| | 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 - 9 / 9
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
2.
3.
VODENJE NELINEARNEGA MEHANIZMA Z METODAMI MEHKEGA RAČUNANJA
Matjaž Oštir, 2010, diplomsko delo

Opis: V diplomskem delu smo predstavili uporabo dveh mehkih metod računanja za vodenje nelinearnega mehanizma z eno prostostno stopnjo. Opisano je vodenje s pomočjo umetne nevronske mreže in mehke logike. Hkrati je bilo za primerjavo rezultatov obeh mehkih metod izvedeno vodenje s PD-regulatorjem. Sistemi vodenja so bili narejeni in simulirani v programskem paketu MATLAB/Simulink, sami algoritmi pa napisani v jeziku C. Izvajanje in testiranje algoritmov je potekalo na realnem mehanizmu s pomočjo DSP-2-modula.
Ključne besede: položajno vodenje mehanizmov, umetne nevronske mreže, mehka logika, nelinearne regulacije, mehko računanje, mehanizem z eno prostostno stopnjo, metoda izračunanega navora
Objavljeno: 11.10.2010; Ogledov: 1662; Prenosov: 110
.pdf Celotno besedilo (1,83 MB)

4.
Uporaba algoritmov po vzorih iz narave pri napovedovanju cene delnic in optimizaciji portfelja
Nejc Cvörnjek, 2015, magistrsko delo

Opis: V magistrskem delu smo uporabili algoritme po vzorih iz narave za finančna modeliranja. Najprej smo uporabili umetne nevronske mreže za napovedovanje cene delnice, nato pa še genetske algoritme za optimizacijo portfelja delnic, ki smo jih primerjali s kvadratnim programiranjem. V raziskavi se je izkazalo, da lahko s umetnimi nevronskimi mrežami bolje ocenimo variančno-kovariančno matriko, kot če bi uporabili zgodovinske podatke. Pri reševanju problema optimizacije portfelja delnic se je izkazalo, da lahko z genetski algoritmi dobimo rezultate primerljive s kvadratnim programiranjem, saj rezultati med tehnikama, predvsem pri manjšem porteflju, v glavnem niso statistično značilni.
Ključne besede: finančni trg, teorija upravljanja portfelja, umetne nevronske mreže, genetski algoritmi, Markowitzev model, optimizacija, večkriterijska optimizacija
Objavljeno: 30.03.2015; Ogledov: 1270; Prenosov: 187
.pdf Celotno besedilo (4,12 MB)

5.
Primerjava pristopov k napovedovanju porabe električne energije
Sabina Šmigoc, 2016, magistrsko delo

Opis: Magistrsko delo obravnava primerjavo pristopov k napovedovanju porabe električne energije. Delo je razdeljeno na štiri dele. V prvem poglavju so predstavljeni osnovni statistični koncepti, ki so potrebni za razumevanje opravljenih analiz in primerjav, to so: slučajna spremenljivka, statistična populacija in vzorec, statistični test, srednje vrednosti, mere variabilnosti in časovne vrste. Pregledu matematičnega področja sledi poglavje, kjer so predstavljene tehnike modeliranja porabe električne energije. Predstavljene so mere kakovosti modelov ter pet metod modeliranja: večstopenjska linearna regresija, umetne nevronske mreže, metoda podpornih vektorjev, eksponentno glajenje in metoda glavnih komponent. V tretjem poglavju je povzet pregled uporabe taksonomij, izdelana je taksonomija napovedovanja v elektrogospodarstvu, predstavljen je pregled domenske literature in prikazana je uvrstitev pristopov iz člankov v izdelano taksonomijo. Glavni rezultat poglavja je graf primerjav tehnik modeliranja, ki smo jih zasledili v literaturi. V zadnjem poglavju so predstavljeni primeri modeliranja porabe električne energije. Najprej je predstavljena korelacijska analiza osnovnih in izpeljanih atributov s časovno vrsto porabe električne energije, nato so prikazani rezultati implementiranih modelov napovedovanja, njihove natančnosti in finančne učinkovitosti.
Ključne besede: napovedovanje, korelacijska analiza, linearna regresija, podporni vektorji, umetne nevronske mreže, eksponentno izravnavanje, analiza glavnih komponent, taksonomija.
Objavljeno: 29.03.2016; Ogledov: 1568; Prenosov: 257
.pdf Celotno besedilo (1,38 MB)

6.
Možna rešitev čiščenja odpadnih voda iz tekstilne industrije
Alenka Majcen Le Marechal, Darinka Brodnjak-Vončina, Darko Golob, Nina Novak, 2006, izvirni znanstveni članek

Opis: Odpadne vode iz tekstilne industrije, ki nastajajo pri plemenitenju tekstilnih materialov, so zaradi svoje obarvanosti in heterogene sestave tako estetski kot tudi ekološki problem. V članku je opisan evropski projekt ADOPBIO, ki ponuja alternativno rešitev čiščenja teh odpadnih voda. Namen projekta ADOPBIO je razviti in ponuditi rešitev čiščenja in recikliranja odpadne vode iz tekstilne plemenitilne industrije. Cilj projekta je razviti metodo, ki zagotavlja popolno razbarvanje in 75-odstotno recikliranje odpadne vode iz plemenitilnic. ADOPBIO združuje dve najboljši razpoložljivi tehniki za čiščenje odpadne vode: tehniko AOP z bioflotacijo. Ta kombinacija metod čiščenja odpadnih voda iz tekstilne industrije do začetka projekta še ni bila preizkušena. Vloga Oddelka za tekstilne materiale in oblikovanje pri tem projektu je bila raziskati in proučiti možnost razbarvanja odpadnih voda iz dveh sodelujočih tekstilnih podjetij z naprednima oksidacijskima postopkoma: s postopkom, pri katerem aktiviramo $H_2O_2$ termično ob prisotnosti katalizatorja, in s postopkom, kjer aktiviramo $H_2O_2$ z UV žarki. Z obdelavo termo/$H_2O_2$/katalizator, ki ji je sledila obdelava UV/$H_2O_2$, smo za odpadne vode iz podjetja TSP v povprečju dosegli 70-odstotno razbarvanje, za odpadne vode iz podjetja Blondel pa 87-odstotno razbarvanje.
Ključne besede: tekstilna industrija, odpadne vode, čiščenje odpadnih vod, razbarvanje, recikliranje, napredni oksidacijski postopki, bioflotacija, regulacijska programska oprema, umetne nevronske mreže, Plackett-Burmanov eksperimentalni načrt
Objavljeno: 31.08.2017; Ogledov: 875; Prenosov: 66
.pdf Celotno besedilo (1,13 MB)
Gradivo ima več datotek! Več...

7.
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: 588; Prenosov: 173
.pdf Celotno besedilo (4,36 MB)
Gradivo ima več datotek! Več...

8.
Razpoznavanje in klasifikacija imenskih entitet z uporabo umetnih nevronskih mrež
Luka Bašek, 2019, magistrsko delo

Opis: Z razvojem področja globokega učenja, ki temelji na umetnih nevronskih mrežah, se danes poskušajo rešiti že znani problemi področja obdelave naravnega jezika. V tem magistrskem delu obravnavamo problem razpoznavanja in klasifikacije imenskih entitet z uporabo metod globokega učenja. V magistrski nalogi smo uporabili programski jezik Python in odprtokodno knjižnico Keras. Preizkusili smo različne arhitekture rekurentnih nevronskih mrež, ki uporabljajo pomnilne celice LSTM in GRU. Prav tako smo opravili različne poskuse, v katerih smo iskali optimalne parametre nevronske mreže z namenom natančnega razpoznavanja in klasifikacije imenskih entitet. Učenje nevronske mreže in vrednotenje modelov smo izvedli na korpusih, ki so bili predstavljeni na konferenci CONLL leta 2003.
Ključne besede: obdelava naravnega jezika, razpoznavanje imenskih entitet, umetne nevronske mreže, LSTM, GRU
Objavljeno: 14.02.2019; Ogledov: 516; Prenosov: 106
.pdf Celotno besedilo (4,85 MB)

9.
Analiza vektorizirane izvorne kode s strojnim učenjem
Aleksej Miloševič, 2019, magistrsko delo

Opis: Statična analiza izvorne kode je pomemben del razvoja programske opreme, ki pa ima nekaj pomembnih pomanjkljivosti, ker z metrik programske kode ne moremo sklepati o semantični pravilnosti. Kot potencialno rešitev smo v magistrskem delu raziskali nevronsko mrežo Code2Vec. V teoretičnem delu smo obravnavali osnovne koncepte umetnih nevronskih mrež, tehnike redukcij dimenzionalnosti vektorjev in delovanje Code2Vec. V praktičnem delu smo izvedli eksperiment vizualizacije, klasifikacije in gručenja nad podatkovno množico, ki jo sestavljajo tako visoko-dimenzionalni vektorji kot tudi splošne značilnosti programske kode metod šestih odprtokodnih projektov. Glede na rezultate sklepamo, da so vektorji Code2Vec koristni za izvedbo statične analize kode.
Ključne besede: umetne nevronske mreže, vektorizacija, Code2Vec, izvorna koda, strojno učenje
Objavljeno: 27.01.2020; Ogledov: 336; Prenosov: 113
.pdf Celotno besedilo (3,93 MB)

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