21. Brezkontaktni sistem za spremljanje delovnih ur s pomočjo platforme Raspberry Pi : diplomsko deloJan Alojz Gačnik, 2022, diplomsko delo Opis: Namen diplomskega dela je izdelava sistema, s katerim bi lahko brezkontaktno evidentirali
delovne ure. To smo storili s pomočjo računalnika Raspberry Pi, na katerem smo z orodjem
Node-RED preverjali prisotnost posameznika preko njegovih delovnih postaj in pametnih
naprav. Za shranjevanje podatkov uporabimo dokumentno podatkovno bazo MongoDB, za
prikaz informacij pa razvijemo Android aplikacijo. Vse to povezujemo s spletno aplikacijo
Spring Boot, katera zbrane podatke tudi obdeluje, nato pa razvito rešitev primerjamo z že
obstoječimi načini evidentiranja delovnih ur. Ključne besede: Raspberry Pi, Spring Boot, Android, Node-RED Objavljeno v DKUM: 04.08.2022; Ogledov: 1454; Prenosov: 128
Celotno besedilo (2,00 MB) |
22. Primerjava ogrodij za domorodne in hibridne mobilne aplikacije Kotlin za Android in Apache Cordova : diplomsko deloMarija Milikjevikj, 2022, diplomsko delo Opis: V diplomskem delu smo primerjali ogrodji Kotlin za Android in Apache Cordova, tako, da
smo naredili primerjavo v hitrosti delovanja, uporabi pomnilnika in odzivnosti grafičnega
vmesnika med domorodno ter hibridno mobilno aplikacijo na več enostavnih praktičnih
primerih. Z implementacijo in primerjavo mobilnih aplikacij z enakim delovanjem v obeh
ogrodjih smo dokazali, da aplikacije implementirane v Kotlinu za Android delujejo hitreje,
so bolj odzivne in porabijo manj pomnilnika od hibridnih aplikacij, implementiranih v
ogrodju Apache Cordova. Ključne besede: Cordova, Android, Kotlin, domorodna mobilna aplikacija, hibridna mobilna
aplikacija Objavljeno v DKUM: 28.06.2022; Ogledov: 1038; Prenosov: 113
Celotno besedilo (1,84 MB) |
23. Zasebnostni vidik "mHealth" aplikacij na platformah iOS in Android : magistrsko deloAljaž Zajc, 2022, magistrsko delo Opis: V magistrskem delu smo preučili, koliko osebnih podatkov od svojih uporabnikov zbirajo proizvajalci mobilnih aplikacij na platformah iOS in Android. Pregledali smo različne vrste osebnih podatkov in dovoljenj, ki jih aplikacije iz različnih kategorij ob njihovi uporabi zahtevajo od uporabnika. Preučili smo več kot 2500 besedil politike o zasebnosti različnih aplikacij in iz njih izluščili vrste osebnih podatkov in dovoljenj. To smo storili s pomočjo implementacije algoritma za obdelavo besedil politike o zasebnosti, katerega namen je bil dobiti boljši vpogled v količino zbranih podatkov. S pomočjo rezultatov algoritma smo izvedli še statistične analize, na podlagi katerih smo ugotovili, da brezplačne mobilne aplikacije zbirajo več podatkov kot plačljive. Prav tako smo ugotovili, da medicinske aplikacije zbirajo več zdravstvenih podatkov od uporabnika kot ostale aplikacije, ki ne spadajo v kategorijo medicinskih. Ugotovili smo še, da prihaja do neujemanj med dovoljenji, ki smo jih pridobili iz besedil politike o zasebnosti, in tistimi, ki so napisna na spletni strani Google Play. Iz besedil politike o zasebnosti je bilo razbrati večje število zahtev po dovoljenjih kot pa je bilo to prikazano na spletni strani Google Play. Ključne besede: Politika o zasebnosti, nltk, mHealth, iOS, Android Objavljeno v DKUM: 12.04.2022; Ogledov: 940; Prenosov: 99
Celotno besedilo (2,15 MB) |
24. Razpoznava govorcev na mobilni platformi : magistrsko deloJože Fartek, 2021, magistrsko delo Opis: V magistrskem delu smo predstavili osnove razpoznave govorcev. V ta namen smo najprej opisali izračun vokalnih značilnic. Podrobneje smo predstavili metodo izračuna mel-frekvenčnih kepstralnih koeficientov (MFCC) in prednosti metode v primerjavi z ostalimi pristopi. Opisali smo tudi učenje glasovnih modelov in novejši metodi, ki temeljita na supervektorjih. Na podlagi tega smo v nadaljevanju magistrskega dela razvili Androidovo mobilno aplikacijo, ki v realnem času razpoznava govorce. Pri razpoznavi govorcev smo se omejili na razpoznavo le nekaj oseb. Iz zvočnih posnetkov posameznih govorcev smo izračunali MFCC in jih uporabili za učenje glasovnega modela s pomočjo konvolucijske nevronske mreže. Za optimizacijo parametrov smo primerjali, kako različni parametri vplivajo na učenje glasovnega modela. Primerjali smo, kako dolžina zvočnih posnetkov v razponu 0,5–3 sekunde vpliva na uspešnost razpoznave. Ugotovili smo, da uspešnost modela z večanjem dolžine zvočnega posnetka vse do 1,5 sekunde narašča, nato pa se naraščanje ustavi. Pri primerjavi števila MFCC med 16 in 128 uspešnost modela do 48 MFCC narašča, nato pa se naraščanje ustavi. Pri primerjavi nivoja izpuščenih nevronov med 0 in 0,7 dobimo boljšo natančnost modela z večanjem nivoja izpuščenih nevronov do 0,5, nato pa začne uspešnost padati. Glede na primerjavo smo pri učenju glasovnega modela uporabili zvočne posnetke dolžine 1 sekunde, 32 izračunanih MFCC in nivo izpuščenih nevronov 0,4. Pri tem smo dobili 88-odstotno natančnost modela. Pri razpoznavi smo ugotovili, da hitrost govora vpliva na uspešnost razpoznave, medtem ko glasnost govora nanjo ne vpliva. Testiranje smo izvajali na mobilni napravi LG G7 ThinQ. Izračun MFCC na mobilni napravi je v povprečju trajal 170 milisekund, razpoznava z modelom TensorFlow Lite pa le 8 milisekund. Ključne besede: razpoznava govorcev, mel-frekvenčni kepstralni koeficienti, konvolucijske nevronske mreže, Android Objavljeno v DKUM: 31.01.2022; Ogledov: 947; Prenosov: 70
Celotno besedilo (3,95 MB) |
25. |
26. |
27. Jedro operacijskega sistema Android in simulator dodeljevanja delovnega pomnilnika : diplomsko deloDomagoj Smolić, 2021, diplomsko delo Opis: V diplomskem delu smo preučevali jedro operacijskega sistema Android. Pregledno smo opisali najpomembnejše komponente jedra. Podrobneje smo preštudirali in opisali delovanje komponente za upravljanje z delovnim pomnilnikom. V praktičnem delu te diplomske naloge smo izdelali simulator te komponente. Namen simulatorja je olajšati učenje izbranih konceptov s področja operacijskih sistemov. Simulator za upravljanje delovnega pomnilnika je izdelan v jeziku C++ z ogrodjem Qt in vsebuje grafični vmesnik za boljšo vizualizacijo delovanja komponente. Naša rešitev simulira delovanje podsistemov za dodelitev in sprostitev pomnilnika, povračilo strani in logični spomin. Pri izdelavi simulatorja smo težili k čim večji podobnosti dejanskem jedru androida. Simulator smo izčrpno testirali, v diplomskem delu pa smo demonstrirali nekaj scenarijev uporabe našega simulatorja. Uspešnost naše rešitve smo na koncu potrdili še s preprostim preizkusom uporabnikovega zadovoljstva. Naš simulator je primeren kot demonstracijsko orodje v študijskem procesu. Ključne besede: Android, Linux jedro, delovni pomnilnik, simulator Objavljeno v DKUM: 18.10.2021; Ogledov: 900; Prenosov: 65
Celotno besedilo (1,50 MB) |
28. |
29. Razvoj sistema za realnočasovni prenos zvočnega posnetka v lokalnem omrežju : diplomsko deloAljaž Šimunić, 2021, diplomsko delo Opis: Pri glasbenih nastopih v živo nastaja težava, ko glasbeniki ne slišijo svojega petja oz. igranja. Ta težava se rešuje s t. i. monitorji – zvočniki, ki se uporabljajo za spremljanje igranja in petja posameznega glasbenika. Obstoječi sistemi so učinkoviti, vendar cenovno dragi. V diplomskem delu se predlaga nov sistem, ki temelji na mobilnih tehnologijah. Za zajemanje zvoka se uporabi digitalna mešalna miza, ki je povezana s strežnikom, za oddajanje zvoka pa se uporabi ločen usmerjevalnik na frekvenci 5 GHz. Uporabniki zvok sprejemajo s svojimi mobilnimi telefoni, podprtimi z operacijskim sistemom Android ali iOS. Predlagana rešitev je cenovno ugodnejša od obstoječih sistemov, saj za svoje delovanje uporablja nenamenske strojne komponente. Ključne besede: mobilne tehnologije, Android, iOS, realnočasovni prenos podatkov, prenos zvočnega posnetka Objavljeno v DKUM: 18.10.2021; Ogledov: 707; Prenosov: 58
Celotno besedilo (995,30 KB) |
30. Pametni pomočnik za vožnjo po dirkaški stezi na operacijskem sistemu Android : diplomsko deloMarko Watzak, 2021, diplomsko delo Opis: Že vse odkar se je človek trudil naučiti stroj določenih veščin predvidevanja in lastne inteligence, je tukaj prisotno strojno učenje. Nemalo kdo je že velikokrat poprej prišel na misel, da bi lahko z uporabo strojnega učenja izboljšali različne športe, med drugim tudi avtomobilske. V tem diplomskem delu smo podali namen, kjer lahko skupaj s strojnim učenjem poskusimo izboljšati vožnjo posameznika na dirkaški stezi in to uspešno zabeležiti ter predstaviti na človeku razumljiv način. V našem delu smo opisali načine za reševanje problema, podali razvojna okolja in tehnologijo ter prikazali izsledke. Analizo vožnje je bilo mogoče uspešno izvesti in uspešno interpretirati dobljene rezultate v različnih scenarijih. Ključne besede: OBD, OBD II, strojno učenje, Java, Android Objavljeno v DKUM: 18.10.2021; Ogledov: 1027; Prenosov: 80
Celotno besedilo (2,37 MB) |