Paginacija
-
-
Otkrivanje korisnika sklonih promjeni pokretne mreže temeljem analize društvenog konteksta
-
Bojan Bajac Rad opisuje algoritme za predikciju odlaska korisnika iz telekomunikacijske mreže. Na početku rada opisan je algoritam „stablo odlučivanja“ koji ne koristi društveni kontekst kao varijablu za predikciju. Kasnije u radu opisuju se nešto složeniji algoritmi. Prvi opisani, koji koristi društveni kontekst, je „Identifikacija influencera“. Nije klasični algoritam za predikciju churna već više prevencija odlaska vrijednog korisnika. Sljedeći opisan algoritam „Identifikacija...
-
-
Otkrivanje lažnih vijesti u diskursu o ekologiji i klimatskim promjenama
-
Sanja Hanić Klimatske promjene su jedan od glavnih globalnih problema koji predstavlja mnoge sociološke, ekonomske i ekološke probleme, a širenje dezinformacija dodatno otežava ovaj i slične probleme u društvu. Ovaj rad istražuje modele strojnog i dubokog učenja te adekvatne reprezentacije teksta koje mogu riješiti problem automatskog prepoznavanja lažnih vijesti na temu klimatskih promjena te opisuje razlike u novinarskim člancima iz pouzdanih i nepouzdanih izvora. Analiziran je skup...
-
-
Otkrivanje lažno pozitivnih i lažno negativnih preklapanja u grafu sastavljanja
-
Luka Požega Među središnjim problemima bioinformatike je rekonstrukcija genoma. Manji dijelovi genoma, zvani očitanjima, trebaju biti sastavljena u potpuni genom. Očitanja se međusobno preklapaju u svrhu određivanja onih koja su zaista susjedna u originalnom genomu. Alati za rekonstrukciju ponekad uzimaju u obzir preklapanja koja u stvarnom genome ne postoje, ili propuste točna preklapanja. Ovaj rad nastoji klasificirati takva očitanja u točno pozitivnu, lažno pozitivnu ili lažno negativnu...
-
-
Otkrivanje ljudi na slikama upotrebom konvolucijske neuronske mreže
-
Dorian Ivanković U ovom radu pokrivene su osnovne tehnike strojnog učenja relevantne za razvijena programska rješenje i za temu rada općenito. Opisani su postupci optimizacije funkcija gubitka za različite probleme, kao i nekoliko metoda kojima se one mogu optimizirati.
Navedene su osnovne značajke i opisane su neuronske mreže, kao i jedan od učinkovitih algoritama treniranja neuronskih mreža, a to je algoritam unazadnog ulančavanja.
Zatim su proučene specifičnosti i način rada konvolucijskih...
-
-
Otkrivanje mekih vještina iz životopisa zadanih u slobodnom obliku
-
Karlo Butorac Tema ovog diplomskog rada je otkrivanje mekih vještina iz životopisa zadanih u slobodnom obliku. U radu su opisane meke vještine i njihova važnost u profesionalnom svijetu. Dvije aplikacije napravljene su za potrebe rada - jedna za označavanje podataka i jedna za otkrivanje mekih vještina. U svrhu otkrivanja mekih vještina korištena je metoda obrade prirodnog jezika. Opisana je i povijest obrade prirodnog jezika, te su definirani modeli strojnog učenja korišteni u radu. Korišteni...
-
-
Otkrivanje napada na sustave preporučivanja zasnovane na suradničkom filtriranju
-
Vjeran Grozdanić U ovom radu su predstavljeni osnovne grupe sustava preporučivanja s naglaskom na sustave preporučivanja zasnovane na suradničkom filtriranju. Prikazane su ranjivosti takvih sustava preporučivanja te najčešći napadi na takve sustave preporučivanja.
U radu je predstavljen novi pristup otkrivanju napada, uporabom ansambla slučajnih
šuma, gdje je svaki model slučajne šume specijaliziran za odred̄enu skupinu napada
-
-
Otkrivanje nepravilnosti u raspodijeljenom sustavu za obradu tokova podataka
-
Sergej Jakovljev Uz napredak tehnologije sve ve´ca je zastupljenost raspodijeljenih sustava. Oni
nude bolja radna svojstva i nadogradivost od klasicˇnih, ali uvode složenost i med¯uovisnost
servisa. Za neometan rad je kljuˇcno osigurati ranu detekciju nepravilnosti u
radu. Jedan od naˇcina na koji je to mogu´ce ostvariti je slojevitom arhitekturom baziranom
na toku podataka. U ovom završnom radu je korišten sustav Apache Kafka
kao tok podataka, za prikupljanje i oboga´civanje podataka te analizu u...
-
-
Otkrivanje nepravilnosti u sportskom klađenju strojnim učenjem
-
Ivan Teofilović Otkrivanje nepravilnosti je postupak otkrivanja podataka koji znatno odstupaju od 'normalnih' podataka
unutar skupa. Povećanje broja dostupnih podataka, poboljšanje računalnih resursa te istraživanje novih
algoritama čine strojno učenje standardom u otkrivanju nepravilnosti (anomalija). Cilj diplomskog rada je
uspješno primijeniti model strojnog učenja na otkrivanje nepravilnosti u sportskom klađenju, a u svrhu
poboljšanja kvalitete koeficijenata te profita tvrtke.
-
-
Otkrivanje objekata u video zapisu primjenom modela dubokog učenja
-
Matej Šikić Vagić Proučavanje i opisivanje modela za otkrivanje predmeta u slikama i video zapisima. Poseban naglasak na model YOLOv5 i brži R-CNN. Prikupljanje slika za raspoznavanje djece i odraslih. Opisivanje primijenjenih modela i postupaka učenja. Primjenom prikladno odabranih mjera za vrednovanja ispitivanje i uspoređivanje uspješnost razvijenog primjenskog sustava.
-
-
Otkrivanje osjetljivih podataka u relacijskim bazama podataka
-
Marko Urh S obzirom na med¯usobnu povezanost koja postoji danas izmed¯u poslovnih procesa i
kako veliˇcina organizacije raste, podaci su postavljeni u nekoliko sustava, aplikacija,
baza podataka i zajedniˇckih datoteka, ˇcine´ci njegovu zaštitu, provjeru autentiˇcnosti i
povjerljivosti zajedno s potrebom da se pridržavaju propisa, zadovoljavaju zahtjeve te
da se minimizira rizik podataka. Kako bi se zadovoljile te potrebe, fokus mora biti
preusmjeren na podatke. Tradicionalna sigurnosna...
-
-
Otkrivanje parkirnih mjesta zasnovano na dubokom učenju
-
Igor Šarić Oblikovanje i programsko ostvarivanje sustava za otkrivanje parkirnih mjesta. Definiranje problema otkrivanja slobodnih parkirnih mjesta iz slike. Rješavanje problema otkrivanja lokacija parkirnih mjesta i određivanje zauzeća parkirnog mjesta. Testiranje točnosti sustavan za parking mjesta.
-
-
Otkrivanje pogrešaka leksičkog transfera u tekstovima učenika stranog jezika
-
Marin Kačan Automatizirano ispravljanje pogrešaka važan je zadatak obrade prirodnog jezika. Pogreške leksičkog transfera učestala su kod učenika stranih jezika. Najčešći je uzrok transfera višeznačnost riječi. Cilj ovog rada bio je osmisliti model koji otkriva i ispravlja takve pogreške za dva tipa jezičnih relacija: pridjevsko-imeničke i glagolsko-objektne. Implementirana su dva različita modela, od kojih drugi koristi metode nadziranog strojnog učenja, preciznije algoritam regresije...
Paginacija
