| | 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 / 145
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Hibridno priporočanje vrstilcev univerzalne decimalne klasifikacije : doktorska disertacija
Mladen Borovič, 2023, doktorska disertacija

Opis: V doktorski disertaciji predlagamo hibridni pristop za priporočanje vrstilcev univerzalne decimalne klasifikacije (UDK) za elektronske dokumente, ne glede na globino hierarhije UDK. Razvit hibridni pristop priporočanja vrstilcev UDK temelji na metodah vsebinskega filtriranja in uporablja strukturirane metapodatke v slovenskem jeziku za klasifikacijo področja znanosti in priporočanje ustreznih vrstilcev. Ker se dokumenti pogosto nanašajo na več področij znanosti, mora biti pristop sposoben identificirati interdisciplinarnost in vrniti več ustreznih vrstilcev UDK. Predlagani hibridni pristop uporablja kaskadno hibridizacijo in je razdeljen na dva kaskadna koraka. Najprej z rangirno funkcijo BM25 zagotovimo začetni seznam vrstilcev UDK. V prvem kaskadnem koraku začetni seznam vrstilcev UDK preuredimo s seznamom, ki je rezultat večznačnega klasifikatorja. Večznačni klasifikator temelji na globoki nevronski mreži BERT in je prilagojen na hierarhično topologijo UDK. V drugem kaskadnem koraku s pomočjo seznama najbolj pogostih vrstilcev UDK v organizaciji, iz katere izvira dokument, preuredimo seznam iz prvega koraka. Za kaskadno hibridizacijo se izvedejo postopki naknadne obdelave, ki preuredijo sezname priporočil glede na vrhnje področje in glede na specifičnost, omogočajo pa tudi rezanje seznama. Disertacija vključuje vrednotenje na množici zaključnih del v slovenskem jeziku, ki so del repozitorijev slovenskih univerz in že imajo ročno določene vrstilce UDK s strani knjižničarjev. Na testni množici dokumentov s predlaganano metodo po metriki HR@K dosežemo povprečne vrednosti 0,574 (K = 1), 0,869 (K = 3) in 0,892 (K = 5). Po metriki NDCG@K dosežemo povprečne vrednosti 0,993 (K = 1), 0,921 (K = 3) in 0,916 (K = 5), po metrikah MRR in MAP pa povprečne vrednosti vrednosti 0,782 (MRR) in 0,785 (MAP). V primerjavi z obstoječimi pristopi pokažemo, da uporaba predlaganega pristopa vodi v statistično značilne izboljšave.
Ključne besede: hibridni priporočilni sistemi, univerzalna decimalna klasifikacija, vsebinsko filtriranje, globoke nevronske mreže, obdelava naravnega jezika
Objavljeno v DKUM: 04.01.2024; Ogledov: 193; Prenosov: 33
.pdf Celotno besedilo (1,86 MB)

2.
Podatkovni kanjoni, pristop strojnega učenja za potrebe razložljive umetne inteligence : doktorska disertacija
Bojan Žlahtič, 2023, doktorska disertacija

Opis: Z uporabo algoritmov strojnega učenja je mogoče izvesti zapletene analize in pridobiti globlje vpoglede na osnovi obsežnih količin podatkov, kar presega človeške zmožnosti. Navedena značilnost je ključni dejavnik, zaradi katerega je strojno učenje vpeljano v številne domene. Kljub številnim prednostim ni vedno možno integrirati strojnega učenja na določena področja, predvsem zaradi tega, ker se za naprednimi metodami pogosto skrivajo modeli tipa črne skrinje. Ti modeli uporabnikom ne omogočajo vpogleda v logiko njihovega odločanja, kar lahko predstavlja oviro v kontekstih, kjer so odločitve kritične in lahko napačna odločitev vodi v resne posledice. Z namenom ublažiti te problematike smo razvili metodo strojnega učenja, temelječo na naravnem pojavu rečnih kanjonov. Ta pojav lahko vizualiziramo v digitalni grafični obliki, kar omogoča intuitiven prikaz logike odločanja. Rezultat je model strojnega učenja, ki generira globinske slike gibanja podatkov za posamezen razred. V teh slikah je pripadnost posamezne instance kanjonu prikazana s pomočjo barvno kodiranih grafov. Podatkovni kanjoni se zaradi svojih lastnosti in metodologije lahko uporabljajo za potrebe razložljive umetne inteligence, bodisi samostojno ali kot dopolnilni mehanizem drugim pristopom strojnega učenja.
Ključne besede: razložljiva umetna inteligenca, strojno učenje, klasifikacija, razložljivost, zaupanje
Objavljeno v DKUM: 05.12.2023; Ogledov: 159; Prenosov: 31
.pdf Celotno besedilo (3,26 MB)

3.
Uvajanje digitalnih izdelkov na trg
Nuša 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: 167; Prenosov: 14
.pdf Celotno besedilo (998,18 KB)

4.
Analiza, načrtovanje in razvoj digitalne kripto denarnice : magistrsko delo
Tadeja 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: 260; Prenosov: 24
.pdf Celotno besedilo (8,97 MB)

5.
Detekcija napak na odlitkih z globokim učenjem : magistrsko delo
Tomo 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: 496; Prenosov: 37
.pdf Celotno besedilo (3,25 MB)

6.
Spremljanje obrabe rezalnega orodja z uporabo umetne inteligence : diplomsko delo
Andrej 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: 395; Prenosov: 32
.pdf Celotno besedilo (2,03 MB)
Gradivo ima več datotek! Več...

7.
Klasifikacija glasbenega žanra glede na spektrogram zvočnega posnetka : diplomsko delo
Tadej 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: 420; Prenosov: 46
.pdf Celotno besedilo (1,50 MB)

8.
Sortiranje fižolovih zrn z uporabo strojnega vida : magistrsko delo
Samo 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: 644; Prenosov: 148
.pdf Celotno besedilo (5,66 MB)

9.
Analiza in klasifikacija zvočnih posnetkov v programskem okolju Python : diplomsko delo
Lara Rantuša, 2022, diplomsko delo

Opis: V diplomskem delu obravnavamo okolje in orodja v programskem jeziku Python za obdelavo, analizo in klasifikacijo zvočnih posnetkov. Razložene so lastnosti glasbe in kako se te zaznavajo z naravno in računalniško analizo zvoka. Opisan je postopek izdelave programa in uporabljeni algoritmi za strojno učenje, ki zna zvočne posnetke obdelati, analizirati in klasificirati glede na njihovo glasbeno zvrst ter na posnetku prepoznati število izvajalcev.
Ključne besede: analiza zvočnih posnetkov, klasifikacija zvočnih posnetkov, programsko okolje Python
Objavljeno v DKUM: 27.05.2022; Ogledov: 819; Prenosov: 126
.pdf Celotno besedilo (2,29 MB)

10.
Primerjava metod jezikovnih tehnologij za odkrivanje lažnih novic : magistrsko delo
Nejc 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: 631; Prenosov: 70
.pdf Celotno besedilo (1,36 MB)

Iskanje izvedeno v 0.28 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici