Pages
-
-
Primjena modela dubokog učenja na analizu sentimenta izraza hrvatskoga jezika
-
Siniša Biđin Uobičajeni postupci analize sentimenta temelje se na rječniku apriornog sentimenta. Problem predstavlja modeliranje sentimenta višerječnih izraza poput ``poprilično dobar'' ili ``nimalo loš'', ali i većih jezičnih jedinica. Opisan je i implementiran postupak učenja reprezentacija riječi prema metodi Colloberta i dr.~(2011) te postupak analize sentimenta višerječnih izraza hrvatskoga jezika modelom zasnovanom na rekurzivnoj neuronskoj mreži prema radu Sochera i dr.~(2012)....
-
-
Primjena modela dubokog učenja za analizu sentimenta
-
Bruno Gavranović Uzevši u obzir eksponencijalni rast dostupnih podataka generiranih u cijelom svijetu, postoji rastući interes za stvaranje modela sposobnih za analizu podataka koji imaju semantički nepoznat kontekst. Ovaj rad se fokusira na istraživanje i analizu teorijske osnove koja stoji iza modela zvanih povratne neuronske mreže (engl. recurrent neural networks, RNN) kroz konkretnu implementaciju na problemu semantičke analize. Poseban slučaj povratnih neuronskih mreža,mreže s dugotrajnim...
-
-
Primjena modela dubokog učenja za otkrivanje stavova u korisničkim komentarima
-
Bartol Freškura Duboko učenje je relativno nova grana strojnog učenja koja se temelji na teoriji
neuronskih mreža. Pomoću naprednih arhitektura dubokih neuronskih mreža danas
se pokušavaju riješiti poznati problemi u području obrade prirodnog jezika kao što su
analiza stavova i sentimenta. U sklopu završnog rada napravljene su dvije poznate
konfiguracije povratnih neuronskih mreža LSTM i GRU pomoću programa Tensor-
flow. Provedeni su razni eksperimenti u kojima se traže optimalni parametri...
-
-
Primjena modela evolucijskog učenja na probleme optimizacije
-
Edi Smoljan U ovom radu ispitane su mogućnosti implementacije LEM-a (Learnable Evolution Model) u svrhu rješavanja problema iz različitih domena korištenjem pravila ili uzoraka koji se pojavljuju u samim podacima. Opisano je testno okružje u kojemu je implementiran modularni algoritam i sve komponente koje su potrebne za rješavanje određenih problema. Implementacija LEM-a nad problemima čije je rješenje prikazano poljem realnih brojeva izvedena je na dva načina: pronalaskom pravila uz pomoć...
-
-
Primjena modela optimalnih tokova snaga u naprednim distribucijskim mrežama
-
Lovro Lukač S obzirom na porast integracije niskougljičnih tehnologija u distribucijskim mrežama potreban je razvoj alata koji analiziraju njihov utjecaj na tehno-ekonomske prilike u mrežama te omogućuju kvalitetno planiranje i vođenje distribucijskog sustava. U radu je dan kratak pregled i usporedba raznih modela optimalnih tokova snaga. Prikazan je model trofaznih optimalnih tokova snaga koji je pogodan za analizu niskonaposnkih mreža u kojima je zbog velikog broja jednofazno priključenih...
-
-
Primjena modela strojnog učenja za predikciju dobi iz MR slika mozga
-
Marta Vidas Primjena strojnog učenja za predikciju dobi iz MR slika mozga koristi se kao pomoć pri dijagnosticiranju ili u praćenju progresa neuroloških poremećaja te pri donošenju odluka u njihovom liječenju. Kod novorođenčadi, predikcija dobi mozga i njeno odstupanje u odnosu na postmenstrualnu dob može poslužiti u pravovremenom otkrivanju prognoza razvojnih, neuroloških i psihijatrijskih poremećaja. U ovom radu dan je pregled metoda strojnog učenja koje su korištene za predikciju dobi...
-
-
Primjena modelskog prediktivnog upravljanja u optimizaciji gibanja robota
-
Marko Šarlija Kiwi je naziv za manipulatora tipa SCARA, konfiguracije RRTR. Kiwi-jem se upravlja iz Matlab-a, odnosno Simulink-a putem CAN-a, preko Real-Time Linux ciljnog racunala. Modelsko prediktivno upravljanje (MPC) se zasad uglavnom koristi za upravljanje sporim i relativno linearnim sustavima. U ovom radu MPC je upotrebljen za upravljanje pozicijom prvog zgloba Kiwi-ja. Izrađen je nelinearan dinamicki model prvog zgloba koji dobro opisuje njegovo vladanje. Razvijen je optimizacijski algoritam...
-
-
Primjena mreža u epidemiologiji
-
Bruno Bušić U ovome radu objašnjeni su osnovni epidemiološki modeli podložan-zaražen (engl. Susceptible-infectious model, skraćeno SI model), podložan-zaražen-oporavljen (engl. Susceptible-Infectious-Recovered model, skraćeno SIR model), podložan-zaražen-podložan (engl. Susceptible-Infectious-Susceptible model, skraćeno SIS model) te podložan-zaražen-oporavljen-podložan (engl. Susceptible-Infectious-Recovered-Susceptible model, skraćeno SIRS model). Zatim su za prikaz širenja epidemije...
-
-
Primjena naprednih tehničkih mjera s ciljem umanjivanja rizika gubitka i curenja klasificiranih podataka
-
Marko Arambašić U današnje je vrijeme poslovanje bez razmjene sigurnosno osjetljivih službenih, pa i klasificiranih podataka, nezamislivo. S ciljem unaprjeđenja poslovanja i konkurentnosti na globalnom tržištu, organizacije, institucije i pravne osobe sve se češće okreću elektroničkoj razmjeni podataka. Podaci se elektronički razmjenjuju informacijskim sustavima, što sa sobom nosi određene rizike informacijske sigurnosti proizašle iz okruženja u kojem organizacija, institucija ili pravna...
-
-
Primjena načela univerzalnog dizajna na razvoj virtualnog ureda
-
Josip Deglin Virtualni ured pruža funkcionalnosti ureda zaposlenicima koji obavljaju poslove ureda putem weba. U ovom radu je za programsko rješenje "Mreža virtualnih ureda" predložen i implementiran dizajn korisničkog sučelja i korisničkih interakcija za funkcionalnosti vezane uz poslovanje virtualnog ureda poput upravljanja i prikaza obavijesti, upravljanja događajima te upravljanja zahtjevima za izdavanje određenih potvrda korisnicima. Predloženi dizajn je u skladu s načelima univerzalnog...
-
-
Primjena nenadziranog strojnog učenja za akviziciju glagolskih razreda iz korpusa
-
Filip Čulinović Problem sličnosti riječi težak je problem područja analize prirodnog jezika. U ovom radu opisano je stvaranje glagolskih razreda pomoću metoda nenadziranog strojnog učenja. Korišten je algoritam grupiranja MCL te je rad modela isproban na podacima korpusa hrwac. Implementacija modela je ostvarena u programskom jeziku Python.
-
-
Primjena neparametarskih algoritama u optimizaciji
-
Marko Budiselić Neparametarskim algoritmima postiže se brža prilagodba algoritma konkretnom problemu, što je svakako prednost u odnosu na algoritme koji posjeduju neki skup parametara. S druge strane, neparametarski algoritmi obično su ograničeni na neki mali skup prikaza rješenja koji oni mogu izgenerirati. Ako se problem može jednostavno prikazati onim prikazom s kojim radi neki neparametarski algoritam onda svakao treba probati riješiti problem koristeći neparametarske algoritme. Ovim radom...
Pages