1. Celovita primerjava operacijskih sistemov iz družine BSD : diplomsko deloAndrej Gerl Vicman, 2022, diplomsko delo Opis: V diplomskem delu smo primerjali, analizirali in predstavili razlike med tremi najvidnejšimi predstavniki operacijskih sistemov iz družine BSD, in sicer NetBSD, OpenBSD in FreeBSD. Najprej smo predstavili vsakega izmed njih, razlike, zgodovino, zasnovo jedra ter področje varnosti. S pomočjo primerjalne študije smo predstavili njihove lastnosti, značilnosti, zmogljivosti in razlike med njimi. Vse tri smo s pomočjo zmogljivostnih testov preizkusili in primerjali rezultate. Ugotovili smo, kateri operacijski sistem ponuja največjo zbirko paketov, kateri je najbolj varen in kateri je najbolj uporaben za povprečnega uporabnika.
Ključne besede: BSD, operacijski sistem, primerjava
Objavljeno v DKUM: 25.10.2022; Ogledov: 103; Prenosov: 10
 Celotno besedilo (887,67 KB) |
2. Metoda prilagodljivega uglaševanja slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja : doktorska disertacijaGrega Vrbančič, 2021, doktorska disertacija Opis: V doktorski disertaciji predstavimo problematiko izbire uglaševanih slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja. Z izvedeno analizo vpliva izbire uglaševanih slojev konvolucijske nevronske mreže na uspešnost učenja potrdimo domnevo, da je primerna izbira uglaševanih slojev s ciljem doseganja visoke klasifikacijske uspešnosti odvisna od izbrane arhitekture konvolucijske nevronske mreže ter ciljnega problema oz. izbrane podatkovne zbirke. Z namenom naslovitve problema izbire uglaševanih slojev razvijemo in predlagamo prilagodljivo metodo DEFT, ki temelji na algoritmu diferencialne evolucije in deluje popolnoma samodejno, ne glede na uporabljeno arhitekturo konvolucijske nevronske mreže ali ciljni problem. Zaradi velike časovne kompleksnosti predlagane metode v nadaljevanju razvijemo in predlagamo na funkciji izgube temelječo metriko LDM, ki v zgodnji fazi učenja uspešno zaznava manj primerne izbire uglaševanih slojev, kar nam omogoča, da za zaznane manj primerne izbire uglaševanih slojev predčasno zaključimo učenje in na tak način zmanjšamo časovno zahtevnost predlagane metode. Uspešnost predlagane metode ovrednotimo z uporabo treh različnih arhitektur globokih konvolucijskih mrež nad tremi raznolikimi slikovnimi podatkovnimi zbirkami. Klasifikacijsko uspešnost predlagane metode z in brez uporabe metrike LDM smo primerjali s klasičnimi pristopi učenja globokih konvolucijskih nevronskih mrež. Primerjavo izvedemo z uporabo najpogostejših klasifikacijskih metrik, časom, potrebnim za učenje, ter porabljenim številom epoh. Rezultate smo preverili z uporabo klasičnih metod statistične analize kot tudi z naprednim pristopom Bayesove analize. Izsledki slednje so potrdili tezo, da je mogoče z uporabo metode prilagodljivega uglaševanja slojev konvolucijske nevronske mreže uspešno nasloviti problem izbire slojev ter da lahko z uporabo metrike LDM za zaznavo manj primernih izbir uglaševanih slojev učinkovito zmanjšamo število epoh, potrebnih za učenje, ob doseganju primerljivih rezultatov.
Ključne besede: strojno učenje, globoko učenje, učenje s prenosom znanja, klasifikacija, uglaševanje, optimizacija
Objavljeno v DKUM: 19.10.2021; Ogledov: 712; Prenosov: 138
Celotno besedilo (5,35 MB) |
3. |
4. Uporaba globokega učenja s knjižnico Deeplearning4j na primeru prepoznave obrazovGrega Vrbančič, 2017, magistrsko delo Opis: V magistrskem delu smo se dotaknili področja globokega učenja, spoznali smo pristope in arhitekture algoritmov globokega učenja ter jih kategorizirali v tri skupine. V nadaljevanju smo podrobneje analizirali knjižnico Deeplearning4j, predstavili osnovne funkcionalnosti ter raziskali njene možnosti za uporabo na področju globokega učenja. V praktičnem delu smo uporabo globokega učenja s knjižnico Deeplearning4j aplicirali na primeru prepoznave obrazov. Implementirali smo dve različici konvolucijskih nevronskih mrež ter dva načina učenja – lokalno ter porazdeljeno učenje.
Ključne besede: strojno učenje, globoko učenje, Deeplearning4j, prepoznava obraza
Objavljeno v DKUM: 17.10.2017; Ogledov: 1188; Prenosov: 225
Celotno besedilo (7,06 MB) |
5. Razvoj spletne aplikacije za analitiko podatkov v realnem času s Spring XDGrega Vrbančič, 2015, diplomsko delo Opis: Živimo v sodobni informacijski družbi, katera nevedoč, na vsakem koraku z uporabo trenutnih razpoložljivih tehnologij ter spleta, dnevno ustvari več eksabajtov podatkov v različnih oblikah. Želja po pridobivanju dodane vrednosti – znanja, iz na prvi pogled nepomembnih podatkov, je v gospodarstvu prisotna že dalj časa, kot so tudi že dalj časa prisotne tehnike, metode za analitiko podatkov. Te so se razvile do te mere, da nam lahko v sprejemljivem času ponudijo rezultate naših povpraševanj. Kljub temu pa ostaja želja po instantnem pridobivanju rezultatov, analitiki podatkov praktično v trenutku, ko se ti ustvarijo. V diplomskem delu smo se posvetili uporabi platforme Spring XD ter v povezavi z njo razvili spletno aplikacijo za analitiko podatkov v realnem času.
Ključne besede: analitika podatkov, spletna aplikacija, Spring XD, masovni podatki
Objavljeno v DKUM: 14.10.2015; Ogledov: 1534; Prenosov: 103
Celotno besedilo (4,80 MB) |
