Repozitorij samostojnih visokošolskih in višješolskih izobraževalnih organizacij

Iskanje po repozitoriju
A+ | A- | Pomoč | SLO | ENG

Iskalni niz: išči po
išči po
išči po
išči po

Možnosti:
  Ponastavi


1 - 4 / 4
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
2.
Načrtovanje grafičnega uporabniškega vmesnika za mobilno aplikacijo : diplomska naloga
Janže Lorber, 2023, diplomsko delo

Opis: V diplomskem delu obravnavamo generatorje z umetno inteligenco z več vidikov. Naloga je razdeljena na dva dela. V prvem delu je opisano delovanje generatorjev slik iz besedila (ang. Text-to-image generators) in podrobneje generatorja Stable Diffusion. Predstavljen je tudi praktični primer treniranja oz. globokega učenja modela Stable Diffusion na naši učni množici slik in opisov. V drugem delu sta opisana teoretična opredelitev izdelave uporabniških vmesnikov in izdelava optimalnega uporabniškega vmesnika hipotetične mobilne aplikacije za generiranje filmov s pomočjo umetne inteligence z aplikacijo za oblikovanje vmesnikov Figma.
Ključne besede: text-to-image generator, globoko učenje, Stable Diffusion, umetna inteligenca, načrtovanje uporabniškega vmesnika, uporabniška izkušnja, Figma
Objavljeno v ReVIS: 18.03.2024; Ogledov: 1992; Prenosov: 57
.pdf Celotno besedilo (4,00 MB)

3.
Vpliv umetne inteligence na prihodnost modne fotografije
Jurij Dolenc, 2024, diplomsko delo

Ključne besede: Umetna inteligenca, strojno učenje, globoko učenje, modna fotografija, modni editorial.
Objavljeno v ReVIS: 14.03.2024; Ogledov: 3167; Prenosov: 55
.pdf Celotno besedilo (10,36 MB)

4.
Zaznavanje sentimenta v novicah z globokimi nevronskimi mrežami : diplomska naloga
Andraž Pelicon, 2019, diplomsko delo

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: 7037; Prenosov: 129
.pdf Celotno besedilo (1,48 MB)

Iskanje izvedeno v 0.09 sek.
Na vrh