Iskanje po repozitoriju

A+ | A- | | SLO | ENG

Opis: V diplomski nalogi raziskujemo, kako lahko odločitvene modele v programu Orange uporabimo za čiščenje odpadne vode. Glavno vprašanje, ki nas zanima, je, kako dobro lahko ti modeli napovedujejo učinkovitost čistilnih naprav za odpadne vode, še posebej ko gre za razmerje med različnimi vhodnimi in izhodnimi parametri. Da bi to ugotovili, smo se lotili kombinacije empirične analize in strojnega učenja. Uporabili smo tri različne algoritme: Neural Networks (NN), Random Forest (RF) in Naivni Bayes (NB). Da bi še dodatno izboljšali naše modele, smo vključili tudi algoritem ReliefF, ki nam je pomagal izbrati tiste spremenljivke, ki najbolj vplivajo na naše rezultate. Glavni cilj naše raziskave je bil razjasniti, kako lahko odločitveni modeli pomagajo pri čiščenju odpadne vode. Končni cilji so bili jasni: ustvariti robustne odločitvene modele, preveriti, kako dobro delujejo, in ugotoviti, katere spremenljivke so ključne za uspešno čiščenje odpadne vode.
Ključne besede: strojno učenje, nevronske mreže, naključni gozd, naivni Bayes, algoritem ReliefF, odločitveni modeli, Orange
Objavljeno v ReVIS: 06.12.2023; Ogledov: 476; Prenosov: 35
Celotno besedilo (3,71 MB)

Opis: Informacijska družba zahteva hitro usvajanje znanj, saj le-te omogočajo konkurenčnost v izobraževanju. Ker je Evropska unija že sprejela digitalni akcijski načrt v izobraževanju, je potrebno strokovne delavce ustrezno pripraviti na pričakovano prenovo, saj z obstoječimi digitalnimi kompetencami ne bodo kos zahtevam prenovljenih učnih načrtov. Projekt Dviga digitalne kompetentnosti je zasnovan z namenom zagotavljanja podpore vzgojno – izobraževalnim zavodom pri implementaciji digitalne strategije, kar je glavni cilj pričujoče magistrske naloge. V prvem delu naloge so teoretično opisani osnovni pojmi obravnavane tematike. Nadaljnje empirično raziskovanje je potekalo s samoevalvacijskim orodjem SELFIE, s katerim je bila raziskana stopnja digitalnih kompetenc dijakov in strokovnih delavcev v Srednji šoli za gostinstvo in turizem v Novem mestu. Izhajajoč iz pridobljenih podatkov o stanju digitalnih kompetenc, smo z metodo DEX ter orodjem za večriterijsko modeliranje DEXi, izbrali tri področja razvojnih prioritet za izgradnjo digitalne strategije šole.
Ključne besede: digitalna strategija, digitalne kompetence, orodje SELFIE, DEXi
Objavljeno v ReVIS: 25.04.2023; Ogledov: 792; Prenosov: 107
Celotno besedilo (6,57 MB)

Opis: Na svetu je veliko naravnih razmer, kot so potresi, cunamiji, poplave in žled, ki povzročajo nesreče večjega obsega. Informacije o takšnih dogodkih zbirajo sistemi javne varnosti za klic v sili 112. Ključno vprašanje v okviru podane naloge je vnaprejšnja klasifikacija dohodnih klicev na klic v sili 112. Medtem ko napovedovanje dohodnih klicev v Sloveniji temelji na povprečnem in največjem številu dohodnih klicev, je vsebina doktorske disertacije povezana z zagotavljanjem bolj dinamičnega, inteligentnejšega in na umetni inteligenci utemeljenega napovedovanja števila dohodnih klicev na sistem javne varnosti, ki je ovrednoteno za Ljubljano in Slovenijo z upoštevanjem vseh dohodnih klicev na sistem za klic v sili 112. Narejena je primerjava petih različnih metod klasifikacije za mesto Ljubljana in celotno Slovenijo. Skupaj je uporabljenih 20 atributov za Ljubljano ter 176 atributov za Slovenijo. Število dohodnih klicev se razdeli v dva velikostna razreda, to sta razreda regularni in alarm, ter v štiri velikostne razrede, kjer se razred regularni dodatno razdeli še na razrede majhen, normalen in povečan. Podatki so zbrani na dnevni osnovi za dve časovni obdobji, označeni kot prvo (za leta 2013–2016) in drugo (za leto 2018). Za klasifikacijo so uporabljene metode Naive Bayes, SVM, AdaBoostM1, J48 ter Random Forest, in sicer po kvartalih ter za celotno opazovano obdobje. Rezultati ovrednotenja kažejo, da je najboljša metoda Random Forest, dobre rezultate pa izkazujejo tudi metode J48, Naive Bayes, AdaBoostM1 in SVM. V najboljšem klasifikacijskem primeru s podatki za Slovenijo in metodo Random Forest z dvema razredoma je bila dosežena točnost 94,6 % za celotno obdobje in 98,1 % po kvartalih ter za štiri razrede dosežena točnost 69,2 % za celotno obdobje in 82,5 % po kvartalih. Na osnovi rezultatov ovrednotenja so podani dodatni predlogi, kako pristopiti k napovedovanju števila dohodnih klicev za različne primere. Podani rezultati in predlogi v okviru doktorskega dela so korak naprej v smeri napovedovanja dohodnih klicev. S tem je možno izboljšati zavedanje situacije v kontrolnih sobah, kar vključuje tako dinamiko klicev kot tudi vnaprejšnjo pripravljenost različnih služb na izjemne dogodke.
Ključne besede: javna varnost, 112, pametno mesto, varno mesto, klasifikacija, internet stvari (IoT)
Objavljeno v ReVIS: 18.06.2021; Ogledov: 1736; Prenosov: 138
Celotno besedilo (5,56 MB)

Opis: Diplomska naloga se ukvarja z analizo sentimenta v novicah. To področje v zadnjem času pridobiva na priljubljenosti, predvsem v okviru napovedovanja gibanja finančnih trgov, vendar je za slovenski jezik še dokaj slabo raziskano. Za slovenščino sicer obstajajo modeli, osnovani na metodi podpornih vektorjev, vendar ti niso dostopni za javno uporabo. V okviru te raziskave smo zasnovali arhitekturo na osnovi nevronskih mrež, ki za klasifikacijo uporablja kombinacijo samodejno generiranih značilk in TF-IDF obtežitev. Modeli, ki uporabljajo omenjeno arhitekturo, dosegajo primerljive rezultate z že obstoječimi modeli in so sposobni učinkovitega učenja na korpusih v velikosti okrog 10.000 dokumentov. Najuspešnejši model iz raziskave je na voljo kot spletna storitev na naslovu classify.ijs.si.
Ključne besede: analiza sentimenta, novice, slovenščina, nevronske mreže, globoko učenje
Objavljeno v ReVIS: 04.10.2019; Ogledov: 4057; Prenosov: 122
Celotno besedilo (1,48 MB)

Opis: Complex systems are omnipresent in nature, society as well as in human culture. Last few decades saw an increase of interest for their study, particularly by using graph-theoretic methodologies. By identifying systems' units as nodes and modelling interactions between the units as links, the study of complex networks spread to a number of disciplines including sociology, biology and linguistics, to just mention a few. The research done in this doctoral dissertation falls in this context. The core of this doctoral work is the data-driven multilevel analysis of major human languages, which was done in two stages. First, we looked at the speed of growth of Wikipedias in 26 different languages over the span of 15 years. This involved creating and analysing a dataset with 14962 articles, each of which exists in all 26 languages. We found six well-defined clusters of Wikipedias that share common growth patterns, with their make-up robust against the method used for their determination. Interestingly, the identified clusters were found to have little correlation with the respective language families. Rather, our results suggest that growth of Wikipedias is primarily governed by an intricate set of other factors, from culture to information literacy. Second, to approach human languages at another independent level, we gathered a dataset comprising a list of syllables and a list of syllables words in 10 different languages, specifically: English, Dutch, German, Russian, Slovenian, Croatian, French, Spanish, Latin and Basque. These datasets were obtained from recognized repositories for each language and benchmarked in the same way. Syllable networks were created by looking at pairs of syllables that jointly compose at least one word. We then carried out a systematic network analysis, relying on both standard network analysis methods and more recent techniques, such as K-core analysis and graphlet statistics. Research revealed striking similarities between the architectures of syllable networks that belong to the same language family, along with expected differences between the families. Indeed, structures of syllable networks were found to well quantify the linguistic similarities among these 10 languages, exactly as known from classical linguistics. Most interestingly, we found that Basque language, whose classification is as of today still unknown, bares a strong resemblance to Latin, at least when syllable network representation is concerned. Earlier stages of this doctoral work involved comparing the performance of network alignment algorithms, used in bioinformatics for studying protein networks. Several alignment algorithms were compared by scoring their performance on standard protein datasets. It was found that three algorithms, HUBALIGN, L-GRAAL and NATALIE, regularly produce the most topologically and biologically coherent alignments. Due to the change of doctoral adviser, this research topic was abandoned in favour of language/syllable networks. In sum, this doctoral work involved two distinct directions of research in network science, one related to developing the methodology of network analysis (alignment algorithms), and the other devoted to extracting new information from specifically designed datasets (syllable networks). Therefore, the original contribution of this work to science includes both theory and methodology. Future research avenues include advancement along both directions, most interesting being the application of network alignment methods to syllable datasets, which could reveal more precise quantification of structural differences among syllable networks.
Ključne besede: computational statistics, biostatistics, bioinformatics, machine learning, computational linguistics
Objavljeno v ReVIS: 21.12.2018; Ogledov: 3214; Prenosov: 139
Celotno besedilo (17,51 MB)