično pomembno napoveduje izgorelost, medtem ko delovni resurs avtonomija depresijo in poddimenzijo izgorelosti – odtujenost od dela. Kot statistično pomemben napovednik depresije, anksioznosti in izgorelosti (a le poddimenzije odtujenost od dela) se je izkazala tudi socioemocionalna opora nadrejenih, pri čemer se to ni pokazalo pri opori s strani sodelavcev. Test interakcije ni pokazal, da bi se delovne zahteve močneje povezovale z izgorelostjo v situaciji, ko bi bila kognitivna triada močneje izražena.
Ključne besede: kognitivna triada, stres, izgorelost, anksioznost, delovne zahteve in resursi, multipla regresija
Objavljeno: 18.12.2018; Ogledov: 532; Prenosov: 168
.pdf Celotno besedilo (1,13 MB)

9.
Predikcija športnih rezultatov z uporabo strojnega učenja
Žan Korpar, 2018, diplomsko delo

Opis: V diplomskem delu so predstavljeni zgodovina strojnega učenja in pogosto uporabljani algoritmi, opisano je, kako so se algoritmi razvijali in kateri so bili predhodniki sedanjih. Za preizkus uspešnosti izbranih algoritmov v praktičnem delu naloge je bil razvit program, v katerem je preizkušenih nekaj najpogostejših algoritmov strojnega učenja. V ta namen so bili s programom samodejno pridobljeni podatki o tekmah, ekipah in lestvici angleške nogometne lige ter shranjeni v lokalno podatkovno bazo. Namen razvitega programa in uporabljenih algoritmov strojnega učenja je napovedovanje izidov tekem in števila doseženih golov domačega moštva. Točnost napovedi se giblje med 30 in 50 odstotki, za doseganje boljših rezultatov pa bi potrebovali kakovostnejše in obsežnejše podatke.
Ključne besede: strojno učenje, klasifikacija, regresija, napovedovanje
Objavljeno: 22.11.2018; Ogledov: 1078; Prenosov: 119
.pdf Celotno besedilo (725,55 KB)

10.
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: 804; Prenosov: 119
.pdf Celotno besedilo (1,90 MB)

Iskanje izvedeno v 0.32 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici