| | 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 / 36
Na začetekNa prejšnjo stran1234Na naslednjo stranNa konec
1.
Osnovni algoritmi gručenja
Niko Lukač, 2021, drugo učno gradivo

Ključne besede: algoritmi gručenja, algoritmi
Objavljeno: 10.06.2021; Ogledov: 67; Prenosov: 8
.pdf Celotno besedilo (851,54 KB)

2.
Algoritmi za indeksiranje spletnih virov
Niko Lukač, 2021, drugo učno gradivo

Ključne besede: algoritmi, spletni viri, indeksiranje spletni virov, učbeniki
Objavljeno: 10.06.2021; Ogledov: 66; Prenosov: 9
.pdf Celotno besedilo (495,66 KB)

3.
Algoritmi za uvrstitev spletnih strani
Niko Lukač, 2021, drugo učno gradivo

Ključne besede: algoritmi, spletne strani, e-gradiva
Objavljeno: 13.05.2021; Ogledov: 107; Prenosov: 9
.pdf Celotno besedilo (900,81 KB)

4.
Iskanje ranljivosti XSS v spletnih aplikacijah z uporabo metod strojnega učenja
Ivan Kozulić, 2020, magistrsko delo

Opis: Cross-site scripting (XSS) napadi še vedno predstavljajo veliko varnostno tveganje pri spletnih aplikacijah. V magistrskem delu predstavljamo metodo za iskanje ranljivosti v JavaScript programski kodi, pri čemer smo uporabili algoritme strojnega učenja. V teoretičnem delu najprej opišemo osnovne koncepte napadov XSS in z njimi povezane ranljivosti. Predstavimo tudi sorodne pristope za iskanje ranljivosti XSS. V praktičnem delu magistrskega dela pa se posvetimo načinu izračuna značilnic iz JavaScript kode ter pripravi učne in testne množice. Na podlagi značilnic smo usposobili model strojnega učenja za ločevanje ranljivih od neranljivih aplikacij. Iz rezultatov sklepamo, da je metoda učinkovita in nudi dodatno podporo pri odkrivanju ranljivosti XSS.
Ključne besede: varnost spletnih aplikacij, XSS, JavaScript, strojno učenje
Objavljeno: 04.11.2020; Ogledov: 109; Prenosov: 33
.pdf Celotno besedilo (1,24 MB)

5.
Napovedovanje geoprostorskih rastrskih podatkov s konvolucijskimi nevronskimi mrežami
Mitja Žalik, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo uporabo konvolucijskih nevronskih mrež za napoved geoprostorskih rastrskih podatkov. V prvem delu opišemo geoprostorske podatke in zgradbo ter značilnosti konvolucijskih nevronskih mrež. V drugem delu predlagamo model nevronske mreže, ki ga uporabimo za dolgoročno napoved sončnega potenciala in kratkoročno napoved vegetacijskega indeksa NDVI. Povprečna napaka po metriki NRMSE znaša 0,22% pri napovedi sončnega potenciala in 15% pri napovedi indeksa NDVI. Diplomsko delo zaključimo s predlogi možnih razširitev.
Ključne besede: umetna inteligenca, globoko učenje, konvolucijske nevronske mreže, geoprostorski podatki, rastrski podatki
Objavljeno: 04.11.2020; Ogledov: 135; Prenosov: 46
.pdf Celotno besedilo (3,14 MB)

6.
Analiza parametrov leta letala v tekmovanju Air race
Mark Travner, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo potek procesa analize leta letala v tekmovanju Air race. Predstavimo potek priprave podatkov, ki jih iz zajemnih enot pretvorimo v format CSV. Za analizo teh podatkov nato uporabimo aplikacijo MTAS, ki smo jo razvili v okviru diplomskega dela in jo podrobneje opišemo. Na koncu rezultate analize primerjamo z alternativnimi metodami, kot so video analiza in analiza časov.
Ključne besede: vmesnik, grafični vmesnik, video analiza, statistična analiza, tekmovanje air race
Objavljeno: 04.11.2020; Ogledov: 134; Prenosov: 19
.pdf Celotno besedilo (914,25 KB)

7.
Sistem za avtomatsko preizkušanje grafičnih uporabniških vmesnikov
Blaž Vidovič, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo metodo za samodejno preizkušanje grafičnih uporabniških vmesnikov. Predstavimo načine preizkušanja in sodobne izboljšave avtomatizacije preizkušanja. Pri tem proučimo ustaljene pristope avtomatskega preizkušanja grafičnih uporabniških vmesnikov in predstavimo zasnovo lastnega sistema za avtomatsko preizkušanje, ki deluje na principu zajema vnosov in ponovnega izvajanja testnih primerov. V rezultatih predstavimo uspešno delovanje sistema na dveh znanih namiznih aplikacijah.
Ključne besede: preizkušanje, avtomatizacija, grafični uporabniški vmesnik
Objavljeno: 03.11.2020; Ogledov: 133; Prenosov: 24
.pdf Celotno besedilo (1,11 MB)

8.
Napovedovanje časovnih vrst z uporabo povratnih nevronskih mrež
Niko Uremovič, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo napovedovanje multivariatnih časovnih vrst z uporabo povratnih nevronskih mrež, ter primernost pristopa k napovedovanju preizkusimo na področju energetike. Za pametno krmiljenje električnih naprav je namreč nujno potrebno poznavanje posledic, ki jih imajo naše akcije na stanje naprav in njihove okolice. Stanje naprav definira več spremenljivk, zato spreminjanje stanja skozi čas opisuje multivariatna časovna vrsta. Za električno napravo grelnik vode pripravimo napovedni model, ki temelji na povratni nevronski mreži arhitekture LSTM. Ker pa se lastnosti naprave in s tem opisujoče časovne vrste lahko s časom spreminjajo, moramo za ohranjanje natančnostosti napovednega modela le-tega sproti prilagajati. V diplomskem delu predstavimo različne strategije sprotnega učenja modela in primerjamo njihovo učinkovitost na napovednem modelu za grelnik vode.
Ključne besede: Multivariatne časovne vrste, napovedovanje časovnih vrst, povratne nevronske mreže, katastrofalno pozabljanje
Objavljeno: 03.11.2020; Ogledov: 257; Prenosov: 29
.pdf Celotno besedilo (1,50 MB)

9.
Sistem za avtomatsko testiranje spletnih aplikacij z uporabo ogrodja selenium
Leon Kutoš, 2020, diplomsko delo

Opis: V diplomskem delu se osredotočimo na avtomatsko testiranje spletnih aplikacij. Pri tem uporabimo pristop testiranja bele škatle in ogrodje Selenium. Razvili smo čelni in zaledni podsistem za avtomatsko testiranje, pri čemer je interakcija z uporabo prijaznega uporabniškega vmesnika. Testirali smo tri spletne aplikacije: Aips, Bolho ter Funtech. Pri vseh treh aplikacijah je test bil izveden uspešno. Implementiran sistem prinaša visoko fleksibilnost za testiranje raznolikih spletnih aplikacij in neodvisnost od strojne opreme.
Ključne besede: Avtomatsko testiranje, spletna aplikacija, test bele škatle, Selenium.
Objavljeno: 03.11.2020; Ogledov: 169; Prenosov: 21
.pdf Celotno besedilo (719,70 KB)

10.
Klasifikacija časovnih vrst s konvolucijskimi nevronskimi mrežami
Domen Kavran, 2020, magistrsko delo

Opis: V magistrskem delu predstavimo klasifikacijo časovnih vrst z uporabo konvolucijskih nevronskih mrež. Klasifikacija je izvedena nad časovno-frekvenčnimi predstavitvami časovnih vrst, ki so pridobljene z različnimi metodami časovno-frekvenčne analize. Zasnovali smo več arhitektur konvolucijskih nevronskih mrež za klasifikacijo časovnih vrst. Optimizacijski algoritmi za učenje konvolucijskih nevronskih mrež so uporabljali napredno izgubno funkcijo, imenovano žariščna izguba. Za najuspešnejšo metodo izračuna časovno-frekvenčnih predstavitev časovnih vrst se je izkazala zvezna valčna transformacija, s katero smo dosegli povprečno natančnost klasifikacije 90,07 %. Združitev različnih časovno-frekvenčnih predstavitev je izboljšala povprečno natančnost klasifikacije na 92,01 %.
Ključne besede: klasifikacija, globoko učenje, konvolucijske nevronske mreže, časovne vrste, časovno-frekvenčna analiza
Objavljeno: 03.07.2020; Ogledov: 319; Prenosov: 122
.pdf Celotno besedilo (10,95 MB)

Iskanje izvedeno v 0.33 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici