| | 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 / 202
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Metoda za napoved zmogljivosti stohastičnih algoritmov na osnovi statističnih porazdelitev števila ovrednotenj in časa : doktorska disertacija
Jana 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: 11
.pdf Celotno besedilo (3,56 MB)

2.
Uporaba evolucijskih algoritmov v statističnem in hibridnem strojnem prevajanju : doctoral dissertation
Jani 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: 40
.pdf Celotno besedilo (1,21 MB)

3.
Metoda kontekstno odvisne vektorske predstavitve sprememb programske kode za klasifikacijo vrste aktivnosti vzdrževanja : doktorska disertacija
Tjaša 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: 68
.pdf Celotno besedilo (5,56 MB)

4.
Detekcija zamrznjenega koraka in stimulacija v realnem času s personaliziranim nosljivim sistemom za bolnike s Parkinsonovo boleznijo : doktorska disertacija
Jan 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: 33
.pdf Celotno besedilo (6,57 MB)

5.
A novel off-chain channel model for blockchain-based solutions : doctoral dissertation
Blaž 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: 54
.pdf Celotno besedilo (3,87 MB)

6.
Razvoj sferičnega magnetoreološkega aktuatorja za haptične aplikacije : doktorska disertacija
Jakob 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: 51
.pdf Celotno besedilo (6,94 MB)

7.
Metoda za uporabniško vrednotenje in primerjavo tehnik razložljive umetne inteligence : doktorska disertacija
Saša 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: 132
.pdf Celotno besedilo (41,64 MB)

8.
Učinkovit iterativni algoritem učenja razložljivih značilnic za izboljšano klasifikacijo : doktorska disertacija
Dino Vlahek, 2024, doktorska disertacija

Opis: V doktorski disertaciji opišemo nov postopek učenja razložljivih značilnic za klasifikacijske namene. Značilnice med vsako iteracijo rekombiniramo na osnovi vnaprej podanih aritmetičnih operacij, ocenimo pa jih glede na njihovo primernosti za klasifikacijo. Slednja temelji na prekrivanju porazdelitve verjetnosti med vrednostmi vzorcev, ki pripadajo različnim razredom. Za nadaljnji razvoj v naslednjo iteracijo izberemo podmnožico najbolj kakovostnih nekoreliranih značilnic z uporabo nove metode, ki temelji na rezu grafa. Pri tem se postopek opira na dva vhoda parametra, ki omogočata nadzor nad številom členov izhodnih značilnic. Prvi opisuje minimalno sprejemljivo kakovost značilnic, ki jih je treba vključiti v izhodni prostor značilnic, medtem ko drugi določa najvišjo dovoljeno stopnjo podobnosti med značilnicama. Rezultati pokažejo, da je metoda nizko občutljiva na oba vhodna parametra. Naučene značilnice pa statistično značilno izboljšajo klasifikacijsko točnost vseh testiranih klasifikatorjev, medtem ko najboljše točnosti dosežemo z uporabo klasifikatorja naključnih gozdov. Z rezultati primerjave pokažemo, da je predlagani postopek v vseh testnih primerih dosegal ali presegal klasifikacijske točnosti trenutnega stanje tehnike. Prav tako pokažemo tudi pravilnost razlage naučenih značilnic dobro preučene množice testnih podatkov.
Ključne besede: klasifikacija podatkov, razložljiva umetna inteligenca, učenje značilnic, odkrivanje znanja
Objavljeno v DKUM: 07.05.2024; Ogledov: 266; Prenosov: 95
.pdf Celotno besedilo (1,22 MB)

9.
Načrtovanje polizoliranih vodnikov : doktorska disertacija
Žiga Voršič, 2024, doktorska disertacija

Opis: Težave pri umeščanju novih nadzemnih vodov v prostor postavljajo nov izziv, kako v največji možni meri izkoristiti obstoječe koridorje nadzemnih vodov in s tovrstnimi ukrepi prispevati k zmanjševanju površine zasedbe prostora. Polizolirani vodniki (pokriti prevodniki), ki so sestavljeni iz vodnika, obkroženega s prevleko iz izolacijskega materiala, ki ščiti pred naključnimi stiki z drugimi pokritimi vodniki in z ozemljenimi deli, kot so drevesne veje itd., omogočajo bolj jedrnato izrabo prostora. V doktorski disertaciji smo raziskali porazdelitev električnega polja polizoliranega vodnika in s poskusom ugotovili, da lahko obratuje pri najvišjih napetostih v gabaritu visoko napetostnih daljnovodov. Pri raziskavi segrevanja polizoliranega vodnika smo prazne prostore med žicami daljnovodne vrvi nadomestili z ekvivalentno geometrijsko plastjo ustrezne debeline. Tudi to predpostavko smo potrdili z meritvami. Z raziskavami smo pokazali, da je mogoče z minimalnimi gradbenimi in okoljskimi posegi praktično uporabiti polizolirane vodnike na visoki napetosti in s tem omogočiti zoženje koridorjev bodočih vodov najvišjih napetosti.
Ključne besede: polizolirani vodniki, elektromagnetno polje, temperaturni gradient, tokovna zmogljivost, meritve
Objavljeno v DKUM: 08.04.2024; Ogledov: 361; Prenosov: 72
.pdf Celotno besedilo (9,93 MB)

10.
Hibridno priporočanje vrstilcev univerzalne decimalne klasifikacije : doktorska disertacija
Mladen Borovič, 2023, doktorska disertacija

Opis: V doktorski disertaciji predlagamo hibridni pristop za priporočanje vrstilcev univerzalne decimalne klasifikacije (UDK) za elektronske dokumente, ne glede na globino hierarhije UDK. Razvit hibridni pristop priporočanja vrstilcev UDK temelji na metodah vsebinskega filtriranja in uporablja strukturirane metapodatke v slovenskem jeziku za klasifikacijo področja znanosti in priporočanje ustreznih vrstilcev. Ker se dokumenti pogosto nanašajo na več področij znanosti, mora biti pristop sposoben identificirati interdisciplinarnost in vrniti več ustreznih vrstilcev UDK. Predlagani hibridni pristop uporablja kaskadno hibridizacijo in je razdeljen na dva kaskadna koraka. Najprej z rangirno funkcijo BM25 zagotovimo začetni seznam vrstilcev UDK. V prvem kaskadnem koraku začetni seznam vrstilcev UDK preuredimo s seznamom, ki je rezultat večznačnega klasifikatorja. Večznačni klasifikator temelji na globoki nevronski mreži BERT in je prilagojen na hierarhično topologijo UDK. V drugem kaskadnem koraku s pomočjo seznama najbolj pogostih vrstilcev UDK v organizaciji, iz katere izvira dokument, preuredimo seznam iz prvega koraka. Za kaskadno hibridizacijo se izvedejo postopki naknadne obdelave, ki preuredijo sezname priporočil glede na vrhnje področje in glede na specifičnost, omogočajo pa tudi rezanje seznama. Disertacija vključuje vrednotenje na množici zaključnih del v slovenskem jeziku, ki so del repozitorijev slovenskih univerz in že imajo ročno določene vrstilce UDK s strani knjižničarjev. Na testni množici dokumentov s predlaganano metodo po metriki HR@K dosežemo povprečne vrednosti 0,574 (K = 1), 0,869 (K = 3) in 0,892 (K = 5). Po metriki NDCG@K dosežemo povprečne vrednosti 0,993 (K = 1), 0,921 (K = 3) in 0,916 (K = 5), po metrikah MRR in MAP pa povprečne vrednosti vrednosti 0,782 (MRR) in 0,785 (MAP). V primerjavi z obstoječimi pristopi pokažemo, da uporaba predlaganega pristopa vodi v statistično značilne izboljšave.
Ključne besede: hibridni priporočilni sistemi, univerzalna decimalna klasifikacija, vsebinsko filtriranje, globoke nevronske mreže, obdelava naravnega jezika
Objavljeno v DKUM: 04.01.2024; Ogledov: 579; Prenosov: 140
.pdf Celotno besedilo (1,86 MB)

Iskanje izvedeno v 0.36 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici