| | 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


51 - 60 / 145
Na začetekNa prejšnjo stran234567891011Na naslednjo stranNa konec
51.
MODEL RAVNANJA Z ODPADKI V AVTOSERVISNIH DELAVNICAH V CELJSKI REGIJI
Gregor Koštomaj, 2016, diplomsko delo/naloga

Opis: V diplomski nalogi smo predstavili trenuten model ravnanja z odpadki v avtoservisnih delavnicah v celjski regiji. Osredotočili smo se predvsem na nevarne odpadke, ki nastajajo pri različnih dejavnostih, kako jih servisi začasno skladiščijo do nadaljnega prevzema in preverili usposobljenost zaposlenih pri rokovanju z njimi. V teoretičnem delu smo predstavili različne avtoservisne delavnice, kje nastajajo odpadki, spoznali vrste nevarnih odpadkov, klasifikacijo odpadkov in posamezna podjetja, ki skrbijo za odvoz in dokončno reciklažo. V raziskovalnem delu smo s pomočjo uvedene ankete pridobili podatke o tekočem stanju oddane količine nevarnih odpadkov in gibanju v zadnjih letih. Z raziskovalnimi vprašanji smo ugotovili kakšen je trend nastajanja odpadkov v avtoservisnih delavnicah in podali oceno, koliko so zaposleni okoljsko ozaveščeni in koliko so pravilno informirani kako ravnati z nevarnimi odpadki. Ugotovili smo, da se je pri določenih podjetij letna količina oddanih nevarnih odpadkov v zadnjih petih letih povečala, vendar na povprečni ravni v regiji količina ostaja stabilna.
Ključne besede: nevarni odpadki, klasifikacija, avtoservisna delavnica, proces
Objavljeno v DKUM: 12.10.2016; Ogledov: 1142; Prenosov: 194
.pdf Celotno besedilo (1,64 MB)

52.
ANALIZA IN PRIMERJAVA PLATFORM ZA PODATKOVNO RUDARJENJE RAPIDMINER IN WEKA
Aleksej Miloševič, 2016, diplomsko delo

Opis: V pričujočem diplomskem delu sta analizirani in primerjani splošnonamenski platformi za podatkovno rudarjenje RapidMiner in Weka. V uvodnem delu diplomskega dela so razložene osnove strojnega učenja in podatkovnega rudarjenja ter podrobneje definirane metode dela, ki so uporabljene v praktičnem delu. Primerjava je razdeljena na teoretični in eksperimentalni del. V teoretičnem delu so na podlagi definirane metodologije identificirane pomembne lastnosti orodij in primerjane med seboj, v eksperimentalnem delu pa sta primerjani točnost in F-Mera implementacij algoritmov k-najbližjih sosedov, Naključni gozdovi in Naivni Bayes. S pomočjo statističnih testov je bilo ugotovljeno, da se nobena izvedenka algoritma od drugega statistično pomembno ne razlikuje.
Ključne besede: strojno učenje, klasifikacija, primerjava, RapidMiner, Weka
Objavljeno v DKUM: 16.09.2016; Ogledov: 1848; Prenosov: 239
.pdf Celotno besedilo (2,22 MB)

53.
Razvoj modela za inteligentno podporo odločanju na osnovi analize nesktrukturiranih vsebin
Miha Pavlinek, 2016, doktorska disertacija

Opis: V svetu vseprisotnega računalništva se s kopičenjem naprav ter množično uporabo družbenih omrežij, elektronske komunikacije in drugih oblik IKT storitev naglo povečuje tudi količina nestrukturiranih vsebin. To nas sili k uporabi inteligentnih rešitev, ki za nas te vsebine organizirajo, se namesto nas odločajo o njihovi pomembnosti in nam posredujejo zgolj najbolj relevantne med njimi. Osnovna zmožnost takšnih rešitev je klasifikacija vsebin, zato so v njih avtomatski klasifikatorji nepogrešljiv člen. Zanje je tipično, da za učenje potrebujejo številne označene primerke z ustrezno predstavitvijo, v praksi pa označeni primerki niso vedno na voljo, zato je potrebno avtomatske klasifikatorje prilagoditi tako, da so sposobni pri učenju uporabljati tudi druge, neoznačene vsebine. V disertaciji smo predstavili metodo ST LDA (ang. Self-Training with LDA) za klasifikacijo besedil, ki za učenje klasifikatorja potrebuje le minimalno množico označenih in veliko večjo množico neoznačenih primerkov. Predlagali smo algoritem, ki temelji na metodi samoučenja ter predstavitvi besedil na osnovi tematskega modela, kar prinaša dodatne faktorje, od katerih je odvisna njegova uspešnost. Za vsak faktor smo, na podlagi številnih eksperimentov nad sedmimi besedilnimi podatkovnimi zbirkami, ocenili vpliv na uspešnost klasifikacije ter definirali model za določanje vrednosti parametrov, s čimer se izognemo dodatnim nastavitvam. Uspešnost metode smo primerjali z uspešnostjo drugih uveljavljenih metod in predstavitev, pri čemer predlagana metoda ST LDA dosega nadpovprečne rezultate, kar smo navsezadnje potrdili z neparametričnimi statističnimi testi.
Ključne besede: obdelava naravnega jezika, tekstovno rudarjenje, klasifikacija, tematsko modeliranje, delno nadzorovano učenje, samoučenje
Objavljeno v DKUM: 16.09.2016; Ogledov: 1931; Prenosov: 199
.pdf Celotno besedilo (4,13 MB)

54.
Razpoložljivost sistemov zanesljive oskrbe z električno energijo
Boštjan Lavuger, 2016, magistrsko delo

Opis: Sodobne informacijske in komunikacijske naprave so vpete v praktično vse pore sodobnega življenja. Brez njih si današnjega življenja ni več mogoče zamisliti. Delovanje teh naprav je odvisno od zanesljive oskrbe z električno energijo, ki mora biti stabilna in zanesljiva. Sprejemljive odpovedi napajanja so izjemno kratke. Ker je standardizacija na tem področju skopa, so načrtovalcem v pomoč priporočila različnih organizacij. Visoka razpoložljivost napajalnih sistemov je glavno vodilo v teh priporočilih. V magistrskem delu smo analizirali zahteve za takšne napajalne sisteme. Na osnovi priporočil smo oblikovali tipične arhitekture napajalnih sistemov. Za tipične arhitekture je bila izračuna razpoložljivost ter z njo povezani parametri. Napajalni sistemi so sestavljeni iz različnih elementov in naprav. V nadaljevanju dela je bil s pomočjo matematičnih modelov za izračun razpoložljivosti, raziskan vpliv posameznih elementov na celoten napajalni sistem. Zaradi kompleksne sestave takšnih napajalnih sistemov, je uporaba celovitih matematičnih modelov zamudna in kompleksna. V zaključku dela je bila izvedena analiza poenostavitev matematičnih modelov za izračun razpoložljivosti ter njihova primerjava z osnovnimi modeli ter rezultati izračunov.
Ključne besede: visoko razpoložljivi napajalni sistemi, razpoložljivost, zanesljivost, Tier klasifikacija
Objavljeno v DKUM: 13.09.2016; Ogledov: 1372; Prenosov: 126
.pdf Celotno besedilo (1,30 MB)

55.
OPTIMIZACIJA Z ROJEM DELCEV ZA IZBIRO ATRIBUTOV PRI KLASIFIKACIJI
Lucija Brezočnik, 2016, magistrsko delo

Opis: V magistrskem delu smo razvili metodo FS-BPSO, ki združuje postopek izbire atributov z algoritmom optimizacije z rojem delcev. Glavni namen te metode je njena uporabnost pri reševanju naslednjega dobro znanega problema. Ko so v podatkovni množici primerki z ogromnim številom atributov, je med njimi težko najti tiste, ki so najbolj informativni oziroma reprezentativni. Tega problema smo se lotili s predlaganim hibridnim algoritmom binarne optimizacije z rojem delcev v kombinaciji s klasifikacijskimi metodami C4.5, Naive Bayes in SVM v cenitveni funkciji za izbiro informativnih atributov. Dobljeni rezultati so statistično analizirani in razkrivajo, da predlagani hibridni algoritem prekaša znane klasifikacijske metode C4.5, Naive Bayes in SVM.
Ključne besede: računalniška inteligenca, optimizacija z rojem delcev, metoda izbire atributov, klasifikacija
Objavljeno v DKUM: 06.09.2016; Ogledov: 1552; Prenosov: 258
.pdf Celotno besedilo (10,64 MB)

56.
Metode za ovrednotenje algoritmov strojnega učenja
Iva Flisar, 2016, diplomsko delo

Opis: Strojno učenje je pojem, tesno povezan s podatkovnim rudarjenjem, saj s pomočjo učnih algoritmov iščemo vzorce v podatkih. V diplomskem delu smo predstavili in opisali različne učne algoritme, ki se uporabljajo v procesu podatkovnega rudarjenja. Naš glavni cilj je bila predstavitev različnih metrik ovrednotenja učnih algoritmov. V ta namen smo v praktičnem delu diplomske naloge z različnimi metrikami ovrednotili učne algoritme. Eksperiment ovrednotenja smo izvedli na različnih podatkovnih množicah, ki smo jih razdelili z dvema različnima tipoma razdelitve – navzkrižno validacijo ter z metodo razdelitve.
Ključne besede: strojno učenje, klasifikacija, učni algoritmi, ovrednotenje algoritmov, metrike ocenjevanja
Objavljeno v DKUM: 06.09.2016; Ogledov: 1874; Prenosov: 264
.pdf Celotno besedilo (3,31 MB)

57.
Klasifikator v sistemu PDM kot razvojno in delovno večjezikovno okolje na nivoju koncerna podjetij
Aleš Ješovnik, 2016, diplomsko delo

Opis: V diplomskem delu je predstavljen PDM sistem kot orodje, ki pomaga k organiziranemu razvoju in poslovanju podjetij. Opisana je njegova vloga v podjetju, kako se prekriva in povezuje z drugimi sistemi, prav tako pa so opisane njegove pomembnejše funkcije. Ena izmed pomembnejših funkcij je klasifikacija, ki je podrobneje predstavljena v sistemu Teamcenter. Opisan je tudi problem večjezikovnosti informacijskih sistemov v večjih koncernih. Končni rezultat naloge je izdelana klasifikacija v PDM sistemu Teamcenter, ki služi kot razvojno in uporabniško večjezikovno okolje na nivoju koncerna Containex.
Ključne besede: Tehnični informacijski sistem (PDM), Planiranje v proizvodnjo-poslovnem sistemu (ERP), Klasifikacija, Teamcenter, Večjezikovnost
Objavljeno v DKUM: 05.09.2016; Ogledov: 1265; Prenosov: 200
.pdf Celotno besedilo (3,82 MB)

58.
PREGOVORI IN REKI V PROZI JANEZA TRDINE
Maja Krempl, 2016, diplomsko delo

Opis: Diplomska naloga predstavlja bogato zbirko pregovorov, ki jih je v času svojega literarnega ustvarjanja zbral in zapisal Janez Trdina. Predstavljeni so temeljni pojmi slovstvene folkloristike, kratek opis avtorjevega življenja in dela ter podrobnejši pregled zbiranja pregovorov na Slovenskem. Delo zajema opredelitev folklornih obrazcev s poudarkom na pregovorih, kratek pregled zgodovine zbiranja le-teh ter tematsko klasifikacijo izpisanih pregovorov iz pisateljevih Zbranih del in rokopisnih zapiskov v knjižni obliki, Podob prednikov.
Ključne besede: Janez Trdina, folklorni obrazci, klasifikacija, pregovori.
Objavljeno v DKUM: 04.08.2016; Ogledov: 1110; Prenosov: 102
.pdf Celotno besedilo (1,49 MB)

59.
Razvoj metode za izbiro klasifikatorja
Aleš Černezel, 2016, doktorska disertacija

Opis: V doktorski nalogi opišemo razvoj metode za izbiro klasifikatorja. Glavni prispevek omenjene metode je izbor najustreznejših kombinacij: metode za merjenje točnosti, klasifikacijskega algoritma in velikostjo učne množice; v okviru uporabniško definiranih kriterijev. Metoda je splošna in posledično tudi prilagodljiva ter razširljiva. Postopek izvajanja je formalno zapisan v obliki psevdokoda. Za potrebe zagotavljanja teoretične podlage izvedemo tudi več empiričnih raziskav, kjer dobljene rezultate analiziramo s serijo statističnih preizkusov. Izsledki raziskav doprinesejo naslednje prispevke k znanosti. Formalizacija odločitev in kriterijev za izbiro najustreznejše metode za merjenje točnosti. Formalizacija odločitev in kriterijev za izbiro najustreznejšega klasifikacijskega algoritma. Izbor matematičnega modela, ki v splošnem najbolje opiše obliko učnih krivulj. Formalizacija terminalnih kriterijev za določanje najustreznejše velikosti učne množice.
Ključne besede: Strojno učenje, klasifikacija, klasifikacijski algoritmi, podatkovne zbirke, primerjava algoritmov, zmogljivost klasifikacije, navzkrižna validacija, metoda bootstrap, učna krivulja, prileganje krivulj, aproksimacija krivulj, potenčni zakon, eksponentni zakon, terminalni kriteriji
Objavljeno v DKUM: 21.07.2016; Ogledov: 1645; Prenosov: 240
.pdf Celotno besedilo (3,04 MB)

60.
NAPREDNO UPRAVLJANJE ZALOG NA PRIMERU ADRIA MOBIL D.O.O.
Ralf Pelko, 2016, diplomsko delo/naloga

Opis: Upravljanje zalog spada med zelo pomembne operativne funkcije v podjetjih, saj je v zalogah vezan precejšen finančni del sredstev podjetja. Podjetja, ki hočejo imeti dolgoročni uspeh, morajo proizvodni in prodajni proces opravljati tako, da bodo kupčeve zahteve zadovoljene in zaloge na še sprejemljivem nizkem nivoju. V diplomskem delu se bomo ukvarjali z vprašanjem, kaj moramo v podjetju narediti, da bomo dosegali s kar se da majhnimi stroški zalog čim večjo učinkovitost.
Ključne besede: upravljanje zalog, obračanje zalog, klasifikacija zalog po ABC/XYZ, zmanjševanje zalog
Objavljeno v DKUM: 01.07.2016; Ogledov: 1147; Prenosov: 113
.pdf Celotno besedilo (1,21 MB)

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