| | 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 / 129
Na začetekNa prejšnjo stran12345678910Na naslednjo stranNa konec
1.
Vpliv osnovne prevodne enote na kakovost nevronskih strojnih prevodov
Lucija Gril, 2021, magistrsko delo

Opis: V začetku magistrske naloge je predstavljeno strojno prevajanje, njegov razvoj in področja, kjer se lahko uporablja. Predstavljeno je tudi nevronsko strojno prevajanje in njegove arhitekture. V nadaljevanju spoznamo morfološke lastnosti slovenščine in nekaj alternativnih rešitev za reševanje problemov pri prevajanju pregibnega jezika. Narejen je poskus prevajanja iz slovenščine v angleščino in iz angleščine v slovenščino z različno velikim korpusom Paracrawl in različno velikimi slovarji. Uporabljeni so besedni slovarji in slovarji s pod-besednimi enotami, ki so dobljeni s postopkom razcepljanja kodiranja zlogovnih parov – BPE. V zaključku naloge so predstavljeni rezultati in komentarji rezultatov.
Ključne besede: nevronsko strojno prevajanje, BPE, osnovna prevodna enota
Objavljeno: 16.12.2021; Ogledov: 57; Prenosov: 5
.pdf Celotno besedilo (1,71 MB)

2.
Poslovni učinki rabe umetne inteligence v CRM na primeru rešitve Salesforce
Denis Gönc, 2021, magistrsko delo

Opis: V magistrskem delu smo preučili rabo umetne inteligence (AI) v najbolj napredni rešitvi za upravljanje odnosov s strankami (CRM) Salesforce. Na konkurenčnem trgu kombinacija CRM-rešitve in AI omogoča, da podjetja izstopajo od povprečja in postanejo učinovitejša pri poslovanju ter zmanjšajo svoje stroške. Prodajnikom se s tem pristopom olajša delo, saj AI daje priporočila za najboljši naslednji korak, pripomore k oblikovanju nadzornih plošč in vpogledov ter omogoča izdelavo raznih napovednih modelov. Zaradi avtomatizacije se lahko osredotočajo na druga bolj pomembna opravila. CRM-rešitve so že v osnovi zelo napredne, vendar dodatek AI izboljša njihove zmogljivosti in podjetjem omogoča, da presežejo zastavljene cilje. V prvem delu magistrske naloge smo najprej preučili AI, predstavili njeno zgodovino, opisali področja rabe in najbolj znane ponudnike. Preučili smo tudi okrepitev varnosti in predpostavke različnih znanstvenikov o njenem razvoju v prihodnosti. V nadaljevanju smo preučili CRM-rešitve, njihove značilnosti, prednost in slabosti, zgodovino, trende ter opisali tudi njene največje ponudnike . V drugem delu smo opisali vodilno CRM-rešitev Salesforce, predstavili njene produkte, opisali skupne stroške lastništva teh produktov in utemeljili, zakaj spada med najbolj priljubljene CRM-rešitve na svetu. V nadaljevanju smo opisali Einstein AI, ki je vgrajena v jedro platforme Salesforce in s svojim naborom rešitev zagotavlja napredne zmogljivosti. Na koncu smo opisali 12 študij primerov, s katerimi smo ugotavljali, kako podjetja iz različnih panog uporabljajo Einstein AI v vodilni CRM-rešitvi in kakšne rezultate so s tem dosegli.
Ključne besede: umetna inteligenca, upravljanje odnosov s strankami, CRM, salesforce, Einstein AI, strojno učenje, globoko učenje, oblačna rešitev, študije primerov, poslovni učinki.
Objavljeno: 20.10.2021; Ogledov: 127; Prenosov: 17
.pdf Celotno besedilo (1,92 MB)

3.
Metoda prilagodljivega uglaševanja slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja
Grega Vrbančič, 2021, doktorska disertacija

Opis: V doktorski disertaciji predstavimo problematiko izbire uglaševanih slojev konvolucijskih nevronskih mrež pri strojnem učenju s prenosom znanja. Z izvedeno analizo vpliva izbire uglaševanih slojev konvolucijske nevronske mreže na uspešnost učenja potrdimo domnevo, da je primerna izbira uglaševanih slojev s ciljem doseganja visoke klasifikacijske uspešnosti odvisna od izbrane arhitekture konvolucijske nevronske mreže ter ciljnega problema oz. izbrane podatkovne zbirke. Z namenom naslovitve problema izbire uglaševanih slojev razvijemo in predlagamo prilagodljivo metodo DEFT, ki temelji na algoritmu diferencialne evolucije in deluje popolnoma samodejno, ne glede na uporabljeno arhitekturo konvolucijske nevronske mreže ali ciljni problem. Zaradi velike časovne kompleksnosti predlagane metode v nadaljevanju razvijemo in predlagamo na funkciji izgube temelječo metriko LDM, ki v zgodnji fazi učenja uspešno zaznava manj primerne izbire uglaševanih slojev, kar nam omogoča, da za zaznane manj primerne izbire uglaševanih slojev predčasno zaključimo učenje in na tak način zmanjšamo časovno zahtevnost predlagane metode. Uspešnost predlagane metode ovrednotimo z uporabo treh različnih arhitektur globokih konvolucijskih mrež nad tremi raznolikimi slikovnimi podatkovnimi zbirkami. Klasifikacijsko uspešnost predlagane metode z in brez uporabe metrike LDM smo primerjali s klasičnimi pristopi učenja globokih konvolucijskih nevronskih mrež. Primerjavo izvedemo z uporabo najpogostejših klasifikacijskih metrik, časom, potrebnim za učenje, ter porabljenim številom epoh. Rezultate smo preverili z uporabo klasičnih metod statistične analize kot tudi z naprednim pristopom Bayesove analize. Izsledki slednje so potrdili tezo, da je mogoče z uporabo metode prilagodljivega uglaševanja slojev konvolucijske nevronske mreže uspešno nasloviti problem izbire slojev ter da lahko z uporabo metrike LDM za zaznavo manj primernih izbir uglaševanih slojev učinkovito zmanjšamo število epoh, potrebnih za učenje, ob doseganju primerljivih rezultatov.
Ključne besede: strojno učenje, globoko učenje, učenje s prenosom znanja, klasifikacija, uglaševanje, optimizacija
Objavljeno: 19.10.2021; Ogledov: 189; Prenosov: 31
.pdf Celotno besedilo (5,35 MB)

4.
Prepoznavanje objektov iz satelitskih slik z metodami globokega učenja na vgrajeni napravi
Martin Domajnko, 2021, diplomsko delo

Opis: V diplomskem delu rešujemo problem prepoznavanja prometa iz satelitskih slik. Cilj je bil uporabiti metode globokega učenja, pognati modele na izbranih vgrajenih napravah in doseči povprečno natančnost vsaj 75 % pri hitrosti izvajanja 5 sličic na sekundo. Za eksperiment uporabimo modela Faster R-CNN in SSD iz knjižnic Detectron2 ter TensorFlow Object Detection API. Fazi učenja in testiranja izvedemo na satelitskih slikah baze podatkov xView, katere predhodno razdelimo na učno in testno množico. Na učni množici izvedemo tudi bogatenje slik. Naučene modele preizkusimo na grafičnih karticah Nvidia GeForce GTX 970 ter Nvidia Titan X Pascal, na procesorju Intel Core i7-4790 in na vgrajenih napravah Intel Neural Compute Stick 2 ter Nvidia Jetson TX2. Preizkuse izvedemo s pomočjo skript napisanih v programskem jeziku Python3. Te izvozijo modele v posebno zamrznjeno stanje, jih optimizirajo za izvajanje na izbrani napravi in izmerijo njegovo hitrost ter natančnost. Najvišjo povprečno natančnost 37,33 % dosežemo z modelom Faster R-CNN iz knjižnice Detectron2. Z modelom SSD iz knjižnice TensorFlow Object Detection API na grafični kartici Nvidia GeForce GTX 970 dosežemo povprečno hitrost izvajanja 84,5 sličic na sekundo. Demonstrirana rešitev v diplomskem delu je primerna za izvajanje na vgrajenih napravah, a žal ni dovolj natančna. Za doseganje boljših rezultatov moramo našo rešitev izvajati na hitrejši strojni opremi, ki podpira večje ter s tem natančnejše modele.
Ključne besede: strojno učenje, globoko učenje, vgrajene naprave, prepoznavanje objektov, satelitske slike, računalniški vid
Objavljeno: 18.10.2021; Ogledov: 86; Prenosov: 17
.pdf Celotno besedilo (34,13 MB)

5.
Značilnost okolja Kuberflow
Domen Krasnič, 2021, diplomsko delo

Opis: V današnjih modernih časih je vedno več podatkov, ki nam omogočajo lažje odločitve. Iz različnih podatkov pridobimo različne informacije in vzorce, pomembne za našo prihodnost. Zaradi vse večjih količin podatkov so se razvile številne rešitve za obravnavo le-teh. Ena izmed rešitev, ki se je razvila, je strojno učenje, ki ima sposobnost reševanja kompleksnih problemov z različnih področij. V diplomskem delu je predstavljeno Kubeflow okolje in tematika, tesno povezana z njim.
Ključne besede: Kubeflow okolje, strojno učenje, Kubernetes
Objavljeno: 18.10.2021; Ogledov: 98; Prenosov: 18
.pdf Celotno besedilo (2,80 MB)

6.
Delno nadzorovan meta klasifikator v programskem jeziku Python
Ingrid Mirnik, 2021, diplomsko delo

Opis: V zaključnem delu se ukvarjamo z razvojem delno nadzorovanega meta klasifikatorja in njegovim delovanjem. Namen zaključenega dela je predstaviti koristnost delno nadzorovane klasifikacije ter uporabo te na praktičnem primeru. Rešitev smo razvili s pomočjo programskega jezika Python in scikit-learn knjižnice. Pri preverjanju delovanja klasifikatorja smo se omejili na tri različne podatkovne množice, katerim se deleži označenih podatkov spreminjajo glede na test. Primerjali smo rezultate nadzorovanih in delno nadzorovanih klasifikatorjev, ki so se vrnili podobni. Ugotovili smo, da med rezultati nadzorovanih in delno nadzorovanih klasifikatorjev ni bistvene razlike, razen v časovni zahtevnosti, ki je občutno večja pri delno nadzorovanih klasifikatorjih.
Ključne besede: Python, delno nadzorovana klasifikacija, strojno učenje
Objavljeno: 18.10.2021; Ogledov: 98; Prenosov: 7
.pdf Celotno besedilo (2,43 MB)

7.
Pametni pomočnik za vožnjo po dirkaški stezi na operacijskem sistemu Android
Marko Watzak, 2021, diplomsko delo

Opis: Že vse odkar se je človek trudil naučiti stroj določenih veščin predvidevanja in lastne inteligence, je tukaj prisotno strojno učenje. Nemalo kdo je že velikokrat poprej prišel na misel, da bi lahko z uporabo strojnega učenja izboljšali različne športe, med drugim tudi avtomobilske. V tem diplomskem delu smo podali namen, kjer lahko skupaj s strojnim učenjem poskusimo izboljšati vožnjo posameznika na dirkaški stezi in to uspešno zabeležiti ter predstaviti na človeku razumljiv način. V našem delu smo opisali načine za reševanje problema, podali razvojna okolja in tehnologijo ter prikazali izsledke. Analizo vožnje je bilo mogoče uspešno izvesti in uspešno interpretirati dobljene rezultate v različnih scenarijih.
Ključne besede: OBD, OBD II, strojno učenje, Java, Android
Objavljeno: 18.10.2021; Ogledov: 80; Prenosov: 12
.pdf Celotno besedilo (2,37 MB)

8.
Napoved vremena z uporabo strojnega učenja
Timi Vovk, 2021, diplomsko delo

Opis: Strojno učenje se vse bolj uporablja za napoved prihodnjih stanj. V diplomskem delu je preizkušenih več modelov strojnega učenja za napoved vremenskih parametrov s ciljem izdelave čim boljšega. Modeli v enem mahu napovedujejo terminsko zračno temperaturo ali globalno sevanje za prvo, dvanajsto in štiriindvajseto uro. Ustvarjenih je več modelov z različno arhitekturo. Ti so naučeni iz obdelanih in urejenih podatkov pridobljenih iz javno dostopnega arhiva vremena ARSO. V ospredju algoritmov nadzorovanega stojnega učenja sta Elastic Net in GRU. Arhitektura za izdelavo GRU modelov je zgrajena na podlagi predlaganih modelov drugih avtorjev. Najbolje se je izkazal model GRU (60, 30, 10).
Ključne besede: nadzorovano strojno učenje, GRU, Elastic Net, temperatura zraka, sončno sevanje
Objavljeno: 18.10.2021; Ogledov: 82; Prenosov: 10
.pdf Celotno besedilo (1,96 MB)

9.
Celovit pregled orodij za samodejno strojno učenje
Tomi Milošič, 2021, diplomsko delo

Opis: V diplomski nalogi smo raziskali področje samodejnega strojnega učenja, osredotočili smo se na orodja za samodejno strojno učenje in poudarili njihove prednosti in slabosti na podlagi primerjave glede na različne nabore podatkov. Osredotočili smo se tudi na metodo klasifikacije, saj je to pogosta naloga strojnega učenja. Namen diplomske naloge je ugotoviti, katero orodje je najbolj optimalno za posamezno nalogo. Diplomsko nalogo smo razdelili na dva dela, in sicer teoretični del in praktični del. V teoretičnem delu smo se osredotočili na razjasnitev pojmov, zgodovino strojnega učenja in opis orodij samodejnega strojnega učenja. V praktičnem delu smo opravili primerjave med orodji in ugotovili, da le-ta vračajo podobne rezultate klasifikacije različno hitro. Ugotovili smo tudi, da so orodja namenjena uporabnikom, ki niso strokovnjaki na področju strojnega učenja, in da si orodja delijo skupne značilnosti.
Ključne besede: klasifikacija, strojno učenje, samodejno strojno učenje, umetna inteligenca
Objavljeno: 18.10.2021; Ogledov: 89; Prenosov: 16
.pdf Celotno besedilo (1,37 MB)

10.
Snovanje in izdelava mehanizma strojnega posnemanja lukenj na izdelkih različnih dimenzij
Kevin Kolar, 2021, diplomsko delo

Opis: V diplomski nalogi je predstavljen problem, kako smo se samega problema lotili, in celoten razvoj nastavka za posnemanje robov pri kosih različnih dimenzij. V nalogi smo se soočili s kar nekaj težavami, ki smo jih skupaj s podjetjem Marovt d.o.o. rešili. Cilj naloge je bil izdelati nastavek za olajšanje dela in izboljšanje kakovosti kosov. Predstavljen je razvoj dveh mehanizmov in opisane prednosti ter slabosti le-teh. Izbrani mehanizem smo po končanem konstruiranju in izdelavi delavniških risb na koncu tudi izdelali in ga testirali. Za zaključek naloge so predstavljeni rezultati testiranja nastavka v podjetju.
Ključne besede: nastavek za posnemanje robov, strojno posnemanje lukenj, konstruiranje, izdelava nastavka, testiranje orodja.
Objavljeno: 24.09.2021; Ogledov: 109; Prenosov: 12
.pdf Celotno besedilo (2,38 MB)

Iskanje izvedeno v 0.16 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici