| | 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


1 - 10 / 107
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Ocenjevanje starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež
Tilen Krel, 2021, magistrsko delo

Opis: Magistrsko delo se ukvarja z ocenjevanjem starosti osebe na osnovi digitalnih posnetkov z uporabo konvolucijskih nevronskih mrež. Razvit in implementiran je bil lasten model konvolucijske nevronske mreže za ocenjevanje starosti osebe iz digitalnega posnetka. Kot osnova za naš model je bila uporabljena in modificirana obstoječa arhitektura konvolucijske nevronske mreže VGG-Face, namenjena razpoznavanju obrazov. Za učenje in testiranje sta bili uporabljeni bazi podatkov IMDB-WIKI in FG-NET. Na bazi podatkov IMDB-WIKI je bila dosežena povprečna napaka med dejansko in ocenjeno starostjo 6,7 leta, na bazi podatkov FG-NET pa z validacijsko metodo »izpusti-eno-osebo« izračunana povprečna napaka med dejansko in ocenjeno starostjo 3,9 leta. Dobljeni rezultati so primerljivi oziroma le malo zaostajajo za najuspešnejšimi metodami za ocenjevanje starosti osebe z digitalnega posnetka. Na tej osnovi se naš model ocenjuje kot primeren za uporabo v produkcijskih rešitvah.
Ključne besede: računalniški vid, konvolucijske nevronske mreže, globoko učenje, ocenjevanje starosti
Objavljeno: 17.02.2021; Ogledov: 184; Prenosov: 32
.pdf Celotno besedilo (1,01 MB)

2.
Razpoznavanje človeških emocij na digitalnih posnetkih s pomočjo konvolucijskih nevronskih mrež
Aleš Pernat, 2020, magistrsko delo

Opis: V magistrskem delu smo se ukvarjali z razvrščanjem šestih osnovnih človeških emocij in nevtralnega izraza s pomočjo digitalnih posnetkov in konvolucijskih nevronskih mrež. Pregledali smo področje razpoznavanja človeških emocij in natančno preučili konvolucijske nevronske mreže. Implementirali smo več modelov sodobnih konvolucijskih nevronskih mrež, ob tem pa razvili tudi lastne modele. Uporabili smo knjižnico Tensorflow in programski jezik Python. Naše predlagane rešitve smo preizkusili na prosto dostopnih podatkovnih zbirkah CK+, MMI in JAFFE. Slike iz podatkovnih zbirk smo obogatili z zrcaljenjem in rotiranjem, tako da smo dobili večjo količino podatkov. Za validiranje smo uporabili pristop, neodvisen od subjekta, in petkratno navzkrižno validacijo. Najboljši rezultati razvrščanja z našimi predlaganimi metodami so bili 91,65 % na zbirki CK+, 59,08 % na zbirki MMI in 67,86 % na zbirki JAFFE. Rezultati na zbirki CK+ so primerljivi z rezultati sorodnih del, na preostalih dveh zbirkah pa je uspešnost razvrščanja z našimi pristopi bistveno slabša od rezultatov sorodnih del.
Ključne besede: človeške emocije, konvolucijske nevronske mreže, digitalne slike, strojno učenje
Objavljeno: 04.01.2021; Ogledov: 140; Prenosov: 29
.pdf Celotno besedilo (1,30 MB)

3.
Zaznava oljnih madežev v multispektralnih satelitskih slikah
Marko Kužner, 2020, diplomsko delo

Opis: V tem diplomskem delu predstavljamo analizo metod za zaznavanje oljnih madežev na vodni površini s satelitom TRISAT. Primerjali smo metodo največjega verjetja in nevronsko mrežo. Algoritma smo učili in testirali nad dvema različnima bazama podatkov. Z rezultati smo pokazali, da je metoda največjega verjetja računsko in prostorsko bolj spremenljiva pri manjšem številu vhodnih podatkov, medtem ko se je nevronska mreža izkazala za natančnejšo. S primerjavo najboljših izbranih kanalov nad bazama podatkov smo pokazali, da so si izbrani kanali podobni. Rezultate tega diplomskega dela lahko uporabimo za izvedbo algoritma nad referenčnimi slikami satelita TRISAT.
Ključne besede: satelit TRISAT, metoda največjega verjetja, nevronske mreže, zaznavanje olja, kratkovalovni infrardeči spekter
Objavljeno: 01.12.2020; Ogledov: 364; Prenosov: 0
.pdf Celotno besedilo (1,57 MB)

4.
Klasifikacija besedila s prenosnim učenjem
Jure Žerak, 2020, magistrsko delo

Opis: Magistrsko delo ima namen preizkusiti metodo prenosnega učenja na obdelavi naravnega jezika in jo primerjati s klasičnimi metodami učenja nevronskih mrež, metodo LSTM. V delu sta uporabljena opisna metoda za teoretični in eksperiment za praktični del dela. V slednjem smo ugotovili, da je metoda prenosnega učenja na majhni količini podatkov bolj točna od klasičnih metod, vendar za to potrebuje več časa. Delo primerja prednaučeni model Bert in klasično metodo LSTM, zato je priporočljivo primerjati rezultate tudi z drugimi prednaučenimi modeli in klasičnimi metodami.
Ključne besede: nevronske mreže, prenosno učenje, NLP, PyTorch, LSTM
Objavljeno: 01.12.2020; Ogledov: 119; Prenosov: 32
.pdf Celotno besedilo (1,99 MB)

5.
Klasifikacija z utežem agnostičnimi nevronskimi mrežami
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: 01.12.2020; Ogledov: 161; Prenosov: 50
.pdf Celotno besedilo (3,89 MB)

6.
Napovedovanje intervencij z uporabo umetne inteligence
Rok Rutnik, 2020, magistrsko delo

Opis: Namen naloge je izdelava matematičnih modelov napovedovanja za odločitve upravljanja, osnovane na inteligentnih, kvantitativnih analizah. Magistrsko delo obravnava področje napovedovanja števila interventnih dogodkov Gasilske brigade Maribor s pomočjo umetne inteligence in regresijskih modelov. Učne množice podatkov so bile pridobljene iz baz podatkov SPIN in ARSO, obdelane v programskem jeziku Python, modeli napovedovanja pa programirani v programskem paketu MATLAB. Cilj naloge je bil izdelava štirih regresijskih algoritmov, umetne nevronske mreže LSTM in NARX za napovedovanja dogodkov, njihove rezultate pa preko metrik ocenjevanja natančnosti medsebojno primerjati. Rezultati napovedovanja nekaterih učnih množic so bili zaradi majhnih korelacijskih povezav slabi, zato teh dogodkov nismo mogli napovedovati. Požarne intervencije in naravne nesreče so dale dovolj dobre rezultate korelacijskih analiz, zato so bile uporabljene v izgradnji nevronskih mrež. Glede na rezultate zbranih modelov menimo, da so nevronske mreže primernejše za napovedovanje interventnih dogodkov kot regresijski modeli.
Ključne besede: napovedovanje, umetna inteligenca, nevronske mreže, strojno učenje, regresija
Objavljeno: 11.11.2020; Ogledov: 197; Prenosov: 28
.pdf Celotno besedilo (7,00 MB)

7.
Strojno učenje računalniškega igralca v igri Havannah
Nino Serec, 2020, diplomsko delo

Opis: V zadnjih letih je bil na področju umetne inteligence z uporabo okrepitvenega učenja nevronskih mrež dosežen preboj pri sposobnostih računalnika za igranje iger na deski, kot je Go, pri katerih je bil človek doslej močnejši nasprotnik. V diplomskem delu raziščemo algoritem igranja iger AlphaZero, ki kombinira tehnike preiskovanja dreves Monte Carlo in okrepitvenega učenja nevronskih mrež. Algoritem začne brez posebnega predznanja o dobrih strategijah, vendar se moč algoritma s postopkom učenja, ki se ponavlja iterativno, konstantno povečuje. V diplomskem delu opišemo in implementiramo osnovno obliko AlphaZero za igranje igre Havannah. Naučimo več različic modela nevronskih mrež, kjer vsak naslednik premaga svojega prednika in postane prvak. S tem pokažemo, da se lahko računalniški igralec uči igranja igre Havannah samo s podanimi pravili igre, tako da je sposoben premagati povprečnega človeškega igralca.
Ključne besede: igra Havannah, drevesno preiskovanje Monte Carlo, nevronske mreže, okrepitveno učenje, tabula rasa
Objavljeno: 11.11.2020; Ogledov: 248; Prenosov: 48
.pdf Celotno besedilo (1,29 MB)

8.
Napovedovanje geoprostorskih rastrskih podatkov s konvolucijskimi nevronskimi mrežami
Mitja Žalik, 2020, diplomsko delo

Opis: V diplomskem delu predstavimo uporabo konvolucijskih nevronskih mrež za napoved geoprostorskih rastrskih podatkov. V prvem delu opišemo geoprostorske podatke in zgradbo ter značilnosti konvolucijskih nevronskih mrež. V drugem delu predlagamo model nevronske mreže, ki ga uporabimo za dolgoročno napoved sončnega potenciala in kratkoročno napoved vegetacijskega indeksa NDVI. Povprečna napaka po metriki NRMSE znaša 0,22% pri napovedi sončnega potenciala in 15% pri napovedi indeksa NDVI. Diplomsko delo zaključimo s predlogi možnih razširitev.
Ključne besede: umetna inteligenca, globoko učenje, konvolucijske nevronske mreže, geoprostorski podatki, rastrski podatki
Objavljeno: 04.11.2020; Ogledov: 136; Prenosov: 46
.pdf Celotno besedilo (3,14 MB)

9.
Zasnova in razvoj sistema za rudarjenje mnenja, s pomočjo besednih vektorjev in nevronskih mrež
Miha Hozjan, 2020, magistrsko delo

Opis: V zadnjih letih je, predvsem s porastom socialnih medijev, analiza sentimenta postala ena izmed glavnih vej obdelave naravnega jezika. Intenzivno se uporablja na različnih področjih, med drugim tudi v političnem prostoru. V sklopu magistrske naloge smo izdelali sistem za rudarjenje mnenja, ki uspešno razvrsti komentarje, zapisane v slovenskem jeziku, v tri kategorije, in sicer pozitivne, negativne in nevtralne. Po proučitvi strokovne in znanstvene literature ter razvoju in primerjavi različnih modelov nam je uspelo pokazati, da lahko z uvedbo besednih vektorjev v kombinaciji z nevronskimi mrežami občutno izboljšamo delovanje takšnega sistema.
Ključne besede: analiza sentimenta, besedni vektorji, nevronske mreže, obdelava naravnega jezika
Objavljeno: 03.11.2020; Ogledov: 109; Prenosov: 22
.pdf Celotno besedilo (1,22 MB)

10.
Izdelava pogovornega robota z rekurentno nevronsko mrežo LSTM
Tomaž Piko, 2020, diplomsko delo

Opis: V diplomskem delu so v prvem delu najprej predstavljeni pogovorni roboti in njihovi tipi, nato rekurentne nevronske mreže ter delovanje različnih celic, ki jih pri njih najpogosteje srečujemo. V drugem delu pa je prikazan primer implementacije in učenja rekurentne nevronske mreže LSTM (Long Short-Term Memory) ter izdelava mobilne aplikacije, v kateri lahko pisno komuniciramo z izdelano mrežo oziroma našim pogovornim robotom v slovenskem ali angleškem jeziku.
Ključne besede: pogovorni roboti, rekurentne nevronske mreže, celica LSTM, obdelava naravnih jezikov
Objavljeno: 03.11.2020; Ogledov: 126; Prenosov: 19
.pdf Celotno besedilo (1,27 MB)

Iskanje izvedeno v 0.31 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici