| | 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


41 - 50 / 145
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
41.
Uporaba orodja Orange za podatkovno rudarjenje
Damir Kos, 2017, diplomsko delo

Opis: Ob vse večjem številu informacij, ki krožijo na najrazličnejše načine, je podatkovno rudarjenje za uspešno in učinkovito rabo informacij ključnega pomena. Preko podatkovnega rudarjenja namreč dosežemo rezultate, s katerimi ugotovimo ustreznost informacij, odpravimo pomanjkljivosti, poiščemo vzorce, znanje in podobno. V diplomskem delu je predstavljen program Orange, delo z njim, njegova uporaba ter nekatere lastnosti. Glavni segmenti podatkovnega rudarjenja s programom Orange, ki so predstavljeni v diplomskem delu, so klasifikacija, gručenje in pred procesiranje podatkov. Praktični del diplomskega dela, ki je hkrati ključen, je razdeljen na tri dele. Prvi del predstavlja vse tri glavne segmente preko uporabniškega vmesnika, drugi del preko kode, v tretjem delu pa se nato prikaže izgradnja lastnega modula in njegova uporaba.
Ključne besede: podatkovno rudarjenje, orodje Orange, klasifikacija, gručenje, predprocesiranje podatkov
Objavljeno v DKUM: 24.10.2017; Ogledov: 2197; Prenosov: 333
.pdf Celotno besedilo (2,35 MB)

42.
Zaznavanje trkov na daljnovodih z optičnim interferometrom
Jan Mikolič, 2017, diplomsko delo

Opis: V diplomski nalogi skušamo ugotoviti, v kolikšni meri je možno zaznavati in klasificirati trke na jeklenicah daljnovodov z optičnim interferometrom. Na začetku predstavimo osnovne pojme interferometrije in opišemo uporabljen optični interferometer. V jedru diplomske naloge natančneje opišemo eksperimentalni protokol in obdelavo signalov. Nadaljujemo z implementacijo algoritmov za segmentacijo in klasifikacijo zajetih signalov ter predstavimo dobljene rezultate. Segmentacijo izvedemo v domeni števila prehodov signala skozi ničlo, za klasifikacijo pa uporabimo večplastno nevronsko mrežo z algoritmom vzvratnega učenja. Rezultati študije nakazujejo, da sta implementirani segmentacija in klasifikacija uspešni v 77 % izvedenih trkov različnih predmetov.
Ključne besede: interferometrija, obdelava signalov, klasifikacija, detekcija trkov, računalniški algoritmi
Objavljeno v DKUM: 09.10.2017; Ogledov: 3585; Prenosov: 209
.pdf Celotno besedilo (14,72 MB)

43.
Razvrščanje vzorcev z uporabo inteligentnih metod
Lucijano Berus, 2017, magistrsko delo

Opis: Magistrsko delo obravnava področje umetne inteligence, strojnega učenja, razvrščanja kompleksnih vzorcev in metode določitve značilk. Predstavljeno je delovanje nekaterih najpogosteje uporabljenih razvrščevalnih algoritmov. Izdelan je bil algoritem za zaznavo Parkinsonove bolezni na podlagi zajetega zvočnega signala. Meritve zvoka so bile narejene na štiridesetih posameznikih. Od tega je bila polovica zdravih in polovica z Parkinsonovo boleznijo. Namen naloge je razviti robusten sistem za zaznavo prisotnosti Parkinsonove bolezni. Za izboljšanje natančnosti razvrščanja, so bile uporabljene različne tehnike določitve značilk (Pearsonov korelacijski koeficient, Khendallov korelacijski koeficient in Samoorganizacijske gruče) in topologije nevronskih mrež. S pomočjo usmerjene nevronske mreže, je bila dosežena 86,47 % natančnost razvrščanja. Omenjena natančnost je bila dosežena z uporabo redukcije značilk na podlagi Pearsonovega korelacijskega koeficienta.
Ključne besede: umetna inteligenca, klasifikacija, strojno učenje, Parkinsonova bolezen, umetna nevronska mreža
Objavljeno v DKUM: 13.09.2017; Ogledov: 1989; Prenosov: 279
.pdf Celotno besedilo (1,48 MB)

44.
Klinična uporabnost biokemijskih označevalcev in testa agregacije trombocitov pri ishemični možganski kapi
Marija Menih, 2017, doktorsko delo/naloga

Opis: Visoki nivoji VWF so bili napovedniki tako teže možganske kapi kot tudi slabega kliničnega izhoda, ne pa podvrste IMK. VWF bi lahko služil kot prognostični napovednik kliničnega izhoda pri IMK. Nivoji DD, FG in HC niso bili povezani s podvrsto IMK, ne s težo možganske kapi in ne s kliničnim izhodom, zato DD, FG in HC nimajo pomembne diagnostične vrednosti za določeno vrsto IMK ali prognostične vrednosti za klinični izhod po IMK. Visoki nivoji NT-proBNP so bili povezani s kardioembolično IMK ter s težo možganske kapi, ne pa tudi s slabim kliničnim izhodom, zato bi lahko NT-proBNP služil kot diagnostični napovednik za kardioembolično IMK. Merjenje AT je koreliralo z jemanjem aspirina, kar pa ni imelo kliničnega pomena; kljub nizki AT so bolniki utrpeli IMK. Nivoji AT niso bili napovedniki podvrste IMK, teže kapi ali slabega kliničnega izhoda. Z multivariatno regresijsko analizo s posplošenim linearnim modelom smo ugotovili, da so med BKO in AT edini pomembni napovedniki: 1. kardioembolične IMK: NT-proBNP; 2. za težo kapi, ocenjeno z NIHSS: NT-proBNP in VWF:Ag; 3. za klinični izhod, ocenjen z MRL: VWF:Ag.
Ključne besede: akutna ishemična možganska kap, TOAST klasifikacija, biokemijski označevalci, agregacija trombocitov, NIHSS, MRL
Objavljeno v DKUM: 21.08.2017; Ogledov: 1718; Prenosov: 144
.pdf Celotno besedilo (4,39 MB)

45.
Möbiusove transformacije in dvojne spirale
Katja Breznik, 2017, magistrsko delo

Opis: V pričujočem magistrskem delu se najprej seznanimo s Kleinovim konceptom geometrije. Ta nam med drugim omogoča, da med različnimi geometrijami, ki jih lahko razumemo kot dokaj neodvisne matematične teorije, vzpostavimo medsebojne relacije. V drugem poglavju preidemo na geometrijo kompleksnih števil. Sledi osrednje poglavje s podrobno obravnavo Möbiusovih transformacij. Seznanimo se z definicijo, lastnostmi in s klasifikacijo Möbiusovih transformacij. Predstavljeno teorijo podkrepimo s primeri. Za konec opišemo primer dvojne spirale, ki jo zgradimo s pomočjo loksodromične Möbiusove transformacije, podane s predpisom T(z)=((2+i)z+2+4i):(z+2+i), kar je tudi osrednji cilj magistrskega dela.
Ključne besede: geometrija, grupa, transformacijska grupa, kompleksna števila, stereografska projekcija, Riemannova sfera, Möbiusove transformacije, klasifikacija Möbiusovih transformacij, dvojna spirala
Objavljeno v DKUM: 19.07.2017; Ogledov: 1273; Prenosov: 142
.pdf Celotno besedilo (724,80 KB)

46.
Metoda alokacije za klasifikacijo neuravnoteženih podatkov
Sašo Karakatič, 2017, doktorska disertacija

Opis: V doktorski disertaciji predstavimo metodo z imenom alokacija, ki je namenjena klasifikaciji neuravnoteženih podatkov. Metoda alokacije je klasifikacijski ansambel iz dveh nivojev. V prvem nivoju deluje alokator, ki se s pomočjo algoritmov nenadzorovanega učenja nauči učinkovito deliti izvorno množico podatkov na homogene podmnožice, ki se nato alocirajo specializiranim klasifikatorjem na drugem nivoju. Drugi nivo sestavlja množica specializiranih klasifikatorjev, kjer je vsak naučen na specifični podmnožici, ki mu je bila alocirana, in se tako specializira za točno določeno vrsto podatkov. Ti klasifikatorji tako vrnejo končno odločitev o razredu posameznih instanc, kar je tudi rezultat metode alokacije. Z namenom preizkusa delovanja koncepta metode alokacije smo v okviru doktorske disertacije razvili dve varianti alokatorja -- alokator z detekcijo anomalij, ki uporablja eno razredni klasifikator SVM, in alokator z gručenjem k-means. Obe vrsti alokatorja smo preizkusili v kombinaciji s šestimi klasifikacijskimi metodami na mestu specializiranih klasifikatorjev na drugem nivoju. Vse variante metode alokacije v vseh kombinacijah smo preverili na neuravnoteženih in uravnoteženih podatkih, slednje z namenom validacije metode kot splošnega klasifikacijskega pristopa. Rezultate alokacij smo primerjali z obstoječimi metodami za spopadanje z neuravnoteženi podatki -- informiranim podvzorčenjem, nadvzorčenjem SMOTE in ansambli bagging, MultiBoost in AdaBoost. V eksperimentih smo primerjali rezultate metrik klasifikacije (ki smo jih identificirali v teoretičnem delu disertacije) in čase, potrebne za učenje klasifikacijskega modela. Rezultate eksperimentov smo dodatno preverili s statistično analizo in na podlagi tega prišli do zaključkov, da je metoda alokacije učinkovita alternativa obstoječim pristopom pri klasifikaciji neuravnoteženih in tudi uravnoteženih podatkov.
Ključne besede: strojno učenje, klasifikacija, neuravnoteženi podatki, detekcija anomalij, alokacija, gručenje, ansambli
Objavljeno v DKUM: 10.05.2017; Ogledov: 2566; Prenosov: 423
.pdf Celotno besedilo (3,59 MB)

47.
Algoritem za klasifikacijo točk vegetacije iz posnetkov LiDAR
Denis Horvat, 2017, doktorska disertacija

Opis: V doktorski disertaciji predstavimo nov algoritem za klasifikacijo vegetacije v podatkih LiDAR. Klasifikacijski postopek povzamemo z dvema korakoma: analiza porazdelitve točk ter analiza njihovega konteksta. Poglavitna značilnost točk vegetacije je namreč statistično visoka razpršenost višin, zato jih lahko učinkovito razpoznamo v odvisnosti od napak pri prileganju ravnin. Klasifikacijo dodatno izboljšamo z uvedbo treh kontekstnih filtrov, ki obravnavajo povezane objekte (na primer zidove, dimnike, balkone), razraščeno vegetacijo in majhne objekte (na primer avtomobile, ograje, kipe). Pokazali smo, da lahko s predlaganim algoritmom vegetacijo razpoznamo neodvisno od tipa vegetacije (listavci in iglavci), okolja (gorsko, gozdnato, urbano) in nivoja olistanosti. V postopku validacije algoritma smo namreč v povrečju dosegli 97,9% rezultat F1 v neurbanih območjih in 91% v urbanih, ki iz vidika težavnosti klasifikacije veljajo za zahtevnejša. Pri klasifikaciji uporabljamo samo geometrijske podatke oblaka točk, kar predstavlja prednost algoritma pred drugimi, katerih uspešnost je v veliki meri odvisna od lastnosti, kot so visoka gostota točk in zanesljivost (ali prisotnost) drugih informacij. Analiza treh vhodnih parametrov je prav tako pokazala, da so le-ti stabilni in robustni. Predlagani algoritem zato omogoča uporabniško interakcijo ter nadzor razmerja celovitosti in pravilnosti klasifikacije.
Ključne besede: algoritem, daljinsko zaznavanje, LiDAR, matematična morfologija, prileganje površij, klasifikacija vegetacije
Objavljeno v DKUM: 04.04.2017; Ogledov: 1629; Prenosov: 288
.pdf Celotno besedilo (11,60 MB)

48.
ODŠKODNINA KOT SANKCIJA
Branka Cimeša, 2016, diplomsko delo

Opis: Pričujoče diplomsko delo je odraz želje po celovitejšemu pristopu k spoznavanju instituta odškodnine kot vrste civilnopravne sankcije. Na temo odškodninskega prava je bilo prelitega veliko črnila, vendar maloštevilni so domači viri, ki omogočajo spoznavanje omenjenega instituta z vidika njegovega pomena, namena, izvora, skratka temeljev, ki bi prispevali k integralnemu razumevanju predmetnega instituta. Omenjeno spoznanje o prisotni vrzeli med temeljnimi pojmi, velja nasploh za področje civilnega prava. Navedeno ugotovitev podkrepljuje dejstvo, da je splošni pojem civilnopravne sankcije ostal neizoblikovan. V želji po spoznavanju instituta odškodnine in njeni umestitvi v sistem pravnih sankcij se teorija med drugim poslužuje klasificiranja, ki v določeni meri zapolnjuje navedene vrzeli. S tem namenom sem v diplomskem delu predstavila klasifikacijo pravnih sankcij, ki zadevajo neposredno kršitelja ter klasifikacijo civilnopravnih sankcij z vidika ciljev in namena, ki jih le-te zasledujejo. Odškodnina kot sankcija je institut odškodninskega prava, ki ga kot skupek pravnih pravil in pravnih načel, umeščamo v podpanogo obligacijskega prava in panogo civilnega prava. Njena pravna podlaga oziroma podlaga za sankcioniranje je normativno urejena v Obligacijskem zakoniku (OZ), vendar ob tem ne gre zanemariti Ustavo Republike Slovenije, ki predstavlja hierarhično najvišji pravni akt in temelj celotnega slovenskega pravnega reda. Skoraj ga ni področja, ki ne bi bilo prepleteno z odškodninskim pravom, vendar pogoji oziroma predpostavke, ki morajo biti podane za izrek sankcije ostajajo takšne, kot jih je izoblikovalo civilno pravo. Kadar restitucija ni izvedljiva, subsidiarno nastopi denarna odškodnina. Namen denarne odškodnine kot sankcije počiva na temelju pravnega standarda pravične denarne odškodnine. Bodisi kot ekvivalenca, bodisi kot satisfakcija. Zgodovinsko gledano, tako kazensko kot civilno pravo izvirata iz istih korenin. Danes se namen sankcij popolnoma razlikuje. Medtem ko kazensko pravo izpostavlja storilca kaznivega dejanja, njegova dejanja moralno vrednoti, ga kaznuje in skuša doseči preventivni učinek na druge, pa odškodninsko pravo izpostavlja oškodovanca ter temelji na pravičnem odškodovanju in povrnitvi škode v obsegu, ne več, ne manj, kot bi ustrezala pojmu pravične denarne odškodnine. Vendar omenjeno velja za kontinentalni pravni sistem, medtem ko anglo-ameriški pravni sistem počiva na drugačnih temeljih. Zaradi vpliva zgodovinske dediščine in posledično prepletanja različnih funkcij odškodnine, je elemente kazenskih sankcij v odškodninskem pravu čutiti tudi do neke mere pri nas.
Ključne besede: odškodnina, denarna odškodnina, sankcija, klasifikacija sankcij, odgovornost, restitucija, kaznovalna odškodnina, satisfakcija, civilna kazen.
Objavljeno v DKUM: 18.11.2016; Ogledov: 1367; Prenosov: 206
.pdf Celotno besedilo (1,00 MB)

49.
Primerjava maturitetnih nalog iz fizike na splošni in mednarodni maturi v Sloveniji ter splošni maturi na Hrvaškem
Miro Jaušovec, 2016, diplomsko delo

Opis: Matura v Sloveniji je stara 21 let. Uvedena je bila z namenom preverjanja usposobljenosti dijakov za vstop na fakultete. Eden od izbirnih maturitetnih predmetov je tudi fizika. V diplomskem delu želimo primerjati nivo in koncept slovenske mature iz fizike s programom mednarodne mature, ki ga izvajajo na treh slovenskih gimnazijah, in splošno maturo na Hrvaškem. V ta namen podrobno analiziramo in primerjamo učne načrte iz fizike in predmetne izpitne kataloge v programu splošne mature in programu mednarodne mature v Sloveniji ter splošne mature na Hrvaškem. V posameznih maturitetnih programih iščemo podobnosti in razlike. Zanima nas tudi vključenost dijakov v splošno maturo iz fizike v Sloveniji, dosežena povprečna ocena in delež neuspešnih. Glavni del diplomskega dela je primerjava in analiza maturitetnih nalog po Gagnejevi klasifikaciji znanj. Predlagamo spremembe v smislu izboljšave mature v Sloveniji.
Ključne besede: matura, splošne gimnazije, učni načrt, predmetni izpitni katalog, Gagnejeva klasifikacija znanj, maturitetne naloge.
Objavljeno v DKUM: 11.11.2016; Ogledov: 1452; Prenosov: 164
.pdf Celotno besedilo (1,14 MB)

50.
Razvoj odločitvenega modela za izbiro multimodalne biometrične nadzorne tehnologije
Tomaž Božič, 2016, magistrsko delo/naloga

Opis: V magistrskem delu se ukvarjamo z razvojem prototipnega sistema za podporo odločanju pri izbiri multimodalne biometrične nadzorne tehnologije. V teoretičnem delu so predstavljene najbolj razširjene metode biometrične identifikacije in verifikacije. Nato smo predstavili sisteme za strojno učenje z metodo podatkovnega rudarjenja. Natančno smo predstavili tudi programsko orodje Orange in utemeljili, zakaj smo ga uporabili. V empiričnem delu naloge smo razvili prototip večkriterijskega odločitvenega modela za pomoč svetovalcem/prodajnikom pri izbiri topologije sistema za potrebe varovanja določenega objekta. Model smo razvili s pomočjo sistema na podlagi strojnega učenja Orange. V modelu smo uporabili naslednje klasifikacijske metode: Naive Beyes, Neural Network, k NN, SVM, Random Forest in Classification Tree. Model smo naučili in validirali na dejanskih podatkih obravnavanega podjetja. Kot najtočnejša metoda pri klasifikaciji se je izkazala metoda klasifikacije Random Forest z natančnostjo klasifikacije CA 98,63 %. Razviti model je pokazal zadovoljivo natančnost pri ustrezni izbiri sistema biometrične identifikacije in verifikacije.
Ključne besede: pristopna kontrola, biometrija, strojno učenje, klasifikacija, večkriterijski odločitveni modeli
Objavljeno v DKUM: 18.10.2016; Ogledov: 3658; Prenosov: 157
.pdf Celotno besedilo (2,27 MB)

Iskanje izvedeno v 0.27 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici