Iskanje po katalogu digitalne knjižnice

Opis: Magistrsko delo obsega opis razvoja in implementacije modela globoke nevronske mreže z LSTM arhitekturo. Model omogoča napovedovanje vlažnosti koruze na izhodu iz sušilnega sistema na podlagi meritev vlažnosti koruze na vhodu in beleženja temperaturnih parametrov med obratovanjem. Razvoj modela je vključeval temeljito analizo in preučitev posameznih temperaturnih parametrov. Pri tem smo izvedli regresijsko analizo, ki je raziskovala vpliv vhodne vlažnosti, ciljne temperature gorilnika in časa sušenja med izpusti koruze na spremembe temperaturnih parametrov v sušilnem sistemu. Poleg tega smo preučili tudi statistične vplive samih temperaturnih parametrov na vlažnost koruze na izhodu iz sušilnega sistema. Analiza nam je omogočila ustrezno pripravo podatkov za učenje napovednih modelov. Uspešnost razvitih napovednih modelov je ocenjena s povprečno absolutno napako (angl. mean absolute error – MAE), povprečno kvadratno napako (angl. mean squared error – MSE), korenom povprečne kvadratne napake (angl. root mean squared error – RMSE) in srednjo absolutno odstotkovno napako (angl. mean absolute percentage error – MAPE). Najuspešnejši model za napovedovanje vlažnosti na izhodu iz sušilnega sistema je imel na učnih podatkih odlično zmogljivost napovedovanja, saj so povprečne vrednosti MAE znašale 0,352, RMSE 0,645, MSE 0,416 in MAPE 2,555. Izvedena je bila tudi vizualizacija rezultatov za nadaljnjo analizo in interpretacijo.
Ključne besede: sušilni sistem, globoko učenje, LSTM, napovedovanje, optimizacija, koruza, vlaga
Objavljeno v DKUM: 28.03.2024; Ogledov: 275; Prenosov: 63
Celotno besedilo (3,60 MB)

Opis: Na svetu je rak materničnega vratu (RMV) četrti najpogostejši rak pri ženskah. V Sloveniji je bil pri ženskah leta 2017 na sedemnajstem mestu. Z ustreznim presejanjem, zgodnjim odkrivanjem predrakavih sprememb in njihovim zdravljenjem, ga je mogoče preprečiti. Metode umetne inteligence ('artificial intelligence – AI') bi lahko postale orodje, ki bi pripomoglo k rešitvi problema RMV. Z našo študijo smo želeli preveriti, ali lahko z umetnimi nevronskimi mrežami na podlagi dejavnikov tveganja za razvoj ploščatocelične intraepitelijske lezije (PIL) na materničnem vratu (MV) in RMV ter izvida zadnjega brisa materničnega vratu (BMV) napovemo, ali bo končni histološki izvid konusa PIL visoke stopnje (PIL-VS) oziroma RMV ali ne. Poleg nevronskih mrež smo preizkusili tudi nekatere druge klasifikacijske sisteme. Za analizo smo uporabili podatke 1475 pacientk, ki so imele narejeno konizacijo na Kliniki za ginekologijo in perinatologijo Univerzitetnega kliničnega centra Maribor v letih 1993–2005. Vse podatke smo anonimizirali. Uporabili smo metode za uravnoteženje manjšinskega in večinskega razreda. Za analizo smo oblikovali več baz, izvedli pa smo jo z odprtokodnim programskim paketom za podatkovno rudarjenje WEKA. Nevronske mreže so bile uspešnejše pri napovedovanju tveganih pacientk kot večinski algoritem. V naši študiji se je klasifikacijski algoritem Random Forest s sestavljeno metodo 'bagging' izkazal kot najuspešnejši in bi bil primeren za klinično uporabo.
Ključne besede: rak materničnega vratu, ploščatocelična intraepitelijska lezija visoke stopnje, umetna inteligenca, umetne nevronske mreže, napovedovanje tveganja
Objavljeno v DKUM: 24.08.2023; Ogledov: 456; Prenosov: 31
Celotno besedilo (4,12 MB)

Opis: V času, ko je racionalna poraba energije in trajnostna naravnanost njenega pridobivanja postala že vsakdanja, je eden izmed že preverjenih in razširjenih načinov pridobivanja energije v javnih ustanovah kot so šole, bolnišnice, trgovski centri in podobno tako imenovana decentralizirana ali distribuirana proizvodnja električne energije, toplote in hladu, v tujini znana pod terminom Distributed Energy Resources (v nadaljevanju DER). Kot tudi na drugih področjih življenja sta tudi pri pridobivanju energije optimizacija in napovedovanje porabe esencialnega pomena za rentabilno in okoljsko sprejemljivo delovanje. V doktorski disertaciji smo proučevali sistem sestavljen iz tri-generatorja z dodatno absorpcijsko toplotno črpalko za pretvorbo toplote v hlad in dodatnega bojlerja ter kompresorske toplotne črpalke. V takšnih sistemih se za napovedovanje v večini uporabljajo samo zgodovinski podatki o porabi, saj drugih podatkov nimamo na voljo. Zaradi tega metode, ki jih avtorji uporabljajo za modeliranje oskrbe z energijo v industrijskih sistemih, niso povsem uporabne in zato je bil nujno potreben drugačen pristop.
Ključne besede: distribuirana proizvodnja energije, logistični proces, simulacije diskretnih dogodkov, optimizacija in napovedovanje, trajnostno pridobivanje energije
Objavljeno v DKUM: 22.02.2023; Ogledov: 761; Prenosov: 1
Celotno besedilo (3,48 MB)

Opis: Najpomembnejša naloga naše generacije je ohraniti planet, da bodo naši zanamci dihali svež zrak, pili čisto vodo in živeli v normalni temperaturi. Pri tem bo eno ključnih vlog odigrala oskrba z električno energijo. Za čim večjo podnebno nevtralnost si močno prizadeva tudi Evropska unija (EU), saj v tako imenovani zeleni preboj vlaga veliko časa in denarja. Posledično obnovljivi viri energije (OVE) predstavljajo vedno večji delež naše oskrbe z električno energijo. Toda treba se je zavedati, da bolj ko se naša električna energija napaja iz vremensko odvisnih virov energije, kot sta veter in sonce, bolj niha delovanje električnega omrežja in večji pomen ima napovedovanje proizvodnje vetrne energije.
Ključne besede: Vetrna energija, vetrne elektrarne, hitrost vetra, realizirana proizvodnja električne energije, napovedovanje.
Objavljeno v DKUM: 02.11.2022; Ogledov: 941; Prenosov: 122
Celotno besedilo (5,83 MB)

Opis: Rešitev, predstavljena v nalogi, se osredotoča na izboljšanje procesa napovedovanja prodajnih rezultatov izdelkov ali storitev s pomočjo vpeljave dodatnih odprtih virov podatkov. Z nalogo želimo poudariti, kako enostavno lahko pridobimo podatke in jih zelo dragoceno uporabimo v procesu poslovanja. Za končno primerjavo in vrednotenje smo najprej postavili dva modela v različnih sistemih za napovedovanje prodajnih rezultatov na podlagi enega vira, to so zgodovinski podatki prodaje. V nadaljevanju smo napovedni model s historičnimi podatki nadgradili. Dodali smo še podatke o številu zabeleženih bolezni, ki smo jih pridobili preko spletnega portala z javno objavljenimi podatki (odprti podatki). Korelacija med omenjenimi podatki obstaja, vendar je povezovanje te vrste podatkov kompleksno, zato je interpretacija rezultatov po eni strani lahko zelo zahtevna, po drugi strani pa povsem logična in zanimiva. Cilj, ki smo si ga zadali, je torej pokazati tri različne modele za napovedovanje, jih primerjati in ugotoviti, kakšen doprinos prinesejo odprti podatki. Rezultati naloge so pokazali, da smo zgradili zelo dobro osnovo za nadaljnji razvoj rešitve in enostavno implementacijo v uporabo.
Ključne besede: Odprti (javni) podatki, napovedovanje, podatkovno rudarjenje, model CRISP-DM.
Objavljeno v DKUM: 07.12.2021; Ogledov: 931; Prenosov: 75
Celotno besedilo (2,29 MB)