Iskanje po repozitoriju

A+ | A- | | SLO | ENG

Ključne besede: bradykinin, kinin-B1 receptor, kinin-B2 receptor, glyoblastoma, mesenchymal stem cells, strojno učenje, nadzorovano učenje, učenje napovednih modelov, ansambelske metode
Objavljeno v ReVIS: 05.08.2026; Ogledov: 350; Prenosov: 2
Celotno besedilo (3,82 MB)

Opis: V magistrskem delu je raziskana uporaba metod umetne inteligence za detekcijo neželenih SMS sporočil, pri čemer so primerjane tradicionalne tehnike, algoritmi strojnega učenja in modeli globokega učenja. V teoretičnem delu je opravljen sistematičen pregled literature, ki vključuje metode na osnovi pravil, algoritme strojnega in globokega učenja ter hibridne modele. Empirični del je temeljil na UCI SMS Spam Collection zbirki, ki je bila predhodno očiščena, normalizirana, tokenizirana in podvržena vektorizaciji oziroma vdelavi besed. Izvedeni so bili poskusi z metodami Multinomial Naive Bayes, Support Vector Machine, Random Forest, Convolutional Neural Network in Bidirectional LSTM, pri čemer sta MNB ter SVM dosegla najvišji F1-score, algoritma globokega učenja pa sta pokazala konkurenčno natančnost. Tradicionalne metode so bile najhitrejše, globoki modeli so zahtevali največje računske vire, pri čemer je BiLSTM izkazal najboljšo stabilnost rezultatov med modeli globokega učenja. Glavne ugotovitve iz literature kažejo, da globoki modeli prinašajo višjo povprečno natančnost, medtem ko ostajajo tradicionalni algoritmi strojnega učenja zelo učinkoviti. Zaradi specifičnih lastnosti SMS sporočil in širokega nabora pregledane literature nismo povsem uspeli ponoviti ugotovitev iz literature. Čeprav so naši rezultati pokazali, da so modeli strojnega učenja nekoliko bolj učinkoviti, smo lahko potrdili visoko učinkovitost tako modelov strojnega kot tudi globokega učenja.
Ključne besede: umetna inteligenca, SMS detekcija, strojno učenje, globoko učenje
Objavljeno v ReVIS: 19.06.2026; Ogledov: 410; Prenosov: 5
Celotno besedilo (2,80 MB)

Ključne besede: plinska kromatografija z masno spektrometrijo, strojno učenje
Objavljeno v ReVIS: 21.05.2026; Ogledov: 376; Prenosov: 3
Celotno besedilo (31,17 MB)

Ključne besede: odkrivanje podatkov, avtomatsko učenje pravil, strojno učenje, nadzorovano učenje, opisna pravila, razpoznavanje vzorcev, statistika, vizualizacija podatkov
Objavljeno v ReVIS: 10.04.2026; Ogledov: 634; Prenosov: 4
Celotno besedilo (1,73 MB)

Opis: Diplomska naloga raziskuje področje umetne inteligence, s poudarkom na uporabi nevronskih mrež za napovedovanje kakovosti pri visokotlačnem litju. Uvodnemu delu, ki podaja kontekstualni okvir, sledi teoretični del, ki obravnava ključne vidike umetne inteligence, vključno z zgodovinskim razvojem umetne inteligence in opisom strojnega učenja, ki vključuje nadzorovano, nenadzorovano in spodbujevalno učenje. Prav tako so v tem delu opisane nevronske mreže, njihova sestava, arhitekturne značilnosti ter lastnosti, skupaj s procesi modeliranja, določitvijo topologije in metrikami za ocenjevanje učinkovitosti regresijskih modelov. Del je zaključen s pregledom programskega jezika Python in njegovih knjižnic za strojno učenje, ki podpirajo analizo v empiričnem delu naloge. Empirični del naloge vključuje razvoj pilotnega modela napovedovanja kakovosti visokotlačnega litja s pomočjo orodja Orange ter implementacijo nevronske mreže v programskem jeziku Python. S pomočjo teh pristopov naloga prikazuje možno pot za napovedovanje kakovosti izdelkov pri visokotlačnem litju.
Ključne besede: umetna inteligenca, strojno učenje, nevronske mreže, Python, visokotlačno litje.
Objavljeno v ReVIS: 23.02.2025; Ogledov: 1600; Prenosov: 14
Celotno besedilo (1,90 MB)