Pages
-
-
Model za optimizaciju razmještaja raspodijeljene aplikacije
-
Rudolf Lovrenčić Predloženi model opisa raspodijeljenih aplikacija omogućava procjenu sigurnosnog rizika razmještaja komponenti aplikacije i fragmenata podataka. Ponuđena su tri procjenitelja sigurnosti: prekršene sigurnosne zavisnosti, sigurnost resursa zasebno te zajednički smještaj podataka i aplikacije. Pronalazak optimalnog razmještaja ispitan je jednokriterijskim i višekriterijskim optimizacijskim algoritmima. Napravljena je usporedba oba pristupa, dana je preporuka koje algoritme koristiti i...
-
-
Model za otkrivanje i razgraničavanje značenja višeznačnih riječi hrvatskoga jezika
-
Marko Bekavac Automatsko otkrivanje značenja višeznačnih riječi korak je prema izgradnji kvalitetnog sustava za razrješavanje višeznačnosti u situacijama kada nije dostupan adekvatan skup značenja ili dovoljan broj njihovih konteksta. Otkrivanje značenja ovdje se obavlja nenadzirano, korištenjem grafa supojavljivanja koji modelira semantičke odnose između riječi na temelju njihovih distribucija u korpusu. U okviru ovog rada predstavljen je pregled nekoliko algoritama za grupiranje vrhova...
-
-
Model za preporučivanje citata za patente baziran na sadržaju te dubokom učenju
-
Dora Šokota Patent je isključivo pravo priznato za izum koji nudi novo rješenje nekog problema. U sklopu prijave potrebno je citirati patente da bi se specificiralo postojeće znanje na kojem je novi izum baziran. Godišnje broj patenata poraste za više od 150000 što otežava prihvat i obradu infromacija o njima. Kako bi se olakšalo korisniku da iz velike količine podataka izvuće podskup koji je njemu značajan, razvijen je algoritam za preporuku citata. U radu je opisana implementacija model...
-
-
Model za rerangiranje za hrvatski jezik temeljen na kontekstualiziranim višejezičnim jezičnim modelima
-
Bruno Šarlija Klasičan primjer uporabe modela za dohvat informacija je pronalazak odgovarajućih dokumenata za postavljen upit. U ovom radu implementirani su modeli za rerangiranje dokumenata iz skupa podataka na hrvatskom jeziku temeljeni na modelima za dohvat informacija. Također, implementirana je kompozicija prethodno spomenutih modela za rerangiranje i jezičnih modela. Dvije vrste korištenih jezičnih modela su kontekstualizirani jezični model i kontekstualizirani višejezični jezični model....
-
-
Modeli decentralizirano trgovanja električnom energijom
-
Bruno Lapat U završnom radu su opisani modeli decentraliziranog trgovanja električnom energijom te su analizirane arhitekture koje omogućuju integraciju peer-to-peer trgovanja u tržišta električnom energijom, mikromreže ili elektroenergetske sustave u cjelini i alati koji to omogućuju. Ukratko su razrađene karakteristike električne energije i samog elektroenergetskog sustava, kao i tržišta električnom energijom općenito, sudionika na tržištu i podjele tržišta. Kao ključni pojmovi...
-
-
Modeli dubokog učenja za analizu korisničkih komentara na društvenim mrežama
-
Tomislav Marinković U zadnje vrijeme duboko učenje polako uzima maha i postavlja se kao način za izradu umjetne inteligencije. Jedan od važnih segmenta umjetne inteligencije je razumjevanje prirodnog jezika. U ovom radu dan je pregled nekih algoritama s kojim je moguće odrediti sentiment, emociju, temu i govorni čin iz komentara sa Facebook stranica hrvatskih telekomunikacijskih kompanija.
-
-
Modeli dubokog učenja za automatsko sažimanje dokumenta
-
Marin Kukovačec Automatsko sažimanje dokumenta jedan je od važnijih zadataka u obradi prirodnoga jezika. Dobar postupak sažimanja u obzir uzima dva aspekta teksta: (1) njegovu informacijsku strukturu, tako da zadržava informacijski relevantne i ispušta manje relevantne dijelove, te (2) koherentnost odnosno kohezivnost teksta. Dva glavna pristupa automatskom sažimanju su ekstraktivno sažimanje, kod kojega se koriste dijelovi izvornoga teksta, te apstraktivno sažimanje, kod kojega se generira novi...
-
-
Modeli dubokog učenja za ekstraktivno sažimanje dokumentata
-
Juraj Vladika Područje obrade prirodnog jezika nastalo je kao spoj lingvistike, računarske znanosti i umjetne inteligencije, a bavi se analizom i sintezom ljudskog jezika u svim oblicima. U zadnje vrijeme najčešće se problemi unutar područja rješavaju modelima strojnog i dubokog učenja. Ekstraktivno sažimanje dokumenata jedan je od problema u području, a cilj mu je izraditi kratak prikaz sadržaja teksta dokumenta birajući pridom najreprezentativnije rečenice. U ovom je radu predloženo...
-
-
Modeli dubokog učenja za povećanje rezolucije video sekvence u stvarnom vremenu
-
Dino Grgić Ključni fokus ovog rada je tehnike za povećanje rezolucije videa i slike u stvarnome vremenu, specifično je naglašena optimizacija dubokih modela kako bi uspjeli postići performanse potrebne za rad u stvarnom vremenu. Rezultati ovog rada demonstriraju sve potencijalne načine kako se CUDA i ONNX mogu iskoristi snagu GPU i optimizacije kako bi se postigao rad u stvarnome vremenu.
-
-
Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta
-
Mate Mijolović Prepoznavanje i klasifikacija imenovanih entiteta u tekstu jedan je od osnovnih zadataka u obradi prirodnoga jezika. Zadatak se tradicionalno rješava primjenom strojnog učenja, i to modelima za slijedno označavanje, kao što su skriveni Markovljev model i uvjetna slučajna polja. Razvoj dubokog učenja rezultirao je novim modelima za slijedno označavanje temeljenima na povratnim neuronskim mrežama, koji su se pokazali vrlo uspješnima na ovome zadatku. U okviru završnoga rada potrebno...
-
-
Modeli dubokog učenja za procjenu rizika izravnog kreditiranja
-
Ivan Ucović Modeli dubokog učenja za procjenu rizika izravnog kreditiranja
U ovom radu razvijeni su modeli strojnog i dubokog učenja za predikciju kreditnog rizika izravnog ili P2P kreditiranja. Naime izravno kreditiranje nije tako novi trend u financijskoj industriji, međutim jedan je od najbrže rastućih u istoj. Ovakvo kreditiranje sadrži rizike za kreditore, koji posuđuju vlastiti novac, pa se pojavljuje sve veća potreba za kvalitetnim modelima procjene kreditnog rizika. U ovom radu razvijeni...
-
-
Modeli dubokog učenja za upareno rangiranje
-
Karmela Ljubičić U ovom radu predstavljena je alternativna metoda za upareno rangiranje ostvarena modelima dubokog učenja. Implementirana je uparena duboka neuronska mreža. Za treniranje ovog modela ulazni parovi primjera kreirani su iz skupova podataka za procjenu kreditnog rizika. Opisano je pet različitih načina uparivanja primjera iz skupa podataka. Predloženi modeli za upareno rangiranje trenirani su za niz različitih hiperparametara. Rezultati ovih modela evaluirani su mjerom Somers' D i...
Pages
