Iskanje po repozitoriju

A+ | A- | | SLO | ENG

Opis: Machine learning (ML), a subset of artificial intelligence (AI), enables systems to autonomously learn and adapt without continuous human supervision, leveraging algorithms to process data, identify patterns, and refine performance through experience. This adaptive, selfteaching capability allows ML models to enhance their predictive accuracy and efficiency, making them suitable for dynamic and complex tasks. This dissertation introduces a novel approach to independent and efficient image classification, combining elements from convolutional neural networks (CNNs), hyperbolic geometry, and feature extraction. Unlike existing methods that typically rely on one of these techniques, our integrated approach merges their strengths to achieve superior performance. Additionally, we developed derivative methods based on the original approach, which enhanced capabilities in embedding data in space. All proposed techniques were empirically evaluated on both image and numerical datasets, consistently demonstrating superior performance when compared to baseline methods. Comparative analysis confirmed that our approach achieves higher classification accuracy than traditional techniques. Given the critical role of accurate and efficient diagnostic tools in oncology, where vast amounts of data from various patient examinations need to be processed, the development of robust algorithms is essential for effective cancer diagnosis and treatment. This dissertation specifically addresses cancer image classification, focusing on the differentiation between benign and malignant lesions – an essential task for early cancer detection and treatment. Empirical results showed that embedding the data in a hyperbolic space, combined with the method for metric learning Large Margin Nearest Neighbours (LMNN) method and the use of Poincaré distance in the k-Nearest Neighbours (kNN) algorithm, yielded comparable or superior results compared to traditional classification techniques. Our findings highlight the potential of hyperbolic embeddings and metric learning approaches to advance image classification in oncology, offering a promising direction for further research and clinical applications.
Ključne besede: cancer images, convolutional neural network, embedding data, hyperbolic geometry, image classification, k-nearest neighbours method
Objavljeno v ReVIS: 08.01.2025; Ogledov: 531; Prenosov: 28
Celotno besedilo (6,67 MB)

Opis: Magistrska naloga preučuje vpliv pandemije COVID-19 na telesno aktivnost in gibalne sposobnosti osnovnošolskih otrok ter raziskuje potencial mobilnih aplikacij kot orodja za spodbujanje telesne aktivnosti v sodobnem digitalnem okolju. Rezultati raziskave so razkrili znatno zmanjšanje moči, vzdržljivosti in koordinacije pri otrocih, še posebej pri tistih, ki živijo v ruralnih območjih. Na podlagi pridobljenih podatkov so bile oblikovane smernice za razvoj mobilne aplikacije, ki bo učinkovito spodbujala telesno aktivnost in izboljšala gibalne sposobnosti mladih. Ugotovljeno je bilo, da lahko pravilno zasnovane mobilne aplikacije učinkovito motivirajo otroke k večji telesni aktivnosti, pritegnejo njihovo pozornost in spodbujajo dolgotrajno angažiranost pri vadbi. V zaključku naloge so podana priporočila za nadaljnji razvoj aplikacij, ki bi bile še bolj prilagojene starostnim skupinam in potrebam otrok, ter predstavljeni predlogi za nadaljnje raziskave.
Ključne besede: telesna aktivnost, gibalne sposobnosti, osnovnošolski otroci, pandemija COVID-19, mobilne aplikacije, digitalno okolje
Objavljeno v ReVIS: 03.12.2024; Ogledov: 544; Prenosov: 22
Celotno besedilo (5,07 MB)

Opis: Diplomska naloga se osredotoča na prenovo SCADA sistema za nadzor komprimiranega zraka z vidika produktnega vodenja predelave. Projekt je vključeval fizično optimizacijo razvoda, dodajanje novih krmilnih komponent, nadgradnjo programske opreme in uporabniškega vmesnika ter uvedbo možnosti oddaljenega dostopa. Ekonomska analiza je pokazala, da prenova zmanjšuje stroške vzdrževanja, izboljšuje energetsko učinkovitost in nadzor. Zaključek potrjuje uspešnost projekta, ki omogoča boljši nadzor, večjo zanesljivost ter gospodarske koristi, hkrati pa nudi možnosti za prihodnje nadgradnje in optimizacije sistema.
Ključne besede: SCADA, informacijski sistemi, proizvodno podjetje, produktno vodenje, pametne tovarne, industrija 4.0
Objavljeno v ReVIS: 03.12.2024; Ogledov: 641; Prenosov: 43
Celotno besedilo (1,62 MB)

Opis: S tem diplomskim delom želimo pokazati, da lahko vsak začne z izdelavo svojega grafičnega računalniškega vmesnika za videoigre, saj je mogoče grafični uporabniški vmesnik za videoigre izdelati z brezplačno programsko opremo, ki je dostopna vsem na internetu. Hkrati pa se želimo naučiti, kako narediti dober grafični vmesnik in kakšna so pravila za njegovo izdelavo.
Ključne besede: grafični uporabniški vmesnik, razvoj videoigre, Godot, Blender, Krita, slovanska mitologija, dizajn
Objavljeno v ReVIS: 03.12.2024; Ogledov: 501; Prenosov: 23
Celotno besedilo (4,83 MB)

Opis: Ljudje že stoletja potujemo po vodi. Danes popularnost hobija »čolnarjenja« narašča, s čimer rasteta tudi globalna trga plovil in najema plovil. S tem pa se večata nabor ponudnikov, ki oddajajo svoja plovila, in število strank. Večina večjih podjetij v panogi je že poskrbela za digitalizacijo. Odsotnost te pa je, zaradi različnih razlogov, vidna v manjših podjetjih. V magistrski nalogi smo zato reševali problem pomanjkanja digitalizacije v manjših lokalnih podjetjih, ki se ukvarjajo z oddajo plovil. Kot rešitev problema smo predlagali digitalizacijo postopka oddaje plovil tudi v tovrstnih podjetjih v obliki prototipa spletne aplikacije za interno uporabo, ki je razvit na osnovi korakov oblikovanja uporabniške izkušnje, kakršne narekuje Donald Norman. Rezultat postopka oblikovanja uporabniške izkušnje je prototip aplikacije, ki predstavlja dobro izhodišče za uvedbo digitalizacije v omenjenih podjetjih.
Ključne besede: uporabniška izkušnja, aplikacija, najem plovil, prototip, Donald Norman
Objavljeno v ReVIS: 03.12.2024; Ogledov: 551; Prenosov: 23
Celotno besedilo (4,97 MB)