1. Uvajanje digitalnih izdelkov na trgNuša Steiner, 2023, diplomsko delo Opis: Diplomsko delo se osredotoča na digitalne izdelke. Najprej predstavimo koncept življenjskega cikla izdelka, opredelimo nove izdelke ter opišemo njihov pomen za odjemalce in za uspešno delovanje podjetja. Nadaljujemo z opredelitvijo digitalnih izdelkov, predstavitvijo njihovih značilnosti ter klasificiranjem v tri skupine. Opozorimo na razlikovanje med digitalnimi in digitaliziranimi izdelki. Digitalizirani izdelki so hibridi, saj gre za prvotno fizične izdelke, ki jim je bila dodana digitalna komponenta. V povezavi z digitaliziranimi izdelki omenimo tudi pametne izdelke in internet stvari. Nato se posvetimo uvajanju digitalnih izdelkov na trg in značilnostim njihovega trženja. Opišemo načine ustvarjanja prihodkov z digitalnimi izdelki ter izpostavimo pomembnost posodabljanja takšnih izdelkov. Na koncu predstavimo tudi dva primera dobre prakse uvajanja digitalnih izdelkov na trg, namreč dve franšizi: Talking Tom & Friends in The Sims.
Ključne besede: digitalni izdelki, klasifikacija izdelkov, novi izdelki, uvajanje izdelkov na trg, razvoj izdelkov
Objavljeno v DKUM: 16.10.2023; Ogledov: 108; Prenosov: 8
 Celotno besedilo (998,18 KB) |
2. Analiza, načrtovanje in razvoj digitalne kripto denarnice : magistrsko deloTadeja Keršič, 2023, magistrsko delo Opis: Na trgu najdemo veliko različnih digitalnih denarnic. Obstajajo neskladja glede delitve digitalnih denarnic na posamezne skupine. Novi uporabniki imajo težave ob izbiri primerne digitalne denarnice zanje. Analizirali smo obstoječe rešitve, razložili delitev denarnic v podskupine ter predlagali odločitven model za izbiro digitalne kripto denarnice, pri čemer smo se še posebej fokusirali na lastnosti, ki jih le te podpirajo. Predstavili smo tudi, kako se lotimo načrtovanja in implementacije digitalne kripto denarnice.
Ključne besede: digitalna denarnica, kripto denarnica, tehnologija veriženja blokov, klasifikacija, načrtovanje, implementacija programske opreme
Objavljeno v DKUM: 12.10.2023; Ogledov: 133; Prenosov: 11
Celotno besedilo (8,97 MB) |
3. Detekcija napak na odlitkih z globokim učenjem : magistrsko deloTomo Pšeničnik, 2022, magistrsko delo Opis: Cilj magistrske naloge je preučiti detekcijo napak na odlitkih z uporabo konvolucijskih
nevronskih mrež. Predstavljena je klasifikacija slik dobrih in slabih odlitkov, ki temelji na
globokem učenju. Za učenje nevronske mreže smo uporabili obstoječo zbirko podatkov,
ki vsebuje več kot 7000 slik. Za izdelavo programa smo uporabili okolje Matlab s pomočjo
Deep learning toolbox vmesnika. Izdelali smo model konvolucijske nevronske mreže,
izvedli učenje in prikazali rezultate. V drugem delu smo rezultate želeli izboljšati, zato
smo se poslužili tehnike s prenosnim učenjem. Našim potrebam smo prilagodili obstoječo
AlexNet arhitekturo, naložili zbirko podatkov in izvedli učenje nevronske mreže. Na koncu
prikažemo rezultate kot je klasifikacijska točnost modela. Delovanje modela preizkusimo
še na testni množici slik, katere niso bile vključene v proces učenja.
Ključne besede: Globoko učenje, detekcija napak, klasifikacija, konvolucijska nevronska
mreža, odlitek
Objavljeno v DKUM: 09.12.2022; Ogledov: 395; Prenosov: 37
Celotno besedilo (3,25 MB) |
4. Spremljanje obrabe rezalnega orodja z uporabo umetne inteligence : diplomsko deloAndrej Jukić, 2022, diplomsko delo Opis: V diplomskem delu so na začetku predstavljena obravnavana področja, kjer se teoretično spoznamo s proizvodnimi sistemi, umetno inteligenco, klasifikacijo, učnimi algoritmi, merami za ocenjevanje in z obdelovalnim postopkom rezkanja. Bistvenega pomena je področje klasifikacije in mer za ocenjevanje, zaradi tega sta ti dve področji bolj podrobno opisani. Po teoretičnem izhodišču sledi poglavje praktične izvedbe, pri katerem smo predstavljeno teorijo uresničili. V tem sklopu so opisani trije poizkusi, kjer smo preverjali zastavljene teze s pomočjo gravirnega stroja Lakos 150 in računalniškega programa Matlab, ki je podpiral strojno učenje (klasifikacijo). S poizkušanjem smo tako potrdili vse teze, dosegli večino zastavljenih ciljev, pri čemer nismo dosegli glavnega cilja dela (uspešna klasifikacija glede na status orodja) zaradi strokovne zahtevnosti področja.
Ključne besede: umetna inteligenca, strojno učenje, klasifikacija, rezkanje
Objavljeno v DKUM: 25.10.2022; Ogledov: 333; Prenosov: 32
Celotno besedilo (2,03 MB)
Gradivo ima več datotek! Več... |
5. Klasifikacija glasbenega žanra glede na spektrogram zvočnega posnetka : diplomsko deloTadej Lahovnik, 2022, diplomsko delo Opis: V diplomskem delu smo se poglobili v izdelavo različnih tipov spektrogramov in klasifikacijo slik z uporabo konvolucijskih nevronskih mrež. Zanimalo nas je, ali je možno zanesljivo napovedati žanr zvočnega posnetka glede na spektrogram, ki mu pripada.
Tekom razvoja smo ustvarili tri različne tipe spektrogramov. Za vsak tip smo ustvarili ločen klasifikacijski model, nato pa smo iz vseh treh modelov sestavili klasifikacijski ansambel. Tako smo dobili najbolj zanesljive rezultate. Klasifikacijo smo nato ovrednotili s številnimi metrikami, kjer nas je najbolj zanimala sama točnost klasifikacije. Iz matrike zmede smo izčrpali najpogostejše napake pri klasifikaciji.
Ključne besede: klasifikacija, spektrogram, strojno učenje, nevronske mreže, glasbeni
žanr
Objavljeno v DKUM: 20.10.2022; Ogledov: 321; Prenosov: 42
Celotno besedilo (1,50 MB) |
6. Sortiranje fižolovih zrn z uporabo strojnega vida : magistrsko deloSamo Šlander, 2022, magistrsko delo Opis: V magistrskem delu je predstavljen projekt, ki temelji na zasnovi metode za sortiranje fižola s pomočjo strojnega vida. Njegov namen je nadomestiti ročno sortiranje. V delu je opisan tudi razvoj klasifikacijskega modela za razvrščanje slik fižola ter mehanskega koncepta. Prav tako je predstavljeno področje strojnega vida ter strojnega učenja. Na koncu pa je predstavljen nabor baze podatkov, razvrstitev slik po kategorijah z uporabo prenosnega učenja in algoritma k-najbližjih sosedov, ovrednotenje rezultatov le-teh ter koncept mehanske separacije.
Ključne besede: strojni vid, CNN, KNN, sortiranje fižola, klasifikacija
Objavljeno v DKUM: 28.06.2022; Ogledov: 565; Prenosov: 139
Celotno besedilo (5,66 MB) |
7. |
8. Primerjava metod jezikovnih tehnologij za odkrivanje lažnih novic : magistrsko deloNejc Lovrenčič, 2022, magistrsko delo Opis: Socialna omrežja in tradicionalni viri novic imajo velik vpliv na razmišljanje ter dejanja posameznikov v družbi. Napačna ali izmišljena dejstva in lažne novice lahko zato povzročijo veliko škodo. V sklopu magistrskega dela smo primerjali metode Naivni Bayes, logistično regresijo, nevronsko mrežo z dolgim kratkoročnim spominom in graf konvolucijsko nevronsko mrežo za odkrivanje lažnih novic. S preučitvijo sorodne literature in primerjavo metod smo ugotovili, da je težko prepoznati lažne novice zgolj s klasifikacijo besedila. Pri klasifikaciji novic na dva razreda se je najbolje izkazal logistična regresija, pri klasifikaciji na šest razredov pa nevronska mreža LSTM.
Ključne besede: jezikovne tehnologije, nevronske mreže, lažne novice, klasifikacija besedila
Objavljeno v DKUM: 11.05.2022; Ogledov: 560; Prenosov: 68
Celotno besedilo (1,36 MB) |
9. |
10. Strojno učenje : s Pythonom do prvega klasifikatorjaSašo Karakatič, Iztok Fister, 2022 Opis: Knjiga služi kot uvod v področje strojnega učenja za vse, ki imajo vsaj osnovne izkušnje s programiranjem. Pregledajo se pomembni pojmi strojnega učenja (model znanja, učna in testna množica, algoritem učenja), natančneje pa se predstavi tehnika klasifikacije in način ovrednotenja kvalitete modelov znanja klasifikacije. Spozna se algoritem klasifikacije k najbližjih sosedov in predstavi se uporaba tega algoritma – tako konceptualno kakor v programski kodi. Knjiga poda številne primere v programskem jeziku Python in okolju Jupyter Notebooks. Za namen utrjevanja znanja pa so ponujene naloge (tako računske, kot programerske) s podanimi rešitvami.
Ključne besede: strojno učenje, umetna inteligenca, klasifikacija, k najbližjih sosedov, Python
Objavljeno v DKUM: 27.01.2022; Ogledov: 1541; Prenosov: 230
Celotno besedilo (7,04 MB)
Gradivo ima več datotek! Več... |
