1. Načrtovanje časovno optimalne robotske površinske obdelave s postopkom regijske segmentacije z upoštevanjem geometrije obdelovancev in kinematičnih zmogljivosti robotske roke : doctoral dissertationTomaž Pušnik, 2025, doktorska disertacija Opis: Tradicionalno se pri robotski površinski obdelavi celoten obdelovanec obdela z enotno hitrostjo in smerjo, ki ju vnaprej določi operater, ne da bi upošteval razlike v obdelovalnosti različnih območij obdelovanca ali pa zmogljivosti robota. Ta konvencionalni pristop pogosto vodi do neučinkovitosti, zlasti pri obdelovancih s kompleksno geometrijo, kjer bi prilagodljive hitrosti in smeri obdelave lahko izboljšale učinkovitost. Naša študija uvaja pristop, ki temelji na razdelitvi ploskve na regije, kjer se hitrost in smer obdelave prilagajata specifičnim lastnostim vsake regije. Ta strategija združuje kinematiko robota z geometrijo ploskve obdelovanca, pri čemer algoritem segmentiranja omogoča delitev ploskve. Učinkovitost tega pristopa je bila potrjena z eksperimentalnimi rezultati na treh različnih obdelovancih, ki so pokazali znatno izboljšanje časa obdelave. Pristop, temelječ na regijah, je omogočil do 25 % zmanjšanje časa obdelave v primerjavi s tradicionalno enosmerno obdelavo. Nadaljnje izboljšave so bile dosežene z optimizacijo lege obdelovanca, kar je v našem primeru prispevalo dodatno do 7 % izboljšanje glede na naključno lego. Izvedeni so bili tudi postopki validacije, da bi zagotovili, da so hitrosti sklepov sodelujočega robota ostale znotraj varnih operativnih omejitev med izvajanjem površinske obdelave.
Ključne besede: robotska površinska obdelava, segmentacija obdelovanca, optimizacija lege obdelovanca, optimizacija časa obdelave, načrtovanje poti robotske obdelave
Objavljeno v DKUM: 20.10.2025; Ogledov: 0; Prenosov: 28
 Celotno besedilo (9,40 MB) |
2. Metoda hierarhične večznačne klasifikacije na osnovi ekstrakcije značilnic s tekstovno analizo mikrobiotskih podatkov : doktorska disertacijaLucija Brezočnik, 2025, doktorska disertacija Opis: Zanesljiva identifikacija kompleksnih vsebinskih struktur v primerih, kjer posamezni primerki podatkovnega nabora niso homogeni, pač pa združujejo informacije več virov, predstavlja enega izmed ključnih metodoloških izzivov sodobne podatkovne analitike. Relativno enostavna je namreč naloga, kjer je določen primerek homogen in ga z uporabo večrazredne klasifikacije znamo relativno preprosto razvrstiti v enega izmed ponujenih razredov. Kompleksnost pa se drastično poveča, ko se v istem primerku skriva več virov. V tem primeru osnovne metode analize ne zadostujejo več in potrebujemo naprednejše pristope, ki so sposobni razbrati soobstoj več razredov oziroma oznak, kar je tudi domena večznačne klasifikacije. V predloženi doktorski disertaciji obravnavamo omenjeni problem na področju metagenomike, ki med drugim omogoča raziskovanje mikrobiote, raznolike skupnosti bakterij in drugih mikroorganizmov v določenem okolju. Z naprednimi tehnikami sekvenciranja iz njih pridobimo zaporedja DNK celotne mikrobne združbe, ki jih lahko opišemo kot izjemno dolga besedila, zapisana z abecedo štirih nukleotidov: A, T, G in C. Naš cilj je v teh besedilih poiskati t. i. označevalne gene, ki so izključno ali močno povezani z gostiteljem. V ta namen smo na podlagi optimizacijskih pristopov in domenskih pravil predlagali metodo ekstrakcije značilnic, temelječo na osnovi k-merov, tj. krajših delov DNK. Pristop na osnovi k-merov se je izkazal za zelo učinkovitega, zato smo ga uporabili tudi pri sintetičnem generiranju vzorcev mikrobnih oziroma mikrobiotskih podatkov. Metoda temelji na pripravi profilov k-merov in na nanje osnovanih grafih prehodov. Ker smo v doktorski disertaciji analizirali lokacijsko specifične vzorce, smo morali njihov manjši nabor čistih vzorcev ustrezno razširiti. Še več, sintetično smo razširili tudi nabor mešanih vzorcev, kar predstavlja še večji izziv v realnih okoljih. Obe predlagani metodi sta se združili v konceptualno najzahtevnejšem delu doktorske naloge, predlagani metodi hierarhične večznačne klasifikacije na osnovi ekstrakcije značilnic, imenovani MLB. Z njo smo na osnovi vhodnih podatkov, tj. čistih ali sintetično ustvarjenih vzorcev, napovedovali deleže gostiteljev v mešanih mikrobnih vzorcih. Rezultate metode MLB smo primerjali s tistimi, pridobljenimi z orodjem SourceTracker, vodilnim orodjem za natančno identifikacijo in kvantifikacijo gostiteljev mikrobov v mešanih vzorcih. Metodi smo ovrednotili z uveljavljenimi metrikami na področju večznačne klasifikacije, ki razkrivajo, da metoda MLB učinkovito rešuje problem določitve gostiteljev in njihovih deležev ter poda primerljive, večinoma pa boljše rezultate kot orodje SourceTracker.
Ključne besede: strojno učenje, večznačna klasifikacija, ekstrakcija značilnic, obdelava naravnega jezika, mikrobiotski podatki
Objavljeno v DKUM: 20.10.2025; Ogledov: 0; Prenosov: 16
Celotno besedilo (22,60 MB) |
3. Integrating Multi-Physics Modeling within Multi-Objective Optimization to Enhance the Performance and Efficiency of Permanent Magnet Synchronous Machines : doktorska disertacijaMitja Garmut, 2025, doktorska disertacija Opis: This Dissertation focuses on the optimization of an Interior Permanent Magnet (IPM) machine for handheld battery-powered tools, aiming to enhance performance and efficiency.
The research integrates multi-physics modeling, including electromagnetic Finite Element Method (FEM) and thermal models, to evaluate machine performance under various operating conditions. The performance is evaluated according to selected Key Performance Indicators (KPIs). Further, different control methods, such as Field Oriented Control and Square-Wave Control, impact the performance significantly and are incorporated into the optimization process.
Due to the computational challenges of FEM-based performance evaluations in Multi-Objective Optimization (MOO), this work utilizes Artificial Neural Network (ANN)-based meta-models, to accelerate the optimization process while preserving accuracy.
The developed meta-models capture nonlinear machine characteristics from the FEM model. These meta-models are then used to evaluate machine performance through a combination of analytical and numerical post-processing methods.
Four MOO scenarios are presented, each aimed at optimizing the cross-sectional design of IPM machines, to enhance performance and efficiency while reducing mass and cost. Additionally, these scenarios modify the machine’s electromagnetic behavior, to ensure better alignment with the selected control method.
By comparing the optimization process of Scenario 1, which uses direct FEM-based evaluation without time reduction measures, to the approach incorporating Artificial Neural Network based meta-models, the total number of individual FEM evaluations decreased from 2.35×10^9 to 2.03×10^5, without almost any loss of accuracy. This reduced the computation time from 297 years to 9.07 days on our standard desktop computer. The obtained ANN-base meta-models can be used further for other optimizations without the need for additional FEM evaluations.
In all four optimization scenarios, the use of meta-models enabled the generation of a Pareto front of the optimal solutions, leading to improved KPIs compared to the reference design. The highest relative improvement occurred in Scenario 1, where the selected optimized machine design achieved a 30% increase in power density compared to the reference design.
Ključne besede: Interior Permanent Magnet (IPM) Machine, Artificial Neural Network (ANN), Meta-Modeling, Multi-Objective Optimization (MOO), Finite Element Method (FEM), Multi-Physics Modeling, Field Oriented Control (FOC), Square-Wave Control (SWC)
Objavljeno v DKUM: 15.05.2025; Ogledov: 0; Prenosov: 138
Celotno besedilo (17,79 MB) |
4. Metoda za napoved zmogljivosti stohastičnih algoritmov na osnovi statističnih porazdelitev števila ovrednotenj in časa : doktorska disertacijaJana Herzog, 2024, doktorska disertacija Opis: V doktorski disertaciji predstavimo metodo, namenjeno analizi in primerjavi stohastičnih algoritmov. Predlagana metoda se imenuje AS^3D (angl.~Analysis of the Stochastic Solvers based on Statistical Distributions). Ta temelji na statističnih porazdelitvah opazovanih spremenljivk, natančneje številu funkcijskih ovrednotenj in času. Pri tem uporablja pristop s ciljno vrednostjo. Ciljno vrednost določa kakovost rešitve, katero želimo, da jo algoritem doseže. Opazovani spremenljivki in njuni statistični porazdelitvi analizira na nizkodimenzionalnih in napoveduje za visokodimenzionalne različice optimizacijskega problema. Vzpostavljeni napovedni model na podlagi parametrov statističnih porazdelitev omogoča napovedovanje zaustavitvenih pogojev, torej časa in števila funkcijskih ovrednotenj za določeno verjetnost doseganja ciljne vrednost. Prav tako omogoča oceno verjetnosti, da bo zagon uspešen glede na dani zaustavitveni pogoj in kakovosti rešitve za višjedimenzionalne različice problema. Da pokažemo uporabnost predlagane metode, smo vzpostavljene napovedne modele empirično validirali za izbrane optimizacijske algoritme in probleme. Razlike med napovedanimi in empiričnimi vrednostmi so znašale manj kot 15 \% za problem LABS, testne funkcije CEC in problem potenciala Lennard-Jones. To nakazuje na to, da lahko metodo AS^3D uspešno uporabljamo za analizo in primerjavo stohastičnih algoritmov na različnih optimizacijskih problemih. S pomočjo metode smo pokazali tudi uporabnost stohastičnih algoritmov. Ti morajo, da dosežejo optimalno rešitev z visoko verjetnostjo, preiskati le majhen delež iskalnega prostora.
Ključne besede: analiza stohastičnih algoritmov, statistična porazdelitev, napovedni model, pristop s ciljno vrednostjo
Objavljeno v DKUM: 08.04.2025; Ogledov: 0; Prenosov: 78
Celotno besedilo (3,56 MB) |
5. Uporaba evolucijskih algoritmov v statističnem in hibridnem strojnem prevajanju : doctoral dissertationJani Dugonik, 2025, doktorska disertacija Opis: Doktorska disertacija obravnava področje strojnega prevajanja visoko fleksibilnih jezikov, osredotoča pa se na izzive tako statističnega kot nevronskega strojnega prevajanja, ki jih prinašajo strukturne razlike med visoko fleksibilnimi jeziki in angleščino. Naša raziskava vključuje tudi eksperimentalni del, izveden na jezikovnem paru \mbox{slovenščina--angleščina}, ki zajema prevajanje v obe smeri. V prvem eksperimentu smo načrtovali nov pristop za optimizacijo parametrov v statističnem strojnem prevajanju z uporabo evolucijskih algoritmov. Primerjali smo sisteme statističnega strojnega prevajanja, optimizirane s klasičnimi algoritmi za optimizacijo uteži v statističnem strojnem prevajanju, in sisteme, optimizirane z evolucijskimi algoritmi. V drugem eksperimentu pa smo načrtovali in razvili hibridni pristop, ki vključuje sisteme statističnega in nevronskega strojnega prevajanja. Izvorno poved in dva ciljna prevoda, prevedena z obema sistemoma, smo pretvorili v isti vektorski prostor, iz katerega smo nato pridobili vektorje značilk. V okviru doktorske disertacije smo pred\-lagali nov nabor značilk. Z uporabo klasifikatorjev smo nato izbrali boljšega izmed dveh prevodov, statističnega in nevronskega. Evalvacijo sistemov strojnega prevajanja smo izvedli z uporabo uveljavljenih metrik, kot so BLEU, TER, chrF in COMET. Opravili smo statistično analizo eksperimentalnih rezultatov s ponovnim vzorčenjem, ki je pokazala statistično pomembne razlike v kakovosti ustvarjenih prevodov. Eksperimentalni rezultati potrjujejo, da smo s predlaganimi pristopi izboljšali kakovost strojnih prevodov.
Ključne besede: evolucijski algoritem, statistično strojno prevajanje, nevronsko strojno prevajanje, hibridni pristop strojnega prevajanja, optimizacija, predstavitev besed, klasifikacija, obratno prevajanje
Objavljeno v DKUM: 29.01.2025; Ogledov: 0; Prenosov: 92
Celotno besedilo (1,21 MB) |
6. Metoda kontekstno odvisne vektorske predstavitve sprememb programske kode za klasifikacijo vrste aktivnosti vzdrževanja : doktorska disertacijaTjaša Heričko, 2024, doktorska disertacija Opis: V doktorski disertaciji obravnavamo raziskovalni problem avtomatizacije prepoznavanja namenov sprememb programskih rešitev, izvedenih v fazi vzdrževanja. Klasifikacija programskih sprememb glede na vrsto aktivnosti vzdrževanja, ki odraža specifične namene sprememb, omogoča učinkovitejšo analizo in načrtovanje vzdrževanja, podpira delovne procese in naloge razvijalcev ter se pogosto uporablja v raziskavah programskega inženirstva za proučevanje sprememb in evolucije rešitev. S ciljem ugotavljanja raziskovalnih vrzeli smo s sistematičnim pregledom literature proučili obstoječe pristope h klasifikaciji sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja. Za naslovitev teh vrzeli smo s študijo sistematičnega mapiranja pregledali pristope vektorizacije sprememb programske kode z učenjem predstavitev na podlagi izvorne kode, ki se v obstoječi literaturi uporabljajo za naslavljanje različnih izzivov programskega inženirstva. Na podlagi ugotovitev smo razvili in predlagali novo metodo kontekstno odvisne vektorske predstavitve sprememb programske kode, ki omogoča ekstrakcijo semantičnih značilk sprememb izvorne kode med dvema različicama programske rešitve ob upoštevanju konteksta sprememb. Predlagana metoda predstavi spremembo programske rešitve kot množico podrobnih sorodnih sprememb programske kode, temelječih na predstavitvah zaznanih razlik v izvorni kodi na osnovi žetonov. Za ekstrakcijo semantičnih vložitev sorodnih sprememb metoda uporablja strojno učenje s prenosom znanja iz izbranega prednaučenega jezikovnega modela programske kode iz družine modelov BERT, kot so CodeBERT, UniXcoder in StarEncoder, ki je bil predhodno dodatno prilagojen ciljni nalogi s paradigmama samonadzorovanega in nadzorovanega učenja. Pridobljene vektorske vložitve podrobnih sorodnih sprememb so nato združene v enotno semantično vektorsko predstavitev spremembe programske rešitve. Za klasifikacijo sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja smo na označeni podatkovni množici izgradili modele strojnega učenja, pri čemer smo za ekstrakcijo značilk uporabili predlagano metodo ter referenčne in obstoječe metode predstavitve sprememb rešitev. Z nadzorovanim eksperimentom, študijo ablacije in primerjalno študijo smo proučili vpliv različnih parametrov predlagane metode predstavitve sprememb na uspešnost klasifikacije, primerjali uspešnost klasifikacije ob uporabi predlagane metode v primerjavi z uporabo referenčnih in obstoječih metod predstavitve sprememb ter ovrednotili uspešnost multimodalnih modelov strojnega učenja, temelječih na nadgradnji obstoječih metod predstavitve sprememb s predlagano metodo z združevanjem modalnosti naravnega jezika in programske kode. Empirične rezultate smo statistično analizirali s pomočjo frekventistične in Bayesove statistike. Izsledki raziskav potrjujejo izhodiščno tezo, da je z uporabo nove metode mogoče izgraditi modele strojnega učenja, ki uspešno klasificirajo spremembe programskih rešitev glede na vrsto aktivnosti vzdrževanja. Osrednje ugotovitve doktorske disertacije so naslednje: vektorske predstavitve sprememb programske kode na osnovi predlagane metode dosegajo primerljivo ali višjo uspešnost pri klasifikaciji v primerjavi s predstavitvami na osnovi referenčnih in obstoječih metod; zmanjšanje dimenzionalnosti kontekstno odvisnih vektorskih predstavitev sprememb omogoča zmanjšanje števila dimenzij brez negativnega vpliva na uspešnost klasifikacije; multimodalni klasifikacijski modeli dosegajo višjo uspešnost klasifikacije v primerjavi z unimodalnimi modeli.
Ključne besede: vzdrževanje programske opreme, spremembe programskih rešitev, rudarjenje repozitorijev programskih rešitev, strojno učenje, klasifikacija, nevronski jezikovni modeli programske kode, vektorske predstavitve, vektorska vložitev
Objavljeno v DKUM: 06.01.2025; Ogledov: 0; Prenosov: 120
Celotno besedilo (5,56 MB) |
7. Detekcija zamrznjenega koraka in stimulacija v realnem času s personaliziranim nosljivim sistemom za bolnike s Parkinsonovo boleznijo : doktorska disertacijaJan Slemenšek, 2024, doktorska disertacija Opis: Analiza in razumevanje človeškega gibanja odpirata nova vrata na različnih področjih, kot so šport,
robotika, virtualna resničnost, medicina in rehabilitacija. Detekcija specifičnih aktivnosti človeškega
gibanja omogoča razvoj naprednih, personaliziranih naprav, orodij in pripomočkov za medicinske
namene. Zbiranje in analiza gibalnih podatkov omogočata ustvarjanje objektivnejše ocene o
dejanskem motoričnem stanju posameznika ali bolnika, kar lahko poveča učinkovitost treninga,
okrevanja in rehabilitacije. Disertacija predlaga robusten, nosljiv merilni sistem za zajemanje in analizo
človeškega gibanja v realnem času, namenjen bolnikom s Parkinsonovo boleznijo, ki doživljajo epizode
zamrznitve koraka. Gibalni podatki so pridobljeni s pomočjo pospeškometrov, giroskopov in merilnikov
mišične aktivnosti, vgrajenih v elastičen pas, nameščen pod kolenom na obeh nogah. Gibalni podatki
so uporabljeni za učenje in testiranje algoritmov strojnega učenja. Z obširno primerjalno analizo
desetih uveljavljenih klasifikacijskih algoritmov strojnega učenja za namene detekcije petih aktivnosti
smo identificirali kombinacijo konvolucijskih in rekurentnih nevronskih mrež z dodanim mehanizmom
pozornosti kot najbolj učinkovit klasifikacijski model, ki je nove instance klasificiral s točnostjo 98.9 %,
natančnostjo 96.8 %, senzitivnostjo 97.8 %, specifičnostjo 99.1 % ter F1 oceno 97.3 %. Enostavnejša,
čeprav zanemarljivo manj učinkovita kombinacija konvolucijskih in rekurentnih nevronskih mrež z
dodatkom preteklih podatkovnih instanc, je implementirana na mikrokrmilniku in uporabljena za
klasifikacijo novih instanc s frekvenco 40 Hz. Sistem je v realnem času detektiral zamrznjen korak pri
bolnikih s Parkinsonovo boleznijo s točnostjo 95.1 % in povprečno zakasnitvijo 261 ms, pri čemer so
bolniki prejemali stimulacijo po potrebi. Ritmični vibracijski stimulatorji so uspešno zmanjšali
povprečno trajanje zamrznjenega koraka za 38 %.
Ključne besede: Analiza gibanja, Parkinsonova bolezen, zamrznitev koraka, strojno učenje, aktivna stimulacija.
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 56
Celotno besedilo (6,57 MB) |
8. A novel off-chain channel model for blockchain-based solutions : doctoral dissertationBlaž Podgorelec, 2024, doktorska disertacija Opis: This dissertation introduces a novel off-chain channel model aimed at enhancing existing solutions to address scalability challenges in blockchain technology. It begins with an overview of the problem statement, research objectives, methodology, and potential limitations before establishing a thesis and hypotheses. A comprehensive theoretical background on blockchain technology, scalability solutions, and the off-chain channel approach ensures a common understanding of the topic. To provide a thorough overview of existing off-chain channel solutions and identify and categorize their limitations, we conducted a systematic literature review, identifying 65 relevant studies. Through detailed analysis, six categories of solutions and six implemented off-chain channel solutions were identified. Five primary categories of limitations were also identified: routing, flexibility, privacy, network properties, and online assumptions, some with sub-limitations. To address these limitations, a new off-chain channel model, named ”Off-chain Channel as a Service,” is proposed, featuring four core design decisions: eliminating the need for an off-chain channel network, assuming blockchain properties by design, introducing a trustworthy service, and enabling flexibility by design. Validation and evaluation of the proposed model employ case-study and experiment research methods to confirm compliance with off-chain channel principles, validate it against identified limitations of existing solutions, analyze its impact on blockchain scalability, and assess its applicability across blockchain platforms. For this purpose, two off-chain payment channel prototype solutions have been implemented, each using a different underlying blockchain platform, namely Ethereum and Solana. Moreover, the proposed model’s security evaluation using risk-analysis methodology is also provided. Qualitative and quantitative analysis demonstrates that the proposed off-chain channel model adheres to off-chain channel principles, improves most identified limitations of existing solutions, positively impacts blockchain scalability, and can be applied to different blockchain platforms supported by smart contracts.
Ključne besede: blockchain, distributed ledger technology, smart contracts, scalability, off-chain channel, payment channel
Objavljeno v DKUM: 01.10.2024; Ogledov: 0; Prenosov: 77
Celotno besedilo (3,87 MB) |
9. Razvoj sferičnega magnetoreološkega aktuatorja za haptične aplikacije : doktorska disertacijaJakob Vizjak, 2024, doktorska disertacija Opis: V doktorski nalogi je obravnavana problematika razvoja sferičnega aktuatorja, ki za svoje
delovanje izrablja magnetoreološki pojav magnetne tekočine. Gre za močno povišanje
viskoznosti pod vplivom magnetnega polja. Predvidena končna uporaba aktuatorja je v
haptičnih aplikacijah. Aktuator je sestavljen kot krogelni sklep statorja z votlino in
sferičnega rotorja, na katerega je pritrjena krmilna palica. V stator je vgrajena tuljava za
vzbujanje magnetnega polja. Razvoj aktuatorja je potekal v več korakih. Prvi je bil sestava
osnovnega tridimenzionalnega modela aktuatorja s parametriziranimi dimenzijami glede na
določene mehanske in magnetne zahteve. Določeni so bili štirje prosti parametri (s
postavljenimi spodnjimi in zgornjimi mejami). Njihove vrednosti so bile poiskane v drugem
koraku razvoja. To je bila optimizacija geometrije modela. Za ta namen je bila formirana
ciljna funkcija, z minimizacijo katere so bile poiskane vrednosti prostih parametrov. Ciljna
funkcija je bila postavljena tako, da je bila iskana rešitev, ki zagotavlja maksimalen navor
ob čim manjših dimenzijah aktuatorja in ustreznih magnetnih razmerah, na ključnih mestih
v aktuatorju. Za optimizacijo je bil uporabljen algoritem diferenčne evolucije. Sestava
modelov in optimizacija sta bila izvedena s kombinacijo programskih orodij Simulia Opera
in Matlab. V tretjem koraku je bila na podlagi rezultatov optimizacije opravljena numerična
analiza optimiziranega modela. Pri tem je bila izračunana odvisnost zavornega navora
aktuatorja v odvisnosti od toka skozi tuljavo. Četrti korak je bil prilagoditev
tridimenzionalnega modela možnostim fizične izvedbe aktuatorja. Osnova za prilagojen
model je bil predhodno izračunan optimiziran model. Na prilagojenem modelu je bila
izvedena numerična analiza za določitev odvisnosti zavornega navora od toka skozi tuljavo.
Na podlagi prilagojenega modela je bil v petem koraku izdelan fizični prototip. V zadnjem
koraku so bile nad prototipom izvedene meritve odvisnosti navora od toka skozi tuljavo
aktuatorja. Rezultati meritev so bili primerjani z rezultati numeričnih analiz na prilagojenem
modelu.
Ključne besede: Magnetoreološka tekočina, sferični aktuator, haptični vmesnik, metoda
končnih elementov (MKE), krmilna palica, diferenčna evolucija (DE)
Objavljeno v DKUM: 01.10.2024; Ogledov: 0; Prenosov: 80
Celotno besedilo (6,94 MB) |
10. Metoda za uporabniško vrednotenje in primerjavo tehnik razložljive umetne inteligence : doktorska disertacijaSaša Brdnik, 2024, doktorska disertacija Opis: V doktorski disertaciji je obravnavana problematika prepoznave izbire najprimernejše razlagalne tehnike v opazovanem primeru, glede na vključene uporabnike. V literaturi je opazno pomanjkanje validiranih metod vrednotenja za izbiro najprimernejše tehnike, ki bi upoštevale več dimenzij razlag in merile pravilnost mentalnih modelov uporabnikov. Predstavljena metoda je sestavljena iz vrednotenja štirih dimenzij; zadovoljstva z razlago, dojetega zaupanja, mentalnih modelov in subjektivnega mentalnega napora, potrebnega za razumevanje razlag. Metoda je bila razvita iterativno in je bila testirana v dveh empiričnih raziskavah.
V prvi empirični raziskavi sta bili vrednoteni dve dimenziji, v drugi vse štiri. Predlagana metoda je bila analizirana z eksploratorno faktorsko analizo dveh vprašalnikov, uporabljenih v bateriji vprašalnikov in z analizo zanesljivosti. Rezultatu druge empirične raziskave, so potrdili, da uporabljena metoda omogoča zanesljivo primerjavo razlagalnih tehnik po posameznih dimenzijah v slovenščini in angleščini. Metoda je bila preizkušena na desetih razlagalnih tehnikah, oblikovanih na slikovnih in številskih vhodnih podatkih. Opravljen je bil sistematični pregled literature z ekstrakcijo najpogostejših razlagalnih tehnik. Uporabniki so bili pri pravi empirični raziskavi najbolj zadovoljni s SHAP lokalno razlagalno tehniko v obliki stolpčnega grafa, sledila ji je globalna razlagalna tehnika v enaki obliki. Tema razlagalnima tehnikama so udeleženci izkazali tudi najvišje zaupanje.
V drugi empirični raziskavi so bili uporabniki najbolj zadovoljni z razlagalno tehniko odločitvenega drevesa, pri slikovnih podatkih pa z izpostavitvijo subjekta s kvadratom. Uporabniki so najbolj zaupali razlagalni tehniki odločitvenega drevesa in grafov delne odvisnosti. Naraščanje subjektivne ocene truda, ki ga uporabniki vložijo v razumevanje, je šibko negativno vplivalo na njihovo oceno razumevanja razlage, zadovoljstva z njo, zadostnosti podrobnosti, celotnosti razlage, dojemanja jasnosti navodil za uporabo in uporabnosti razlage za njihove cilje, hkrati pa je pozitivno vplivalo na njihovo strinjanje s tem, da so razlage zavajajoče in zahrbtne. Uporabniki so naloge za preverjanje pravilnosti mentalnih modelov reševali zmerno uspešno, le tretjina je pravilno rešila vse tri zastavljene naloge, manj kot polovica je pravilno rešila dve od treh nalog. Preverjanje pravilnosti mentalnih modelov z retrospektivno nalogo, napovedno nalogo in nalogo prepoznave napak je omogočilo razlikovanje razumevanja uporabnikov med opazovanimi razlagalnimi tehnikami.
Disertacija vključuje pet izvirnih znanstvenih prispevkov. Prvi zajema empirično vrednotenje izbranih razlagalnih tehnik z vidika zaupanja uporabnikov in zadovoljstva z razlago. Drugi zajema izgradnjo večdimenzionalne metode uporabniškega vrednotenja za celostno ocenjevanje razlagalnih tehnik. Tretji obsega validacijo dveh obstoječih merilnih instrumentov, uporabljenih v predlagani metodi. Četrti zajema uporabo predlagane metode za empirično vrednotenje razlagalnih tehnik. Peti obsega empirično vrednotenje povezav med značilnostmi uporabnikov in njihovim subjektivnim dojemanjem razlag.
V okviru predstavljene doktorske disertacije smo omejili na pridobivanje podatkov z metodo vprašalnika. Empirični raziskavi sta zaradi manjšega vzorca lahko podvrženi kulturnim, starostnim, izobraževalnim in drugim vplivom. Prevod uveljavljenih vprašalnikov lahko vpliva na njihovo validnost in na primerljivost rezultatov v primerjavi z rezultati, pridobljenimi v izvornem jeziku. V predlagani metodi je vrednoteno dojeto zaupanje, ki ni nujno enako izkazanemu. V dimenzije vrednotenja ni vključena učinkovitost uporabnikov. Pri primerjavi razlagalnih tehnik v posameznem primeru se osredotočamo zgolj na opazovane dimenzije in ne na širše cilje razvoja uporabniških vmesnikov in celostnega sistema. Predlagana metoda je bila uporabljena in validirana zgolj na slikovnih in številčnih vhodnih podatkih.
Ključne besede: razložljiva umetna inteligenca, vrednotenje razložljive umetne inteligence, uporabniško vrednotenje, strojno učenje, interpretabilnost
Objavljeno v DKUM: 04.09.2024; Ogledov: 71; Prenosov: 189
Celotno besedilo (41,64 MB) |
