| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 3 / 3
First pagePrevious page1Next pageLast page
1.
Izdelava pogovornega robota z rekurentno nevronsko mrežo LSTM : diplomsko delo
Tomaž Piko, 2020, undergraduate thesis

Abstract: V diplomskem delu so v prvem delu najprej predstavljeni pogovorni roboti in njihovi tipi, nato rekurentne nevronske mreže ter delovanje različnih celic, ki jih pri njih najpogosteje srečujemo. V drugem delu pa je prikazan primer implementacije in učenja rekurentne nevronske mreže LSTM (Long Short-Term Memory) ter izdelava mobilne aplikacije, v kateri lahko pisno komuniciramo z izdelano mrežo oziroma našim pogovornim robotom v slovenskem ali angleškem jeziku.
Keywords: pogovorni roboti, rekurentne nevronske mreže, celica LSTM, obdelava naravnih jezikov
Published in DKUM: 03.11.2020; Views: 1028; Downloads: 68
.pdf Full text (1,27 MB)

2.
Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami : diplomsko delo
David Pintarič, 2019, undergraduate thesis

Abstract: V diplomskem delu se ukvarjamo s problemom prepoznavanja aktivnosti osebe iz zaporedja slik, pri čemer prepoznavo poskušamo izboljšati z upoštevanjem časovne komponente. To dosežemo z uporabo povratnih nevronskih mrež. Omejili smo se na naslednje aktivnosti: oseba ni v ravnovesju, se pripogiba, stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, preučili povratne nevronske mreže, pripravili množico podatkov, zasnovali algoritem, izvedli eksperimente in na koncu analizirali rezultate. Rezultati na 25 označenih videoposnetkih so pri uporabi povratne nevronske mreže pokazali 83,24 % povprečno natančnost pri uporabi tipa zaporedje v vektor in 75,53 % povprečno natančnost pri uporabi tipa zaporedje v zaporedje. Kljub temu da so dobljeni rezultati boljši od tistih, kjer ne upoštevamo časovne komponente, ugotavljamo, da povratne nevronske mreže zaradi računske zahtevnosti niso vedno najboljša izbira.
Keywords: računalniški vid, povratna nevronska mreža, pomnilna celica LSTM, pomnilna celica GRU, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Published in DKUM: 23.11.2019; Views: 1256; Downloads: 250
.pdf Full text (3,78 MB)

3.
Napovedovanje zmagovalca nogometne tekme z rekurentno nevronsko mrežo LSTM : diplomsko delo
Nejc Planer, 2019, undergraduate thesis

Abstract: 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.
Keywords: napovedovanje, rekurentne nevornske mreže, celica LSTM, nogomet, umetna inteligenca
Published in DKUM: 04.09.2019; Views: 2011; Downloads: 244
.pdf Full text (2,17 MB)

Search done in 6.05 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica