| | 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


31 - 40 / 145
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
31.
Avtomatsko načrtovanje in vrednotenje klasifikacijskih cevovodov v bioinformatiki
Iztok Fister, 2019, magistrsko delo

Opis: Izhodišča in namen: Velikokrat na bioinformatskih podatkih izvajamo klasifikacijo, tj. razvrščanje elementov, predstavljenih z značilnicami, v enega od vnaprej določenih razredov. Sam postopek klasifikacije je zelo kompleksen, saj sestoji iz preprocesiranja podatkov, izbire klasifikatorske metode in optimizacije hiperparametrov. Zaradi kompleksnosti vse tri omenjene korake združujemo v t. i. klasifikacijske cevovode, katere morajo uporabniki, ki niso specialisti na področju strojnega učenja, načrtovati ročno. Ta postopek je časovno zelo zapleten, v določenih primerih pa se ne uspemo približati optimalni rešitvi. Raziskovalna metodologija: Avtomatski razvoj in vrednotenje klasifikacijskih cevovodov smo donedavno reševali s pomočjo genetskega programiranja (angl. Genetic Programming, krajše GP), kjer posameznike predstavimo z drevesnimi strukturami. V tem magistrskem delu predlagamo novo rešitev za reševanje omenjenega problema s pomočjo stohastičnih populacijskih algoritmov po vzorih iz narave, kjer so posamezniki predstavljeni kot vektorji realnih števil. Rezultati: Rezultati na bioinformatskih podatkovnih množicah dokazujejo, da so stohastični populacijski algoritmi po vzorih iz narave enostavni za uporabo in hkrati učinkoviti za avtomatski razvoj klasifikacijskih cevovodov. Diskusija in zaključek: Ugotavljamo, da predlagana metoda omogoča uporabo poljubnega stohastičnega populacijskega algoritma po vzorih iz narave za avtomatsko načrtovanje klasifikacijskih cevovodov, kjer so posamezniki predstavljeni kot vektorji realnih števil.
Ključne besede: algoritmi po vzorih iz narave, AutoML, diferencialna evolucija, klasifikacija, optimizacija
Objavljeno v DKUM: 16.08.2019; Ogledov: 1332; Prenosov: 192
.pdf Celotno besedilo (1,09 MB)

32.
Vpliv priprave nestrukturiranih podatkov na klasifikacijo : magistrsko delo
Špela Pečnik, 2019, magistrsko delo

Opis: V vsakdanjem življenju se v večini primerov srečujemo z nestrukturiranimi podatki v obliki besedil iz različnih virov. Število teh iz dneva v dan narašča, zato obstaja vse večja potreba po njihovi organizaciji in kategorizaciji. Pri teh podatkih je najpomembnejša njihova predpriprava na uporabo v algoritmih strojnega učenja. Za ustrezno pripravo besedila lahko uporabimo različne metode/tehnike predprocesiranja – besedilo pretvorimo v male črke, iz njega odstranimo stop-besede, nad posameznimi besedami uporabimo krnjenje, lematizacijo, besede sestavljamo v fraze različnih dolžin (uni-grame, bi-grame, tri-grame) ali pa jih na primer pretvorimo v vektorsko obliko (ang. word embedding). S pomočjo laboratorijskega eksperimenta smo ugotovili, da nekatere tehnike predobdelave bolj vplivajo na uspešnost klasifikacije kot druge, poleg tega pa ima velik vpliv na uspešnost klasifikacije sam jezik in količina besedila, ter klasifikator, ki ga uporabimo za strojno učenje.
Ključne besede: nestrukturirani podatki, klasifikacija besedil, vektorska predstavitev besedil, krnjenje, lematizacija
Objavljeno v DKUM: 14.06.2019; Ogledov: 1518; Prenosov: 239
.pdf Celotno besedilo (1,49 MB)

33.
Predikcija športnih rezultatov z uporabo strojnega učenja
Žan Korpar, 2018, diplomsko delo

Opis: V diplomskem delu so predstavljeni zgodovina strojnega učenja in pogosto uporabljani algoritmi, opisano je, kako so se algoritmi razvijali in kateri so bili predhodniki sedanjih. Za preizkus uspešnosti izbranih algoritmov v praktičnem delu naloge je bil razvit program, v katerem je preizkušenih nekaj najpogostejših algoritmov strojnega učenja. V ta namen so bili s programom samodejno pridobljeni podatki o tekmah, ekipah in lestvici angleške nogometne lige ter shranjeni v lokalno podatkovno bazo. Namen razvitega programa in uporabljenih algoritmov strojnega učenja je napovedovanje izidov tekem in števila doseženih golov domačega moštva. Točnost napovedi se giblje med 30 in 50 odstotki, za doseganje boljših rezultatov pa bi potrebovali kakovostnejše in obsežnejše podatke.
Ključne besede: strojno učenje, klasifikacija, regresija, napovedovanje
Objavljeno v DKUM: 22.11.2018; Ogledov: 2146; Prenosov: 152
.pdf Celotno besedilo (725,55 KB)

34.
Izzivi pri posodabljanju prevodov na primeru prevajanja kulturnospecifičnih izrazov in prevzetih besed v romanu Oscarja Wilda Slika Doriana Graya
Denis Vagner, 2018, magistrsko delo

Opis: V magistrskem delu smo koncept posodabljanja prevodov raziskali z vidika prevajanja kulturnospecifičnih izrazov in prevzetih besed v romanu Slika Doriana Graya, pri čemer smo analizirali prevodne odločitve v obeh slovenskih prevodih – prvi je roman prevedel Stanko Vurnik leta 1924, drugi prevod pa je pripravila Rapa Šuklje leta 1965. Cilj analize je bil ugotoviti ustreznost obeh slovenskih prevodov, stopnjo podomačitve oziroma potujitve v prevodih in pogostost izpustov. V teoretičnem delu je bila za pregled teoretičnih vsebin uporabljena deskriptivna metoda, analiza v empiričnem delu pa temelji na komparativni metodi, s katero smo ugotavljali ustreznost obeh slovenskih prevodov. Na podlagi analize smo ugotovili, da je bilo primerov pomensko neustreznega prevoda zelo malo in da sta oba prevajalca kulturnospecifične izraze in prevzete besede praviloma uspešno prenesla v slovenski jezik.
Ključne besede: posodabljanje prevodov, kulturnospecifični izraz, prevzete besede, prevajalske strategije, Newmarkova klasifikacija prevajalskih strategij
Objavljeno v DKUM: 18.10.2018; Ogledov: 877; Prenosov: 123
.pdf Celotno besedilo (1,12 MB)

35.
Karakterizacija viskijev z GC-MS in ICP-MS ter njihova kemometrijska klasifikacija
Domen Kermc, 2018, magistrsko delo

Opis: Viski je destilirana alkoholna pijača iz žita, ki vsebuje veliko spojin in ionov, katerih koncentracija se razlikuje glede na uporabljene sestavine in postopek proizvodnje. Viskiji so zaradi svoje cene pogosto tarča ponarejevalcev. Da zaščitimo potrošnike, njihovo pristnost preverjamo z različnimi instrumentalnimi tehnikami, podprtimi s kemometrično obdelavo podatkov. Največ raziskav je bilo narejenih na področju preverjanja pristnosti škotskih viskijev, medtem ko so viskiji drugih regij slabše raziskani. V 43 trgovsko dosegljivih viskijih s Škotske, Irske, Združenih držav Amerike in Kanade smo netarčno določevali različne skupine spojin in kovin. S plinsko kromatografijo smo določevali lahkohlapne komponente (višji alkoholi in estri) in težjehlapne komponente (težjehlapni alkoholi, kisline in monosaharidi). Vsebnost kovin smo določili z masnim spektrometrom z induktivno sklopljeno plazmo (ICP MS). Posamezne delne faze uporabljenih analiznih postopkov smo optimirali tako, da smo dobili čim višje izkoristke posameznih preiskovanih komponent in čim boljšo ločljivost njihovih kromatografskih vrhov. S kemometrično obdelavo rezultatov, pridobljenih s kemijskimi analizami, smo vzorce grupirali po vrsti in regiji, pri čemer smo uporabili linearno diskriminantno analizo (LDA), dobljene modele pa navzkrižno validirali. V vzorcih viskijev smo analizirali vsebnosti 32 kovin, 6 lahkohlapnih komponent in 107 težjehlapnih komponent, od katerih smo uspešno določili in kemometrično obdelali 7 kovin, 6 lahkohlapnih komponent in 69 težjehlapnih komponent. Z linearno diskriminantno analizo smo razvili modele, ki omogočajo ločitev viskijev po vrsti in regiji. Razviti modeli dajejo pri navzkrižni validaciji napako pod 10 %.
Ključne besede: viski, klasifikacija, plinska kromatografija, ICP-MS, LDA
Objavljeno v DKUM: 05.10.2018; Ogledov: 1156; Prenosov: 154
.pdf Celotno besedilo (2,68 MB)

36.
Klasifikacija dogodkov v časovnih vrstah s strojnim učenjem
Domen Kavran, 2018, diplomsko delo

Opis: V diplomskem delu opišemo algoritem segmentacije časovnih vrst in postopek priprave vektorjev značilnic segmentov za učenje in testiranje klasifikacijskih modelov za zaznavo dogodkov. Segmentacijo časovnih vrst izvedemo z algoritmom drsečega okna, kjer za merilo razdalje med vrednostmi uporabimo algoritem dinamičnega časovnega sledenja. Pripravo vektorjev značilnic segmentov začnemo z definiranjem slovarja lokalnih podsegmentov. Slovar je pridobljen z gručenjem K-povprečij. Vsak segment predstavimo z normaliziranim histogramom pojavitev lokalnih podsegmentov na podlagi slovarja. Za učenje klasifikacijskih modelov uporabimo algoritme strojnega učenja, ki se razlikujejo v računski zahtevnosti in doseženi natančnosti, na katero vplivajo tudi izbrani parametri segmentacije in velikost slovarja.
Ključne besede: klasifikacija, časovna vrsta, strojno učenje, segmentacija
Objavljeno v DKUM: 28.08.2018; Ogledov: 1961; Prenosov: 199
.pdf Celotno besedilo (979,03 KB)

37.
Zajem in analiza kontekstnih podatkov o uporabniku
David Vrbančič, 2018, magistrsko delo

Opis: Svetovni splet je zaradi velikega števila podatkov postal bogat vir informacij, zato je pomembno, da uporabniku zagotovimo ustrezne informacije ob pravem času. Zajem in analiza kontekstnih podatkov nam lahko pomagata pri zagotavljanju ustreznih informacij. V sklopu magistrskega dela smo predstavili kje in na kakšen način pridobiti kontekstne podatke o uporabniku, kako le-te primerno shraniti, obdelati in predstaviti uporabniku. Na podlagi sistematičnega pregleda literature smo ugotovili, da je zavedanje uporabnikov o pridobivanju kontekstnih informacij odvisno od predstavitve uporabe kontekstnih podatkov (pravilniki o zasebnosti). Ali pridobivanje kontekstnih podatkov uporabnike moti, je odvisno od namena uporabe kontekstnih informacij. Starost je faktor, ki ima največji vpliv na zavedanje pridobivanja kontekstnih informacij med starejšimi in mlajšimi uporabniki. Za namen izboljšanja uporabniške izkušnje uporabniki niso pripravljeni deliti kontekstne informacije, vendar verjamejo, da lahko dostop do kontekstnih podatkov izboljša učinkovitost storitev. Na podlagi pridobljenih rezultatov testiranja klasifikatorja, ki temelji na naivnem Bayesovem algoritmu, smo ugotovili, da le-ta doseže visoko natančnost klasifikacije in je posledično primeren za klasifikacijo vsebine pridobljene iz socialnih omrežij. Možnosti za nadaljnje delo vidimo v nadgradnji inteligentnega sistema ter s tem izboljšanju natančnosti klasifikacije algoritma. Nadgrajen klasifikacijski algoritem bi pri klasifikaciji znal povezati in upoštevati čim več odvisnih dejavnikov, ki vplivajo na rezultat klasifikacije.
Ključne besede: kontekst, kontekstni podatki (informacije), socialna omrežja, analiza podatkov, klasifikacija podatkov, inteligentni sistemi, sistemi priporočil
Objavljeno v DKUM: 21.06.2018; Ogledov: 1291; Prenosov: 130
.pdf Celotno besedilo (3,02 MB)

38.
Končna polja
Alenka Vok, 2018, magistrsko delo/naloga

Opis: Tema magistrskega dela je pojem, s katerim se srečujemo v algebri, to so končna polja. V delu najprej predstavimo osnovne definicije in lastnosti grup ter kolobarjev, ki jih potrebujemo za lažje razumevanje končnih polj, nato pa bolj podrobno obravnavamo polja. Polje je komutativen kolobar z enoto 1≠0, kjer so vsi neničelni elementi obrnljivi. Vemo, da je vsako polje cel kolobar, za katerega pa velja, da ima karakteristiko enako 0 ali p, kjer je p praštevilo. Razširitev K polja F je končna, če je polje K, ki ga obravnavamo kot vektorski prostor nad poljem F, končno razsežen. Če ima končno polje F q elementov in je K končna razširitev polja F, potem ima K q^n elementov, kjer je n=[K:F]. Če je K razširitev polja F in f(x)∈F[x] nekonstanten polinom, ki razpade v polju K in ne razpade v nobenem pravem podpolju polja K, K imenujemo razpadno polje polinoma f(x) nad F. Dokažemo, da sta poljubni dve polji, ki imata končno število elementov in sta razpadni polji polinoma f(x)=x^(p^n)-x nad ℤ_p, izomorfni. Iz teh trditev sledi karakterizacija končnih polj, ki pove, da za poljubno praštevilo p in poljuben n∈N obstaja do izomorfizma natančno enolično določeno končno polje s p^n elementi. Na koncu podamo enega izmed temeljnih izrekov, predstavljenih v magistrskem delu, to je Wedderburnov izrek. Izrek pove, da je vsak končen obseg polje.
Ključne besede: Karakteristika polja, karakteristika kolobarja, klasifikacija končnih polj, razširitev polja, faktorski kolobar, polje, končno polje, ideal, cel kolobar, maksimalni ideal in praideal, kolobar polinomov, homomorfizem kolobarjev, razpadno polje, vektorski prostor, Wedderburnov izrek, ničle polinoma.
Objavljeno v DKUM: 11.06.2018; Ogledov: 2027; Prenosov: 176
.pdf Celotno besedilo (661,24 KB)

39.
Genetolingvistična klasifikacija vzhodnoslovanskih jezikov
Matej Šekli, 2014, izvirni znanstveni članek

Opis: V prispevku je obravnavan nastanek posameznih vzhodnoslovanskih geolektov hierarhične stopnje jezika iz prvotne vzhodne slovanščine. Znotraj le-te sta se pojavili dve inovativni središči, in sicer severovzhodno ("rusko") in jugozahodno ("ukrajinsko"), iz katerih sta se oblikovali ruščina in ukrajinščina, med njima pa na zahodnem obrobju prehodni geolekt beloruščina. Za vsak vzhodnoslovanski jezik so prikazane njegove definicijske lastnosti, ki ga razmejujejo znotraj vzhodne slovanščine in v razmerju do sosednjih jezikov, ter model njegove lingvogeneze.
Ključne besede: vzhodnoslovanski jeziki, genetolingvistika, geolingvistika, geolekt, genetolingvistična klasifikacija, primerjalno jezikoslovje
Objavljeno v DKUM: 15.02.2018; Ogledov: 870; Prenosov: 325
.pdf Celotno besedilo (563,26 KB)
Gradivo ima več datotek! Več...

40.
Sistematična klasifikacija faktorjev uporabnosti mobilnih rešitev
Marko Bedi, 2017, magistrsko delo

Opis: Mobilne rešitve zagotavljajo veliko prednosti uporabnikom, ampak se zavedamo številnih omejitev zaradi katerih se mora upoštevati arhitektura in faktorji uporabnosti. Niso vsi modeli uporabnosti prilagojeni za mobilne rešitve. V magistrskem delu smo izvedli sistematično mapiranje in pregled, ter pridobili trenutno stanje faktorjev uporabnosti za mobilne rešitve. Ugotovili smo da so najbolj pogosto raziskani faktorji zadovoljstvo, učinkovitost in uspešnost. Memorabilnost, napake in kognitivna obremenitev imajo trenutno zelo nizko prioriteto pri raziskovanju. Pri vrednotenju mobilne rešitve smo ugotovili da je pomembno izbrati ustrezno ogrodje in metrike z katerimi merimo faktorje uporabnosti. Končna ocena našega vrednotenja mobilne rešitve je 3,3 od 5.
Ključne besede: faktorji uporabnosti, mobilne rešitve, klasifikacija, vrednotenje uporabnosti
Objavljeno v DKUM: 26.10.2017; Ogledov: 975; Prenosov: 119
.pdf Celotno besedilo (6,53 MB)

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