1. Patterns discovery in Slovenian public spending : a data-driven approach to corruption detectionJelena Joksimović, 2023, doktorska disertacija Opis: Corruption is a pervasive societal issue, entailing the misuse of public authority for personal benefits. Traditionally, corruption was estimated via perception surveys, which rely on probing the individuals about their views on corruption rather than directly measuring it. Such assessments encounter challenges in accurately capturing corruption and often diverge from actual corruption levels.
Recent advancements in data collection, spurred by calls for transparency in public institutions and fueled by enhanced computational and storage capabilities, opened unprecedented opportunities for a far more precise analysis of corruptive processes. By quantitatively analyzing concrete datasets, such as transactions between public sector and private companies, contractual documents, public procurement records, bid outcomes, and healthcare product prices, novel avenues emerged for both addressing and predicting corruption. These scientific endeavors aim to discover the best policies to mitigate corruption and rebuild trust in public institutions.
This doctoral dissertation pioneers this novel approach, forging a collaborative partnership with the Commission for the Prevention of Corruption in Slovenia (CPC). Harnessing state-of-the-art data mining, statistical analysis, and machine learning, we analyze a large CPC’s datasets detailing 17 years of public spending on private companies and reported receiving of gifts to public officials. We uncover an array of findings along three research directions:
1. We reveal the presence of self-organizing principles that govern Slovenian public expenditure. Such mechanisms are usually observed in more orderly (e.g. physical) systems and come across as surprising in this context, where interactions are dominated by human factors.
2. We construct an interactive framework tailored for CPC's use. It enables quick identification of suspicious private companies whose revenues from public sources exhibit visible disparities that correlate with changes of the government.
3. Finally, employing natural language processing, we uncover how seemingly innocent ceremonial gifts can foster favoritism and enable misuse of public positions for personal gains. We illustrate the disparities between the laws regulating gift reporting and the actual practices.
In conclusion, this research contributed: (i) new computational methods for data-driven analysis of corruption, and (ii) better understanding of societal processes that govern public spending in Slovenia. Our work delivers valuable recommendations to governmental, public, and administrative bodies. We hope these insights will bolster the use of transparent public data as the key tool in the fight against corruption.
Ključne besede: corruption, public spending, gift reporting, transparency, data mining, time series, unsupervised learning
Objavljeno v ReVIS: 17.02.2025; Ogledov: 286; Prenosov: 11
 Celotno besedilo (6,92 MB) |
2. Primerjalna študija metod strojnega učenja za modeliranje QSAR : magistrska nalogaMatic Krivec, 2024, magistrsko delo Opis: Magistrska naloga predstavlja primerjalno analizo desetih različnih QSAR-algoritmov strojnega učenja, uporabljenih na desetih različnih QSAR-podatkovnih množicah, ob uporabi različnih molekulskih odtisov, da bi ocenili njihovo učinkovitost pri različnih značilnostih in velikostih podatkov. Glavni cilj je bil oceniti, kako izbira algoritma vpliva na natančnost in robustnost modelov pri napovedovanju biološke aktivnosti. Vsak algoritem je bil sistematično testiran z uporabo metrik, kot sta korelacijski koeficient (R²) in koren srednje kvadratne napake (RMSE) za ocenjevanje uspešnosti algoritmov strojnega učenja. Rezultati kažejo znatne razlike v delovanju modelov, kar poudarja, da značilnosti in velikost podatkovne množice ter izbira prstnih odtisov kritično vplivajo na napovedno uspešnost QSAR-modelov. Ta študija ponuja vpoglede v izbire algoritmov za raznolike aplikacije v odkrivanju zdravil ter potrjuje pomembnost značilnosti podatkovnih množic pri QSAR-modeliranju.
Ključne besede: QSAR, strojno učenje, molekulski odtisi, vrednotenje modelov, napovedno modeliranje
Objavljeno v ReVIS: 20.01.2025; Ogledov: 264; Prenosov: 5
Celotno besedilo (3,30 MB) |
3. Iskanje številke osnovnega sredstva iz fotografije izolatorja s pomočjo strojnega učenja in geografske lokacije : magistrska nalogaAndrej Trunkl, 2024, magistrsko delo Opis: cELES, družba za upravljanje z elektroenergetskim prenosnim sistemom, skrbi za nemoteno delovanje slovenskega električnega omrežja. Za zagotovitev nemotenega delovanja je treba izvajati redne preglede sredstev na omrežju. Ker so pregledi zamudni, se uporabljajo brezpilotna letala, s katerimi se fotografirajo sredstva na omrežjih. Količina tako posnetih fotografij je zelo velika, zato je ročno pregledovanje in prostorsko umeščanje teh posnetkov velik izziv. Cilj raziskave je izboljšati učinkovitost spremljanja stanja omrežja z razvojem metod za natančnejše in hitrejše zaznavanje ter analizo infrastrukture, kar bo izboljšalo zanesljivost in varnost omrežja.
Ključne besede: prostorsko umeščanje, zaznavanje infrastrukture, pred procesiranje fotografij, predpripravljeni modeli, prenos znanja
Objavljeno v ReVIS: 20.01.2025; Ogledov: 242; Prenosov: 16
Celotno besedilo (3,01 MB) |
4. Hyperbolic metric learning in machine learning algorithms for application in oncology : doctoral dissertationAlenka Trpin, 2024, doktorska disertacija 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: 306; Prenosov: 12
Celotno besedilo (6,67 MB) |
5. Digitalizacija procesa upravljanja kvalifikacij laboratorijske opreme : magistrska nalogaPeter Gorišek, 2024, magistrsko delo Opis: Podjetja in družbe, ki si želijo povečati produktivnost in dodano vrednost na zaposlenega morajo strmeti k optimizaciji poslovanja in razvoju obstoječih ter novih produktov. Kot prevladujoč način za doseganje teh ciljev, se v času hitrega razvoja informacijske tehnologije, uporablja digitalizacija. Pogoj za uspešno izveden projekt digitalizacije je pravilno postavljena digitalna strategija, ki upošteva razmere tako zunaj kot znotraj družb, ter ustrezen projektni pristop.
Ključne besede: digitalizacija, strategija digitalizacije, aplikacija, GAMP, laboratorijska oprema
Objavljeno v ReVIS: 03.12.2024; Ogledov: 387; Prenosov: 27
Celotno besedilo (1,96 MB) |
6. Vpliv pandemije Covid-19 na gibanje otrok in razvoj prototipa mobilne aplikacije za spodbujanje gibanja : magistrska nalogaUroš Valenčič, 2024, magistrsko delo 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: 328; Prenosov: 12
Celotno besedilo (5,07 MB) |
7. Primerjava inovacij za aktivno življenje psov in oplemenitenje uporabniške izkušnje z nosljivo tehnologijo : magistrska nalogaTea Štampalija, 2024, magistrsko delo Opis: V magistrski nalogi smo raziskovali vpliv napredne opreme za pse na telesno aktivnost in zdravje živali, s posebnim poudarkom na uporabniški izkušnji. S pomočjo kvantitativnega in kvalitativnega pristopa raziskovanja smo analizirali, kako pametne ovratnice in nosljivi senzorji vplivajo na vsakdanje življenje psov in njihovih lastnikov. Ugotovitve so pokazale, da te naprave ne le izboljšajo spremljanje zdravstvenega stanja in aktivnosti, ampak lastnikom omogočajo tudi boljše razumevanje in povezovanje s svojimi ljubljenčki. Dodatno pa smo identificirali tudi omejitve, ki so potreba po večji prilagodljivosti in raznolikosti funkcij, da lahko zadovoljimo različne potrebe uporabnikov.
Ključne besede: napredna oprema za pse, pametne ovratnice, telesna aktivnost, uporabniška izkušnja, zdravstveno spremljanje
Objavljeno v ReVIS: 03.12.2024; Ogledov: 359; Prenosov: 30
Celotno besedilo (5,03 MB) |
8. Nadgradnja proizvodnega informacijskega sistema Scada v podjetju : primer sistema komprimiranega zrakaMarko Hlačar, 2024, diplomsko delo 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: 390; Prenosov: 29
Celotno besedilo (1,62 MB) |
9. Razvoj aplikacije za sledenje navad Habit Tracker : diplomska nalogaGal Vid Verlič, 2024, diplomsko delo Opis: V tem raziskovalnem delu sem opisal razvoj aplikacije Habit Tracker, mobilne aplikacije za sledenje navadam. Aplikacija omogoča uporabnikom, da ustvarijo navade, jih spremljajo in vzdržujejo.Aplikacija ponuja širok nabor funkcionalnosti, vključno z ustvarjanjem, posodabljanjem in brisanjem navad, nastavitvijo prilagodljivih opomnikov ter analitičnimi orodji za spremljanje napredka. Poseben poudarek je bil namenjen varnosti podatkov, z uporabo šifriranja in varnostnih protokolov za zaščito uporabniških informacij.
Empirični del raziskave vključuje podroben opis postopka razvoja aplikacije, od ideje do končnega prototipa, in primerjavo funkcionalnosti ter uporabniške izkušnje s podobnimi aplikacijami na trgu, kot sta Strides in Done.
Ključne besede: sledenje navad, c#, .net maui, aplikacija, mobilna aplikacija
Objavljeno v ReVIS: 03.12.2024; Ogledov: 325; Prenosov: 4
Celotno besedilo (1,98 MB) |
10. Oblikovanje in implementacija grafičnega uporabniškega vmesnika za računalniško igro : diplomska nalogaAleš Gačnik, 2024, diplomsko delo 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: 326; Prenosov: 11
Celotno besedilo (4,83 MB) |
