1. Interpretacija odločitev nevronske mreže z metodo lime : diplomsko deloKristijan Dajčman, 2023, diplomsko delo Opis: V diplomskem delu interpretiramo odločitve globokih nevronskih mrež za analizo sentimenta slovenskih in angleških besedil z metodo LIME. Nevronske mreže veljajo za črne škatle, saj je težko pojasniti njihove odločitve s samimi utežmi, kar predstavlja težave pri posvojitvi takšnih modelov v situacijah, kjer je pomembna transparentnost in zanesljivost odločitev. Problem črnih škatel lahko rešimo z metodami interpretiranja, kot je LIME, ki pojasni odločitev črne škatle z lokalnim nadomestkom. V tem delu interpretiramo napovedi treh nevronskih mrež z metodo LIME in poskušamo na podlagi interpretacij razložiti delovanje nevronskih mrež.
Ključne besede: LIME, razložljiva umetna inteligenca, nevronska mreža, analiza sentimenta
Objavljeno v DKUM: 21.09.2023; Ogledov: 132; Prenosov: 14
 Celotno besedilo (2,88 MB) |
2. Orodje za ročno ali avtomatsko reševanje ugank nurikabe : magistrsko deloKristjan Žagar, 2022, magistrsko delo Opis: V magistrskem delu smo raziskali področje reševanja ugank nurikabe. Implementirali smo algoritem za učinkovito reševanje in prikazali, zakaj je to izjemno težko za človeka kot za računalnik. Dan problem je NP-poln, kar pomeni, da ne obstaja algoritem, ki bi našel rešitev v polinomskem času. Za reševanje ugank smo izdelali namizno orodje v ogrodju .NET, s pomočjo WPF-ja ter programskega jezika C# in spletno aplikacijo s pomočjo tehnologij MongoDB, Node.js in Angular. Uganke lahko rešujemo samostojno, pri čemer lahko zaprosimo program, da nam da nasvet ali pa če obupamo, polje reši namesto nas. Raziskali in implementirali smo tudi reševanja nurikabe ugank s pomočjo nevronskih mrež. Naša orodja in algoritem smo ovrednotili tako kvalitativno kot tudi kvantitativno na naključno izbranih primeri nurikabe polj. Na osnovi rezultatov lahko trdimo, da naš algoritem deluje učinkovito in orodji ponujata primerno uporabniško izkušnjo.
Ključne besede: nurikabe, aplikacija windows, spletna aplikacija, konvolucijske nevronske mreže
Objavljeno v DKUM: 26.10.2022; Ogledov: 402; Prenosov: 84
Celotno besedilo (3,23 MB) |
3. Prenos znanja med modeli nevronskih mrež z metodo destilacije : diplomsko deloMatic Marušič, 2022, diplomsko delo Opis: S pojavom vedno večjih zbirk podatkov se je pojavila tudi potreba po vedno večjih modelih strojnega učenja za učenje in napovedovanje na teh zbirkah, kot so nevronske mreže. Posledica tega je nezmožnost uporabe na napravah z omejenimi prostorskimi in računskimi viri, npr. na pametnih mobilnih napravah, pametnih urah in kamerah. Potencialna rešitev je prenos znanja, kjer znanje večjega modela nevronske mreže destiliramo v pomanjšan model nevronske mreže, ki se lahko potem uporablja na robnih napravah. V diplomskem delu smo preizkusili koncept destilacije na klasifikacijskih problemih, ga prenesli na regresijske probleme ter analizirali učinkovitost z uporabo klasičnih metrik uspešnosti.
Ključne besede: strojno učenje, destilacija znanja, prenos znanja, nevronska mreža
Objavljeno v DKUM: 24.10.2022; Ogledov: 359; Prenosov: 25
Celotno besedilo (2,54 MB) |
4. |
5. Priporočilni sistem in mobilna aplikacija za ustvarjanje fitnes treningaDejan Zajc, 2018, diplomsko delo/naloga Opis: Priporočilni sistemi se zaradi velikega števila informacij vedno bolj uveljavljajo. Enako velja na fitnes področju, kjer ljudje nimajo časa, denarja ali motivacije za obisk fitnes centrov.
V diplomskem delu predstavimo priporočilni sistem za ustvarjanje fitnes treninga. Pri tem uporabimo vsebinsko priporočanje. Uporabo priporočilnega sistema omogočimo z implementacijo spletne storitve, ki jo kličemo v mobilni aplikaciji. V teoretičnem delu opišemo uporabljen pristop vsebinskega priporočanja in samo logiko priporočanja. V praktičnem delu implementiramo spletno storitev in mobilno aplikacijo.
Ključne besede: priporočilni sistem, vsebinsko priporočanje, hibridna mobilna aplikacija, Ionic
Objavljeno v DKUM: 26.08.2020; Ogledov: 1499; Prenosov: 174
Celotno besedilo (1,70 MB) |
6. |
7. Avtomatiziran sistem za borzno trgovanje : diplomsko deloMatevž Celcer, 2019, diplomsko delo Opis: Namen diplomskega dela je bila raziskava in implementacija sodobnih načinov predvidevanja prihodnjih vrednosti delnic. Razloženi so koncepti borznega in avtomatiziranega trgovanja in japonske svečke. Uporabljeni so bili algoritmi RNN, AR, MA in ARIMA. Izdelek je napisan v celoti v programskem jeziku Python, ključni moduli za razvoj so bili Numpy, Pandas, Statsmodels in Keras. Uporabljena je bila verzija Python 3.7.1.
Ključne besede: časovne vrste, avtoregresivna časovna vrsta, AR, tekoče povprečje MA, ARIMA, ponavljajoče se nevronske mreže, RNN, avtomatizirano borzno trgovanje, japonske svečke
Objavljeno v DKUM: 21.11.2019; Ogledov: 817; Prenosov: 80
Celotno besedilo (1,38 MB) |
8. Napovedovanje zmagovalca nogometne tekme z rekurentno nevronsko mrežo LSTM : diplomsko deloNejc Planer, 2019, diplomsko delo Opis: V diplomskem delu so predstavljene rekurentne nevronske mreže in primer njihove uporabe. V prvem delu je razloženo njihovo delovanje in vrsti nevronov, od katerih se kasneje uporabi celica LSTM (dolgo-kratko ročna spominska celica). To je aplicirano tudi na primerih napovedovanja zmagovalca, ali pade več kot 1,5 ali 2,5 gola na tekmo in ali obe ekipi zadeneta. Napovedljivost zmagovalca ligaških tekem je od 61 do 72 odstotkov, zmagovalca nogometnih turnirjev pa od 65 do 70 odstotkov. Uporabljene so angleška, francoska, italijanska, nemška, španska in slovenska liga ter tekmovanji Copa America in svetovno prvenstvo.
Ključne besede: napovedovanje, rekurentne nevornske mreže, celica LSTM, nogomet, umetna inteligenca
Objavljeno v DKUM: 04.09.2019; Ogledov: 1776; Prenosov: 239
Celotno besedilo (2,17 MB) |
9. Sistem za naročanje prehrane s pomočjo platforme Raspberry Pi : diplomsko deloMatevž Bencik, 2019, diplomsko delo Opis: V diplomskem delu opisujemo izvedbo sistema za naročanje prehrane, ki deluje na računalniku Raspberry Pi 3B+. Spoznamo družino računalnikov Raspberry Pi, programski jezik Python, tehnologijo NFC, grafne podatkovne baze in priporočilne sisteme. Razvijemo sistem, ki omogoča identifikacijo uporabnika z uporabo kartice NFC, izbiro malice za naslednjih 5 dni in priporočanje izbire malice. Priporočilni sistem deluje po principu vsebinskega priporočanja. Naša rešitev deluje v programskem jeziku Python, uporabniški vmesnik pa je narejen s pomočjo ogrodja Flask. Vsi podatki so shranjeni v grafni podatkovni bazi Neo4j. Identifikacija uporabnika s kartico NFC je izdelana s pomočjo razširitvene plošče EXPLORE-NFC.
Ključne besede: Raspberry Pi, priporočilni sistem, grafna podatkovna baza, NFC
Objavljeno v DKUM: 04.09.2019; Ogledov: 1481; Prenosov: 211
Celotno besedilo (2,17 MB) |
10. |
