1. Razvoj mobilne kripto-denarnice za bitcoin in ethereum : magistrsko deloMihael Rek, 2024, magistrsko delo Opis: Namen magistrskega dela je razviti mobilno kripto-denarnico, ki podpira transakcije in upravljanje digitalnih sredstev za dve najbolj priljubljeni kriptovaluti, Bitcoin in Ethereum. Mobilne kripto-denarnice predstavljajo pomemben del ekosistema kriptovalut, saj omogočajo uporabnikom varno in priročno upravljanje njihovih digitalnih sredstev neposredno iz njihovih pametnih telefonov. V delu bomo raziskovali delovanje hierarhično deterministične denarnice, ki omogoča generiranje in upravljanje zasebnih ključev na varen način. Predstavljene bodo metode za pridobivanje podatkov o stanju in transakcijah za obe kriptovaluti. Prav tako bo opisano lokalno podpisovanje transakcij, kar povečuje varnost, saj se zasebni ključi nikoli ne pošljejo iz naprave. Razvita denarnica bo omogočala uporabnikom, da transakcije varno in enostavno objavijo v omrežje. Ključne besede: Bitcoin, Ethereum, tehnologija veriženja blokov, HDWallet Objavljeno v DKUM: 14.10.2024; Ogledov: 0; Prenosov: 24
Celotno besedilo (1,85 MB) |
2. Razvoj računalniške igre zvrsti obramba stolpovTilen Hegediš, 2024, diplomsko delo Opis: Namen diplomske naloge je bilo razviti 2D računalniško igro zvrsti obramba stolpov. V teoretičnem delu smo najprej opisali zvrsti računalniških iger obramba stolpov, opisali pomembnejše komponente, opisali dva starejša in dva bolj znana primera teh računalniških zvrsti in predstavili Unity računalniški pogon, v katerem smo razvijali igro. V praktičnem delu smo se osredotočili na sam razvoj igre, kjer smo najprej pripravili prazen projekt in vanj uvozili vsa potrebna sredstva. Razvili in opisali smo posamezne komponente igre in na koncu še implementirali uporabniški vmesnik. Ključne besede: Razvoj računalniške igre, obramba stolpov, Unity, 2D Objavljeno v DKUM: 08.08.2024; Ogledov: 290; Prenosov: 75
Celotno besedilo (3,20 MB) |
3. Razvoj računalniške igre »Finding Habo« s pomočjo knjižnice PygameMatej Habjanič, 2024, diplomsko delo Opis: V diplomskem delu je bil prikazan razvoj računalniške igre "Finding Habo" s pomočjo knjižnice Pygame. Knjižnica je bila podrobneje spoznana od modulov, ki jih vsebuje, do njihove implementacije in uporabe. Prav tako je bil obravnavan programski jezik Python, v katerem deluje ta knjižnica. Predstavljeno je bilo tudi psihološko ozadje razvoja igre, pa tudi koncepti, ki so bili izdelani pri načrtovanju igre. Ključne besede: Pygame, Python, razvoj igre, Finding Habo Objavljeno v DKUM: 08.08.2024; Ogledov: 294; Prenosov: 68
Celotno besedilo (1,72 MB) |
4. Računalniško generiranje animacij rokopisaAlan Hablak, 2023, magistrsko delo Opis: To magistrsko delo je namenjeno implementaciji generatorja računalniških animacij
rokopisa. Vsebuje opis podobnih obstoječih programov, kratek opis uporabljenih orodij,
predvsem pa natančen opis spopadanja z različnimi izzivi med implementacijo. Unikatna
lastnost našega generatorja rokopisa je to, da podpira uvoz lastnega rokopisa, ki ga
pomožni program pridobi iz uporabnikovih videoposnetkov. Poleg generatorja rokopisa
smo v tem delu ustvarili tudi omenjeno pomožno orodje za pridobivanje samega rokopisa
iz uporabnikovih videoposnetkov. To smo naredili s pomočjo računanja delte med dvema
sosednjima sličicama v videoposnetku, kar pa nam je z dokaj veliko natančnostjo
omogočalo pridobivanje le vsebine, ki nas na videoposnetku zanima (animacijo
rokopisa). Ključne besede: Generiranje, animacija, predvajanje, posnetek, rokopis Objavljeno v DKUM: 08.08.2024; Ogledov: 115; Prenosov: 33
Celotno besedilo (2,81 MB) |
5. Generiranje 3D svetov s proceduralnimi algoritmiJan Krivec Cvetkovič, 2024, diplomsko delo Opis: V diplomskem delu raziskujemo različne metode za generiranje 3D-svetov. Na začetku se osredotočamo na pomembnost in zgodovino proceduralnega generiranja. Opišemo različne priljubljene algoritme in pristope v sklopu proceduralnega ustvarjanja svetov. Dodatno tudi podrobneje razložimo algoritme, uporabljene v svoji implementaciji. Zatem predstavimo svoj program za generiranje 3D-svetov, narejen v Unityju. Osredotočimo se na korake in pristope za generiranje biomov, višinskih zemljevidov, vasi in postavitev objektov na terenu. Ob koncu pridobljene rezultate analiziramo in predlagamo potencialne izboljšave za prihodnja dela. Ključne besede: proceduralno generiranje, Perlinov šum, Voronojev diagram Objavljeno v DKUM: 08.08.2024; Ogledov: 233; Prenosov: 43
Celotno besedilo (2,61 MB) |
6. |
7. Razvoj računalniške igre Planes v ogrodju libGDX z uporabo razširitve KTX : diplomsko deloJure Đaković, 2024, diplomsko delo Opis: V diplomskem delu so predstavljene platformne igre in razvoj iger v ogrodju libGDX s pomočjo razširitve KTX. V uvodu diplomskega dela je najprej na splošno predstavljen žanr platformnih iger od začetkov do današnjih trendov. Sledi predstavitev ogrodja libGDX in njegovih prednosti. V nadaljevanju je na kratko predstavljen programski jezik Kotlin in nekoliko podrobneje moduli iz razširitve KTX. Na praktičnem primeru igre Planes je prikazano, kako lahko z uporabo programskega jezika Kotlin razvoj 2D platformnih iger poteka na bolj učinkovit način. V zaključku so opisane razlike med razvojem iger v razširitvi KTX in ogrodju libGDX. Ključne besede: libGDX, KTX, Java, Kotlin, računalniška igra Objavljeno v DKUM: 04.06.2024; Ogledov: 273; Prenosov: 45
Celotno besedilo (1,86 MB) |
8. |
9. |
10. A graph pointer network-based multi-objective deep reinforcement learning algorithm for solving the traveling salesman problemJeewaka Perera, Shih-Hsi Liu, Marjan Mernik, Matej Črepinšek, Miha Ravber, 2023, izvirni znanstveni članek Opis: Traveling Salesman Problems (TSPs) have been a long-lasting interesting challenge to researchers in different areas. The difficulty of such problems scales up further when multiple objectives are considered concurrently. Plenty of work in evolutionary algorithms has been introduced to solve multi-objective TSPs with promising results, and the work in deep learning and reinforcement learning has been surging. This paper introduces a multi-objective deep graph pointer network-based reinforcement learning (MODGRL) algorithm for multi-objective TSPs. The MODGRL improves an earlier multi-objective deep reinforcement learning algorithm, called DRL-MOA, by utilizing a graph pointer network to learn the graphical structures of TSPs. Such improvements allow MODGRL to be trained on a small-scale TSP, but can find optimal solutions for large scale TSPs. NSGA-II, MOEA/D and SPEA2 are selected to compare with MODGRL and DRL-MOA. Hypervolume, spread and coverage over Pareto front (CPF) quality indicators were selected to assess the algorithms’ performance. In terms of the hypervolume indicator that represents the convergence and diversity of Pareto-frontiers, MODGRL outperformed all the competitors on the three well-known benchmark problems. Such findings proved that MODGRL, with the improved graph pointer network, indeed performed better, measured by the hypervolume indicator, than DRL-MOA and the three other evolutionary algorithms. MODGRL and DRL-MOA were comparable in the leading group, measured by the spread indicator. Although MODGRL performed better than DRL-MOA, both of them were just average regarding the evenness and diversity measured by the CPF indicator. Such findings remind that different performance indicators measure Pareto-frontiers from different perspectives. Choosing a well-accepted and suitable performance indicator to one’s experimental design is very critical, and may affect the conclusions. Three evolutionary algorithms were also experimented on with extra iterations, to validate whether extra iterations affected the performance. The results show that NSGA-II and SPEA2 were greatly improved measured by the Spread and CPF indicators. Such findings raise fairness concerns on algorithm comparisons using different fixed stopping criteria for different algorithms, which appeared in the DRL-MOA work and many others. Through these lessons, we concluded that MODGRL indeed performed better than DRL-MOA in terms of hypervolumne, and we also urge researchers on fair experimental designs and comparisons, in order to derive scientifically sound conclusions. Ključne besede: multi-objective optimization, traveling salesman problems, deep reinforcement learning Objavljeno v DKUM: 28.03.2024; Ogledov: 184; Prenosov: 26
Celotno besedilo (7,89 MB) Gradivo ima več datotek! Več... |