| | 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 / 91
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Okrepitveno učenje agentov za igranje iger v pogonu Unity
Jan Banko, 2021, magistrsko delo

Opis: V magistrskem delu obravnavamo algoritme okrepitvenega učenja na primeru igranja računalniških iger. Namen magistrskega dela je implementacija igre v okolju Unity in analiza učinkovitosti algoritmov okrepitvenega učenja računalniškega igralca. Opisane so teoretične osnove okrepitvenega učenja, podrobneje pa so predstavljeni algoritmi PPO (angl. Proximal Policy Optimization), SAC (angl. Soft Actor Critic) in DQN (angl. Deep Q-Network), ki so uporabljeni v končni analizi. Rezultati so pokazali, da je bilo učenje agenta v celoti gledano uspešno. V testnem okolju se je najbolje odrezal algoritem PPO, z uporabo katerega je naučen agent v povprečju dosegal 86,4% maksimalne možne nagrade, najslabše pa algoritem DQN, ki ni primeren za uporabo v implementiranem testnem okolju.
Ključne besede: okrepitveno učenje, računalniške igre, Unity, agent, strojno učenje
Objavljeno: 17.06.2021; Ogledov: 123; Prenosov: 30
.pdf Celotno besedilo (1,04 MB)

2.
Phase-Functioned neural networks for computer character control
Ivan Gradečak, 2020, magistrsko delo

Opis: Metode strojnega učenja so v zadnjem desetletju omogočile preboj v učinkovitosti računalnikov pri reševanju problemov, kot so prepoznavanje slik, klasifikacija besedila in podatkovno rudarjenje. Eden od najbolj uspešnih pristopov so rešitve z uporabo umetnih nevronskih mrež, ki se zgledujejo po bioloških nevronskih mrežah in zmožnostjo človeka, da opravlja kompleksne naloge. Da bi dosegle dobro zmogljivost, umetne nevronske mreže uporabljajo veliko medsebojno povezanih enostavnih celic, oziroma nevronov. Da lahko nevronska mreža učinkovito rešuje nek problem, jo je potrebno učiti. Učenje poteka s pomočjo učne množice vzorcev, ki za dane vhodne podatke vsebujejo tudi znane izhodne rezultate (npr. oznako razreda vhodnega vzorca). Na takšen način deluje nevronska mreža v tej magistrski nalogi za animiranje in krmiljenje računalniških likov. Animacije v filmih, simulacijah in video igrah zahtevajo sodobne pristope in pred kratkim predstavljena nevronska mreža z uporabo fazne funkcije (PFNN [8]), ki smo jo preučili v tem delu, zagotavlja enega od najbolj obetavnih pristopov. Vhodi mreže so podatki o položaju in hitrosti premikanja sklepov računalniškega lika, ter podatki o višinah terena v točkah trajektorije. Prav tako so vhodi v mrežo normalizirane vrednosti, ki povedo, ali računalniški lik stoji na mestu, hodi, beži, čepi, skače ali je naletel na steno in se mora ustaviti. Izhodi mreže za krmiljenje računalniških likov se računajo v vsakem okvirju animacije in predstavljajo trenutno stanje sklepov lika in predvideno usmeritev hoje v prihodnosti. Del izhodov nevronske mreže uporabimo v naslednjem okvirju kot vhode, ki jih zlijemo s krmilnimi podatki uporabnika. Učenje se izvaja na predhodno obdelanem naboru podatkov, ki so ga avtorji PFNN posneli z metodo zajemanja gibanja v studiu. Po snemanju so podatke razširili z zrcaljenjem in jih prenesli v virtualno okolje ter tako dobili večjo učno množico za uspešnejše učenje nevronske mreže. Arhitektura nevronske mreže s fazno funkcijo je triplastna mreža z veriženjem naprej, ki ima 342 vhodnih in 311 izhodnih spremenljivk. Vsaka skrita plast ima 512 nevronov, in na obeh skritih plasteh se uporablja eksponentna linearna (ELU) aktivacijska funkcija, ki omili nezaželen pojav izginjajočega gradienta med učenjem nevronske mreže. Mreža je izdelana v programskem jeziku Python z uporabo knjižnice TensorFlow. Pri učenju mreže se uporablja optimizacijski algoritem Adam s prilagodljivo hitrostjo učenja. Na vsaki plasti se uporablja regularizacijska tehnika odpovedovanja nevronov, ki omejuje prekomerno prilagajanje modelov učni množici. V primerjavi z običajnimi nevronskimi mrežami z veriženjem naprej, uporablja PFNN posebno fazno funkcijo, s pomočjo katere interpolira med štirimi nabori uteži nevronske mreže na podlagi vrednosti fazne spremenljivke. Ti nabori uteži se vzporedno optimizirajo med učenjem nevronske mreže. V vsakem ciklu hoje fazna spremenljivka teče od 0 do 2pi, torej od takrat, ko ima računalniški lik desno nogo v kontaktu s terenom in jo začne dvigati, do takrat, ko jo postavi nazaj na tla. Za interpolacijo med različnimi nabori uteži je bil uporabljen kubični Catmull-Romov zlepek. Izhodi nevronske mreže se med učenjem uporabijo za izračun napake in posodabljanje vseh štirih naborov uteži. Nevronsko mrežo lahko uporabimo v demonstraciji krmiljenja animiranega lika, tako da se izhodi nevronske mreže zlijejo z uporabnikovimi krmilnimi signali za določanje položaja in hitrosti sklepov v kinematični verigi. Zlivanje krmilimo s faktorjem mešanja, ki omogoča uravnotežanje med natančnostjo krmiljenja in naravnostjo animacije računalniškega lika.
Ključne besede: umetna nevronska mreža, zajem gibanja, animacija, fazna funkcija, krmiljenje likov
Objavljeno: 01.12.2020; Ogledov: 224; Prenosov: 23
.pdf Celotno besedilo (4,53 MB)

3.
Strojno učenje računalniškega igralca v igri Havannah
Nino Serec, 2020, diplomsko delo

Opis: V zadnjih letih je bil na področju umetne inteligence z uporabo okrepitvenega učenja nevronskih mrež dosežen preboj pri sposobnostih računalnika za igranje iger na deski, kot je Go, pri katerih je bil človek doslej močnejši nasprotnik. V diplomskem delu raziščemo algoritem igranja iger AlphaZero, ki kombinira tehnike preiskovanja dreves Monte Carlo in okrepitvenega učenja nevronskih mrež. Algoritem začne brez posebnega predznanja o dobrih strategijah, vendar se moč algoritma s postopkom učenja, ki se ponavlja iterativno, konstantno povečuje. V diplomskem delu opišemo in implementiramo osnovno obliko AlphaZero za igranje igre Havannah. Naučimo več različic modela nevronskih mrež, kjer vsak naslednik premaga svojega prednika in postane prvak. S tem pokažemo, da se lahko računalniški igralec uči igranja igre Havannah samo s podanimi pravili igre, tako da je sposoben premagati povprečnega človeškega igralca.
Ključne besede: igra Havannah, drevesno preiskovanje Monte Carlo, nevronske mreže, okrepitveno učenje, tabula rasa
Objavljeno: 11.11.2020; Ogledov: 288; Prenosov: 60
.pdf Celotno besedilo (1,29 MB)

4.
Metode strojnega učenja za vektorsko vložitev vozlišč grafa
Vid Keršič, 2020, diplomsko delo

Opis: Graf je neevklidska podatkovna struktura, ki jo je težko neposredno analizirati z metodami strojnega učenja, ki obdelujejo podatke v vektorski obliki. Zaradi tega so v zadnjih letih postale priljubljene metode strojnega učenja za vektorsko vložitev, ki graf transformirajo v vektorski prostor. V diplomskem delu zgradimo graf iz člankov z angleške Wikipedije s sledenjem vsebovanim hiperpovezavam. Eksperiment izvedemo za filme in glasbene albume. Vozlišča dobljenega grafa vložimo v vektorski prostor, kar nam omogoči učinkovitejšo analizo grafa, pri kateri se osredotočimo na vizualizacijo, podobnost ter klasifikacijo filmov in albumov v žanre. Med seboj primerjamo vložitve metod DeepWalk, node2vec in SDNE. Pri klasifikaciji filmov v povprečju dosežemo 88,5 % točnost, pri albumih pa 89,3 % točnost.
Ključne besede: strojno učenje, graf, vložitev vozlišč, naključni sprehod, avtokodirnik
Objavljeno: 04.11.2020; Ogledov: 165; Prenosov: 53
.pdf Celotno besedilo (1,89 MB)

5.
Kratkoročno napovedovanje lokalnih vremenskih parametrov s konvolucijsko nevronsko mrežo
Aljaž Razpotnik, 2019, magistrsko delo

Opis: V magistrskem delu se ukvarjamo z napovedovanjem časovnih vrst. Časovno vrsto predstavljajo podatki vremenskih parametrov večjega števila krajev, ki smo jih pridobili iz spletnega arhiva Agencije Republike Slovenije za okolje. Za napovedovanje vremenskih parametrov izbranega kraja uporabimo pretekle podatke samega kraja in njegove okolice ter z njimi učimo napovedne modele ARIMAX, CART, GRU in kombinirani model CNN-LSTM. Pri kombiniranem modelu upoštevamo geografske soodvisnosti uporabljenih krajev, ki jih preslikamo v matriko. Iz predstavljenih rezultatov je razvidno, da sta najboljša modela za napovedovanje vremenskih parametrov GRU in CNN-LSTM.
Ključne besede: vremenski parametri, časovna vrsta, napovedovanje, nevronska mreža, regresijsko drevo
Objavljeno: 10.12.2019; Ogledov: 636; Prenosov: 145
.pdf Celotno besedilo (9,60 MB)

6.
Metode vrednotenja dobitkov pri kolutnih igrah na srečo
Robert Koprivnik, 2019, diplomsko delo

Opis: V okviru tega diplomskega dela predstavimo ozadje in koncepte kolutnih iger na srečo, ter opišemo izziv vrednotenja dobitkov pri teh igrah. Predstavimo in implementiramo preproste algoritme za tri načine vrednotenja, nato pa te algoritme nadgradimo tako, da pospešimo njihovo izvajanje ali podpremo kakšno dodatno funkcionalnost.
Ključne besede: kolutne igre na srečo, algoritem, vrednotenje dobitkov
Objavljeno: 22.11.2019; Ogledov: 228; Prenosov: 24
.pdf Celotno besedilo (1,96 MB)

7.
Primerjava modelov za napovedovanje porabe električne energije
Nik Novak, 2019, diplomsko delo

Opis: Uspešno napovedovanje porabe električne energije je pomembno z vidika ohranitve planeta, saj zaradi ustvarjanja viška porabljamo vire brez razloga. V diplomskem delu smo primerjali dva modela za napovedovanje porabe električne energije, in sicer nevronsko mrežo LSTM in model SARIMA za napovedovanje vrednosti v časovnih vrstah. Za testiranje modelov so bili uporabljeni podatki v tedenski ločljivosti, pridobljeni od podjetja Maked Energea, d. o. o. V rezultatih se je nevronska mreža LSTM pri uporabljenih nizih podatkov izkazala kot najboljša.
Ključne besede: strojno učenje, LSTM, RNN, SARIMA, napovedovanje, poraba električne energije.
Objavljeno: 21.11.2019; Ogledov: 455; Prenosov: 75
.pdf Celotno besedilo (2,02 MB)

8.
Program za vizualizacijo postopka iskanja maksimalnega pretoka v mrežah tokov
Kevin Šuc, 2019, diplomsko delo

Opis: Diplomsko delo zajema področje iskanja maksimalnega toka v mrežah tokov. Osrednji namen je implementacija grafične aplikacije, ki omogoča prikazovanje vmesnih korakov pri izvajanju Ford-Fulkersonove metode in algoritma potisni-povišaj. Aplikacijo smo implementirali v programskem jeziku C# z uporabo ogrodja Windows Forms in knjižnice Microsoft Automatic Graph Layout. Aplikacijo in oba algoritma za iskanje maksimalnega toka smo uspešno implementirali. Opravili smo primerjavo algoritmov in ugotovili, da algoritem potisni-povišaj, pri uporabljenih grafih, v povprečju izvede več vmesnih korakov kot Ford-Fulkersonova metoda. Posledično se dlje časa izvaja in ima tudi višjo povprečno porabo pomnilnika.
Ključne besede: maksimalni, pretok, vizualizacija, mreža, iskanje
Objavljeno: 13.11.2019; Ogledov: 263; Prenosov: 35
.pdf Celotno besedilo (2,22 MB)

9.
Visualization of alpha-beta game tree search
Emilija Taseva, 2019, diplomsko delo

Opis: Algorithms make up a crucial part of computer science studies. Learning and understanding new algorithms can be quite interesting, but also hard and complex, especially for students. Visualization can significantly help with the understanding of the dynamic behaviour of algorithms by visually displaying each step of the algorithm, its purpose and how it changes the data. Besides faster and more efficient learning, the better understanding can also lead to potential algorithm improvements in the future. The goal of this thesis is visualization of the alpha-beta tree search algorithm for determining the next optimal move in a two-player, zero-sum, complete information game. The algorithm is visualized using two games, Tic-Tac-Toe and Othello. The algorithm operation can also be demonstrated using a custom tree with parameters chosen by the user.
Ključne besede: algorithm visualization, minimax algorithm, alpha-beta pruning, adversarial search
Objavljeno: 08.11.2019; Ogledov: 451; Prenosov: 44
.pdf Celotno besedilo (1,52 MB)

10.
Interaktivna tvorba in prikaz obsežnih področij geometrijsko raznolikih dreves
Štefan Kohek, 2019, doktorska disertacija

Opis: V doktorski disertaciji predstavimo nov pristop za upodabljanje obsežnejših področij geometrijsko raznolikih dreves. Najprej predstavimo nov pristop za tvorbo geometrijskih modelov dreves, ki deluje s simulacijo toka delcev v smeri od listja proti deblu in tako omogoča določitev oblike drevesa na podlagi ovojnice krošnje. V nadaljevanju predlagamo vzporedno implementacijo za grafične procesne enote, ki omogoča interaktivno tvorbo geometrijsko raznolikih dreves med samim upodabljanjem brez opaznih zakasnitev. Večje število dreves prikažemo z interaktivno hitrostjo tako, da bližnja drevesa prikažemo v višjem nivoju podrobnosti in oddaljena v nižjem nivoju podrobnosti brez potrebe po obdelavi že ustvarjenih geometrijskih podatkov. Ker pri upodabljanju obsežnih gozdnih področij z geometrijskim pristopom ne moremo tvoriti vseh dreves naenkrat, v nadaljevanju disertacije predlagamo še nov pristop za volumetrično upodabljanje krošenj najbolj oddaljenih dreves znotraj grafičnega cevovoda. Predlagani pristop tvori listje implicitno med delovanjem algoritma metanja žarkov na grafični procesni enoti in ne zahteva tvorbe geometrijskih podatkov vnaprej. Tudi pri tem pristopu izhajamo iz opisa ovojnice krošnje, s čimer dosežemo enak videz krošenj kot v primeru tvorbe geometrijskih podatkov dreves. V nadaljevanju oba pristopa združimo v celovit pristop za interaktivno sprotno tvorbo in upodabljanje večjega števila dreves med sprehodom po sceni. V eksperimentalnem delu doktorske disertacije ovrednotimo hitrost tvorbe in upodabljanja dreves, s čimer demonstriramo primernost predlaganega pristopa za interaktivno upodabljanje večjega števila dreves. Na trenutno dostopni strojni opremi lahko tvorimo drevesa, sestavljena iz več kot 400.000 členkov, v manj kot 25 ms, kar omogoča sprotno tvorbo večjega števila dreves med upodabljanjem. S tem ko tvorimo drevesa neposredno v želenem nivoju podrobnosti, oddaljena drevesa ustvarimo in prikažemo v krajšem času. Na koncu še pokažemo, da je volumetrično upodabljanje krošenj oddaljenih dreves brez vmesne tvorbe geometrijskih podatkov hitrejše kot na podlagi vnaprej pripravljenih geometrijskih podatkov.
Ključne besede: algoritmi, modeliranje in simulacija, tvorba dreves, simulacija toka delcev, GPU, GPGPU, paralelno računanje, nivo podrobnosti, volumetrično upodabljanje, grafični cevovod, algoritem metanja žarkov
Objavljeno: 11.07.2019; Ogledov: 939; Prenosov: 120
.pdf Celotno besedilo (23,68 MB)

Iskanje izvedeno v 0.38 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici