| | 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


21 - 30 / 145
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
21.
Razvoj metodologije za avtomatično klasifikacijo elektronskih publikacij v univerzalno decimalno klasifikacijo – udk24112018
Matjaž Kragelj, 2019, doktorska disertacija

Opis: Čeprav so znanstveni in strokovni članki večinoma bibliografsko obdelani in imajo zapis v knjižničnem katalogu COBIB, ter s tem definiranega enega ali več vrstilcev iz sistema Univerzalne decimalne klasifikacije (UDK), je večina člankov, dostopnih prek portala Digitalne knjižnice Slovenije, predvsem s področja kulture (starejši članki iz revij in časopisov), ki takšnega zapisa nimajo. Na spletnem mestu Digitalne knjižnice Slovenije je mogoče preiskovanje dokumentov zgolj po polnem besedilu. To je trenutno najboljše orodje za preiskovanje starejših besedil, a uporaba in preiskovanja publikacij na tak način, zaradi pomanjkljivosti (slabša kvaliteta razpoznave besedila v časopisih in revijah starejšega tipa, uporaba stare slovenščine, itd.) in prevelikega števila vrnjenih zadetkov pri iskanju, ne nudi sodobne uporabniške izkušnje in uporabniku otežuje delo. Osnovni problem, ki ga naslavljamo v disertaciji je pomoč pri bibliografski obdelavi besedil, ki je še vedno v rokah človeških ekspertov. Izhajamo iz teze, da je s pomočjo metod strojnega učenja možno avtomatsko klasificirati besedila v ustrezen UDK vrstilec in s tem podpreti človeka pri bibliografski obdelavi zapisov. V ta namen smo po pristopu načrtovanja in razvoja razvili klasifikacijski model, ki smo ga uporabili za klasificiranje starih besedil, ki so bila doslej klasificirana večinoma zgolj posredno, preko klasifikacije celotne revije oz. časopisa, kot na primer "Časopisi. Tisk. Novinarstvo". V disertaciji smo razvili klasifikacijski model s pomočjo metod strojnega učenja, s katerimi smo uspeli avtomatsko klasificirati kakršnokoli besedilo s pomočjo Univerzalne decimalne klasifikacije. Med tehnikami strojnega učenja smo se poslužili nenadzorovanega in nadzorovanega učenja. V prvem koraku smo nad manjšo množico podatkov (900 člankov) nenadzorovano učenje uporabili za preverjanje sorodnosti med dodeljenimi UDK vrstilci s strani bibliotekarjev in izgrajenimi gručami s strani algoritma. V drugem koraku smo nad celotnim korpusom znanstvenega časopisja Digitalne knjižnice Slovenije (več kot 70.000 znanstvenih besedil) razvili klasifikacijske modele, kjer je bilo razmerje učne in testne množice je bilo 80/20 odstotkov. Ko smo potrdili uspešnost klasifikacijskih modelov nad znanstvenimi besedili, smo jih uporabili za klasifikacijo več kot 200.000 starejših besedil. Uporabili smo Naivni Bayesov klasifikator, Metodo podpornih vektorjev, Večslojni perceptron, Logistično regresijo in algoritem k najbližjih sosedov. Ustreznost klasifikacije starih besedil smo preverili s človeškimi eksperti – bibliotekarji. Potrdili smo domnevo, da lahko s pomočjo znanstvenih in strokovnih člankov, klasificiranih v UDK, v vsaj 80% primerov ponudimo avtomatsko določene UDK vrstilce za starejše gradivo, ki ni bibliotekarsko obdelano. Poudariti velja, da gre pri tem delu za človeško odločitev, testiranje s človeškimi eksperti, za oceno in presojo, ki lahko variira od odločevalca do odločevalca. Poleg oplemenitenja starejših besedil iz osemnajstega, devetnajstega in prve polovice dvajsetega stoletja s vsebinskimi oznakami UDK vrstilcev, ima raziskava praktično moč v vsakodnevni rabi. Z gledišča podpore avtomatske klasifikacije publikacij pri vsakodnevnem delu bibliotekarjev, vidimo moč implementacije raziskave v informacijski sistem, ki je bibliotekarju sposoben v realnem času ponuditi izračunane predloge za določitev primernih klasifikatorjev publikacije, ki jo obdeluje. Bibliotekar lahko pridobi s strani stroja "drugo mnenje" pri procesu dodeljevanja UDK vrstilcev publikaciji, ki jo obdeluje. Hkrati je metodologija lahko uporabljena na različnih področjih in podatkovnih bazah ter klasifikacijskih sistemih, ne zgolj za dodeljevanje UDK vrstilcev.
Ključne besede: Umetna inteligenca, strojno učenje, podatkovno rudarjenje, Univerzalna decimalna klasifikacija, klasifikacija besedil
Objavljeno v DKUM: 03.02.2021; Ogledov: 1244; Prenosov: 101
.pdf Celotno besedilo (4,35 MB)

22.
Strojno učenje za podporo bolj učinkovitega postopka diagnoze bolezni : magistrsko delo
Jure Kučer, 2020, magistrsko delo

Opis: Razširjenost trenda masovnega hranjenja podatkov na različnih področjih znanosti omogoča vse naprednejšo uporabo metod strojnega učenja za iskanje novega znanja. Magistrsko delo zajema predstavitev osnovnih konceptov in tehnik za obdelavo podatkov, obravnavo manjkajočih vrednosti in končno uporabo pri učenju popularnejših algoritmov strojnega učenja z namenom klasifikacije laboratorijskih meritev pacientov. Primerjani sta uspešnost klasifikacijskih modelov naivni Bayes, k-najbližjih sosedov, odločitveno drevo, metoda podpornih vektorjev, naključni gozd, nevronska mreža, Adaboost in Adabagg ter vpliv metod podvzorčenja, nadvzorčenja in SMOTE za balansiranje učnih podatkov. Implementiran je tudi grafični vmesnik za vnos meritev, klasifikacijo, pregled rezultatov in pomembnosti lastnosti.
Ključne besede: strojno učenje, diagnoza bolezni, klasifikacija, diabetes
Objavljeno v DKUM: 04.01.2021; Ogledov: 771; Prenosov: 87
.pdf Celotno besedilo (2,18 MB)

23.
Klasifikacija z utežem agnostičnimi nevronskimi mrežami : magistrsko delo
Marko Mlakar, 2020, magistrsko delo

Opis: V magistrskem delu je predstavljena metoda iskanja utežem agnostičnih nevronskih mrež, ki temelji na genetskem algoritmu, imenovanem NeuroEvolution of Augmenting Topologies (NEAT). Evalviranje genomov z vzorčenjem uteži iz fiksne uniformne množice naključnih vrednosti minimizira pomembnost uteži, s čimer je poudarek le na optimizaciji topologije. To omogoča utežem agnostičnim nevronskim mrežam opravljanje različnih nalog brez predhodnega učenja utežnih vrednosti. Naša implementacija je bila prilagojena za povezovanje z odprtokodno knjižnico Scikit-learn, ki smo jo javno objavili v obliki PyPi paketa. V eksperimentalnem delu smo se osredotočili na primerjavo evolucijskih in utežem agnostičnih nevronskih mrež na primeru reševanja klasifikacijskih problemov. Rezultate smo evalvirali z uporabo statističnih metod, ki so pokazale, da utežem agnostične nevronske mreže proizvedejo več skritih nevronov kot evolucijske, vendar uspejo doseči primerljivo točnost zgolj s pravilno topologijo, brez optimizacije uteži.
Ključne besede: utežem agnostične nevronske mreže, klasifikacija, nevroevolucija, NEAT
Objavljeno v DKUM: 01.12.2020; Ogledov: 745; Prenosov: 96
.pdf Celotno besedilo (3,89 MB)

24.
Uporaba vektorske vgradnje za inteligentno obdelavo slovenskega besedila : magistrsko delo
Urban Strnišnik, 2020, magistrsko delo

Opis: V sklopu magistrske naloge smo se najprej osredotočili v problematiko pridobivanja uporabnega znanja iz nestrukturiranega besedila. Po poročilih IDC je razmerje med strukturiranimi in nestrukturiranimi podatki vsako leto večje. Načinov pridobivanja uporabnega znanja iz nestrukturiranega besedila je več, ena izmed njih so besedne vložitve oz. vektorska vgradnja. Najprej smo se posvetili pregledu tehnik besednih vložitev, kaj to je in kaj z njimi dosežemo. Ugotovili smo, da da izraz besedna vložitev stoji za določitvijo vektorske vrednosti besedi, s katero lahko izvajamo nadaljnje računske operacije. Namen magistrske naloge je bil preizkusiti nekatere algoritme vektorske vgradnje, izdelati lastne modele obdelave besedil in jih nato primerjati z nekaterimi že obstoječimi modeli. Lastne in obstoječe modele obdelave besedil smo nato preizkusili in na podlagi primerjave ugotovili prednosti in slabosti pri uporabi v določenem okolju. V sklopu učenja modelov smo se osredotočili tako v nadzorovane kot tudi v nenadzorovane tehnike učenja. Vhodni korpus podatkov smo pridobili iz pravilnikov štirinajstih slovenskih univerz in fakultet. Iz ugotovljenih rezultatov smo opravili analizo in diskusijo rezultatov, kjer smo dobili odgovore na zastavljena raziskovalna vprašanja, hipoteze pa sprejeli ali zavrnili.
Ključne besede: Besedne vložitve, strojno učenje, fastText, obdelava naravnega jezika, doc2vec, word2vec, klasifikacija besedila, nadzorovano učenje, nenadzorovano učenje
Objavljeno v DKUM: 17.11.2020; Ogledov: 1004; Prenosov: 75
.pdf Celotno besedilo (3,65 MB)

25.
Uporaba umetne nevronske mreže za klasifikacijo obrabljenosti orodja pri rezkanju : diplomsko delo
Žan Pudič, 2020, diplomsko delo

Opis: Diplomsko delo zajema reševanje problema klasifikacije obrabljenosti orodja pri rezkanju s pomočjo umetne inteligence. Namen dela je bil spoznati delovanje umetnih nevronskih mrež in postaviti arhitekturo ter optimizirati njeno delovanje. Za objektivno oceno sposobnosti napovedovanja postavljene nevronske mreže smo dobljene rezultate primerjali z rezultati, ki so bili dobljeni z metodo odločitvenih dreves. Rezultat dela je napovedovalni model z visoko stopnjo prilagojenosti na učnih in testnih podatkih, ki lahko v realnem času klasificira obrabljenost orodja.
Ključne besede: rezkanje, klasifikacija obrabljenosti orodja, strojno učenje, umetna nevronska mreža, odločitvena drevesa
Objavljeno v DKUM: 08.10.2020; Ogledov: 889; Prenosov: 198
.pdf Celotno besedilo (1,23 MB)

26.
Analiza kazalnikov gospodarskega razvoja in kvalitete življenja v Evropski uniji
Lea Žižek, 2020, magistrsko delo

Opis: Vsako gospodarstvo se srečuje z različnimi družbenimi, gospodarskimi in okoljskimi problemi. Ti se od države do države razlikujejo in imajo različno stopnjo kompleksnosti oziroma težavnosti, kar se odraža v oteženem uresničevanju raznih dolgoročnih globalnih ciljev, ki se dandanes vse bolj osredotočajo na trajnostni vidik kot najprimernejšo pot za svetovni razvoj. Manj razvite države imajo pri doseganju teh ciljev večje težave kot razvite države. Tako se oboje ob tem srečujejo s takšnimi ali drugačnimi izzivi, s katerimi se razvitejše države zagotovo lažje spoprijemajo. Tukaj pa se pojavi vprašanje, katere države so manj oziroma bolj razvite od drugih. Za opredeljevanje gospodarskega razvoja razne organizacije v osnovi povečini uporabljajo podobne kazalnike s področja življenjskega standarda, zdravja in izobrazbe, to so na primer bruto domači proizvod, pričakovano trajanje življenja in povprečno število let izobraževanja. Na podlagi teh kazalnikov so posamezne institucije oblikovale indekse, s katerimi se enostavno izmeri gospodarski razvoj. Osnovnega je izoblikovala Organizacija združenih narodov in se imenuje indeks človekovega razvoja. V okviru te in tudi drugih organizacij so ta indeks posodabljali ter ga na različne načine nadgrajevali, na primer s prilagoditvijo neenakosti, z vključujočimi komponentami in vplivom na okolje. Izboljšane oblike slednjega so neenakosti prilagojen indeks človekovega razvoja, indeks vseobsegajočega razvoja, indeks srečnega planeta in indeks boljšega življenja. V magistrskem delu se posvetimo predstavitvi pomembnih kazalnikov gospodarskega in trajnostnega razvoja ter kvalitete življenja. V okviru tega pojasnimo tudi računanje naštetih indeksov, kjer se poleg teh lotimo tudi razlage indeksa trajnostnega razvoja, ki je relativno novejša različica in meri gospodarski razvoj s poudarkom na trajnosti. Svetovna banka, Organizacija združenih narodov in Mednarodni denarni sklad pa imajo izoblikovane klasifikacije za razvrščanje držav po razvitosti, ki omogočajo enostavno organiziranje držav v skupine za lažje opravljanje analiz. Po vzoru preučene tematike oblikujemo svoj indeks razvoja, česar se lotimo z analizo 28 držav Evropske unije po posameznih izbranih kazalnikih. Indeks razvoja na prvi pogled izgleda podoben indeksu trajnostnega razvoja, ki pa smo mu dodali za nas izredno pomembno komponento, to je subjektivno merilo splošnega zadovoljstva z življenjem. Glede na posamezne kazalnike so imele najboljše rezultate Avstrija, Švedska, Finska, Luksemburg, Danska in Irska. Obratno pa so najslabši rezultati bili v Bolgariji, na Hrvaškem, Češkem, Madžarskem, Slovaškem, Poljskem, v Italiji in Romuniji. Kasneje pa so glede na iz geometrijske sredine pridobljen indeks razvoja padle v skupino z visokim gospodarskim razvojem Švedska, Danska in Finska, v skupino z nizkim razvojem pa Bolgarija, Romunija, Italija, Nemčija, Malta, Grčija in Madžarska. Vse ostale države EU-28 pa so srednje gospodarsko razvite.
Ključne besede: gospodarski razvoj, kakovost življenja, trajnostni razvoj, klasifikacija za razvrščanje držav, indeks gospodarskega razvoja
Objavljeno v DKUM: 25.08.2020; Ogledov: 1568; Prenosov: 289
.pdf Celotno besedilo (2,36 MB)

27.
S strojnim učenjem podprto odločanje v medicini : magistrsko delo
Jan Jurman, 2020, magistrsko delo

Opis: Rast priljubljenosti strojnega učenja se izraža z njegovo uporabo v različnih domenah. V magistrskem delu je predstavljena uporaba algoritmov strojnega učenja za podporo pri odločanju v medicini. Poudarek je na klasifikaciji prisotnosti srčnih bolezni in določanju podvrst kronične ishemične srčne bolezni. Analizirana je natančnost klasifikatorjev naivni Bayes, logistična regresija, k-najbližjih sosedov, odločitveno drevo, nevronska mreža, bagging, AdaBoost in naključni gozd. Implementirana je tudi aplikacija, ki omogoča diagnosticiranje posameznika in inkrementalno izboljšavo svoje natančnosti s pomočjo dodajanja učnih vzorcev.
Ključne besede: strojno učenje, srčna bolezen, klasifikacija, nadzorovano učenje
Objavljeno v DKUM: 03.07.2020; Ogledov: 734; Prenosov: 107
.pdf Celotno besedilo (1,82 MB)

28.
Klasifikacija časovnih vrst s konvolucijskimi nevronskimi mrežami : magistrsko delo
Domen Kavran, 2020, magistrsko delo

Opis: V magistrskem delu predstavimo klasifikacijo časovnih vrst z uporabo konvolucijskih nevronskih mrež. Klasifikacija je izvedena nad časovno-frekvenčnimi predstavitvami časovnih vrst, ki so pridobljene z različnimi metodami časovno-frekvenčne analize. Zasnovali smo več arhitektur konvolucijskih nevronskih mrež za klasifikacijo časovnih vrst. Optimizacijski algoritmi za učenje konvolucijskih nevronskih mrež so uporabljali napredno izgubno funkcijo, imenovano žariščna izguba. Za najuspešnejšo metodo izračuna časovno-frekvenčnih predstavitev časovnih vrst se je izkazala zvezna valčna transformacija, s katero smo dosegli povprečno natančnost klasifikacije 90,07 %. Združitev različnih časovno-frekvenčnih predstavitev je izboljšala povprečno natančnost klasifikacije na 92,01 %.
Ključne besede: klasifikacija, globoko učenje, konvolucijske nevronske mreže, časovne vrste, časovno-frekvenčna analiza
Objavljeno v DKUM: 03.07.2020; Ogledov: 1498; Prenosov: 214
.pdf Celotno besedilo (10,95 MB)

29.
Priprava učne množice fotografij in njihova klasifikacija z uporabo globokih nevronskih mrež : diplomsko delo
Bojan Jan Javornik, 2019, diplomsko delo

Opis: Cilj diplomske naloge je preizkusiti klasifikacijo slik s pomočjo globokih nevronskih mrež. Odločili smo se za uporabo konvolucijskih nevronskih mrež, saj so najbolj razširjene na področju klasifikacije slik, učne in testno množico pa smo pripravili sami. Modele mreže smo gradili in učili v programskem jeziku Python s pomočjo knjižnice Keras. Opišemo kako smo slike pretvorili v vhode konvolucijske nevronske mreže in kakšne modele smo zgradili. Primernost modelov smo ugotavljali z navzkrižno validacijo, nato pa smo jih preizkusili še na testni množici. Vse rezultate tudi predstavimo in povemo ugotovitve.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, klasifikacija slik
Objavljeno v DKUM: 11.11.2019; Ogledov: 1210; Prenosov: 82
.pdf Celotno besedilo (3,49 MB)

30.
Besedilne vrste na področju zavarovalništva
Nejc Fekonja, 2019, magistrsko delo

Opis: Magistrsko delo predstavlja ukvarjanje z besedilnimi vrstami s področja zavarovalništva in izdelavo poskusa klasifikacije in tipologije le-teh. Naloga je razdeljena na teoretični del, v katerem sem opredelil pojme sporočanje, besedilo, besedilne vrste, slogovne postopke in temeljne elemente pragmatične analize besedil ter izdelave klasifikacije in tipologije besedilnih vrst, in empirični del, ki je posvečen poskusu izdelave klasifikacije in tipologije besedilnih vrst s področja zavarovalništva. Na področju zavarovalništva kot gospodarske panoge srečujemo najrazličnejša besedila, in sicer znanstvena, strokovna, poljudnoznanstvena, zavarovalniškoposlovna, zavarovalniškooglaševalska idr. Gre za področje, ki je jezikoslovno slabo raziskano, zato analiza tipičnih besedil s področja zavarovalništva predstavlja poskus konstituiranja besedil s področja zavarovalništva kot besedilne vrste in uvrstitev le-teh v klasifikacijo in tipologijo besedilnih vrst s področja zavarovalništva, kjer sem na podlagi prototipičnih znotraj- in zunajbesedilnih prvin določil jedrne in mejne besedilne vrste s področja zavarovalništva, ki predstavlja posebno gospodarsko dejavnost z učinki na vseh področjih družbenega življenja, obenem pa gre za področje, znotraj katerega se srečujejo številna znanja iz različnih strok. Naloga predstavlja prvi poskus klasificiranja in tipologiziranja besedilnih vrst s področja zavarovalništva, pri čemer sem se za izdelavo poslužil analitične, sintetične, deskriptivne in komparativne metode.
Ključne besede: sporočanje, besedilna vrsta, klasifikacija, tipologija, zavarovalništvo
Objavljeno v DKUM: 29.08.2019; Ogledov: 1391; Prenosov: 182
.pdf Celotno besedilo (1,66 MB)

Iskanje izvedeno v 1.29 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici