11. Razvoj aplikacije za sledenje kalorij : diplomska nalogaLuka Intihar, 2024, diplomsko delo Opis: Diplomska naloga obravnava razvoj aplikacije za sledenje kalorij, ki je namenjena uporabnikom enostaven in učinkovit način spremljanja obrokov. Glavni cilj je ustvariti novo aplikacija za ročne naprave na Android sistemu, ki jim omogoča natančno beleženje zaužitih kalorij in ponuja koristne funkcionalnosti, kot je pregled preteklih dni, pregled rasti in mase. Aplikacija naloge uporablja tehnologije, kot je Firebase SDK, pri katerem uporabljamo Firebase Realtime Database, Firebase Storage in Firebase Authentication, pri razvoju pa se uporablja Android Studio, keteri bo aplikaciji omogočal preprost razvoj, integracijo z Firebase in grajenje aplikacije. Aplikacija, bo izdelana za Slovensko uporabo in prav tako preprostejšo uporabo, z manj funkcionalnosti, kot podobne aplikacije, vendar lažjim in hitrejšim direktnim
dostopom, do vpisa in pregleda vnosa živil. Razvoj vključuje analizo trga, potrebe in optimizacijo funkcionalnosti in programske kode. Ključne besede: Android studio, android, Firebase, razvoj, sledenje kalorij Objavljeno v ReVIS: 28.03.2025; Ogledov: 324; Prenosov: 6
Celotno besedilo (2,78 MB) |
12. Kibernetsko ustrahovanje med mladostniki v Zasavju : magistrska nalogaAleksander Marinč, 2022, magistrsko delo Opis: Magistrska naloga se osredotoča na ustrahovanje, ki se izvaja v kibernetskem prostoru s pošiljanjem agresivnih sporočil osebi. Lahko je ponižujoča fotografija ali videoposnetek, neprijetno besedilno sporočilo ali nevzdržen komentar na družbenih omrežjih. Glavni cilj naloge je dobiti vpogled v ustrahovanje in raziskati katera oblika kibernetskega ustrahovanja je med mladostniki v Zasavju najpogostejša, v kateri aplikaciji se izvaja in ali ostajajo statistično pomembne razlike med spoloma bodisi v vlogi ustrahovalca, bodisi v vlogi žrtve. Ugotavljali smo prav tako komu se žrtve viktimizacije največkrat zaupajo.
Rezultati so pokazali, da je med mladostniki v Zasavju najpogostejša oblika kibernetsko nadlegovanje oziroma prejemanje grozečih, žaljivih, zlobnih in neprimernih sporočil v aplikaciji Snapchat, v vlogi ustrahovalca je bistvena razlika med spoloma v korist fantov, medtem ko so v vlogi žrtve fantje približno enako izpostavljeni kot dekleta. Ključne besede: ustrahovanje, kibernetski prostor, kibernetsko ustrahovanje, mladostniki, Zasavje Objavljeno v ReVIS: 28.03.2025; Ogledov: 368; Prenosov: 4
Celotno besedilo (13,09 MB) |
13. Programiranje grafičnih procesnih enot (GPE) – CUDA, za 3D video igre : diplomska nalogaJani Pogačar, 2025, diplomsko delo Opis: V diplomski nalogi je predstavljen uvod v tematiko in pregled ključnih področij, kot so grafične procesne enote (GPE), CUDA tehnologija, 3D animacije in fizikalna osnova simulacije žogic. Predstavljen je opis uporabljenih orodij in tehnologij, vključno s programskim okoljem Cinema 4D, superračunalniki (HPC – High performance computing) ter grafičnimi karticami NVIDIA Tesla P100. V tem delu predstavljamo animacijo v Cinema 4D, kjer smo modelirali našo animacijo in procesirali slike. Sledi poglavje, kjer smo namenili več časa optimizaciji projekta s pomočjo CUDA tehnologije, ki vključuje arhitekturne prednosti, tehnike optimizacije ter implementacijo optimizacije za 3D animacije, vključno z renderiranjem na prenosnem računalniku in superračunalniku Trdina. V zadnjem poglavju smo predstavili rezultate, vključno z analizo testnega okolja, časovno in stroškovno analizo ter analizo zmogljivosti. Zaključek prinaša sklepne ugotovitve. Ključne besede: grafične procesne enote, GPE, centralno procesne enote, CPE, CUDA tehnologija, fizikalna simulacija, Cinema 4D Objavljeno v ReVIS: 28.03.2025; Ogledov: 345; Prenosov: 3
Celotno besedilo (1,63 MB) |
14. Vpeljava MES sistema v podjetje TKI HRASTNIK D.D. ter testiranje MES sistema : magistrska nalogaMatjaž Kovač, 2024, magistrsko delo Opis: V sklopu magistrske naloge sem predstavil sistem za upravljanje s proizvodnjo, ki smo ga začeli uporabljati v podjetju TKI Hrastnik, d. d. V magistrski nalogi sem predstavil celotno testiranje tega sistema. Izvedel sem strukturirane intervjuje z uporabniki tega sistema ter nato intervjuje analiziral in s pomočjo analize potrdil oz. ovrgel hipoteze. Izkazalo se je, da sem pri testiranju naletel na več napak v delovanju. Vse težave so bile odpravljene pred prehodom v produkcijo. Izkazalo se je tudi, da so uporabniki zelo zadovoljni s sistemom za upravljanje proizvodnje. Ključne besede: sistem za upravljanje proizvodnje, digitalizacija, izboljšanje sledljivosti, spletni brskalniki, testiranje, varnost Objavljeno v ReVIS: 28.03.2025; Ogledov: 343; Prenosov: 2
Celotno besedilo (3,25 MB) |
15. Vloga digitalnih vplivneže v v prodaji v sodobni družbi : magistrska nalogaŽiga Muha, 2025, magistrsko delo Opis: Namen magistrske naloge je bil raziskati vpliv digitalnih vplivnežev na sledilce in ugotoviti njihovo vlogo pri nakupnih namerah potrošnikov. Skozi raziskovanje smo ugotovili, da aktivnosti digitalnih vplivnežev ne vplivajo močno na nakupne namere potrošnikov. Digitalni vplivneži vplivajo na nakupne namere potrošnikov predvsem s svojo verodostojnostjo, dobro vsebino ter popusti, ki jih zagotavljajo. Na dojemanje vpliva digitalnih vplivnežev pri nakupnih namerah potrošnikov najbolj vpliva starost, saj je mlajšim bolj pomembna strokovnost, nepristranskost in iskrenost digitalnih vplivnežev ter da se lahko poistovetijo z njimi glede podobnih vrednot in okusa. Na zaupanje kupcev v določeno blagovno znamko lahko digitalni vplivneži s svojimi aktivnostmi vplivajo na način, da za določen izdelek ponudijo popust, prav tako pa mora biti jasno razvidno, da digitalni vplivnež uporablja izdelek ali storitev v njegovem vsakdanjem življenju. Ključne besede: digitalni mediji, družbena omrežja, digitalni vplivneži, blagovna znamka, spletno nakupovanje Objavljeno v ReVIS: 28.03.2025; Ogledov: 378; Prenosov: 7
Celotno besedilo (4,44 MB) |
16. Razvoj lastne različice baze podatkov Redis v programskem jeziku Rust : diplomska nalogaRok Zabret, 2025, diplomsko delo Opis: V diplomski nalogi smo raziskali in razvili prilagojeno različico Redis baze podatkov v jeziku Rust, z namenom izboljšanja zmogljivosti, varnosti in upravljanja pomnilnika glede na izvorno različico v jeziku C. Redis, pogosto uporabljen kot predpomnilnik ali baza za obdelavo podatkov v realnem času, je v Rustu pridobil prednosti, kot so varno upravljanje pomnilnika in sočasno izvajanje. Primerjava obeh implementacij je pokazala izboljšano upravljanje pomnilnika in rahlo boljšo zmogljivost pri sočasnih operacijah. Zaključek vključuje predloge za optimizacijo asinhronih operacij, širitev na druge jezike (npr. Python, Java) ter izboljšave skalabilnosti in varnosti. Ključne besede: Redis, Rust, pomnilnik, sočasnost, baza podatkov, varnost, učinkovitost Objavljeno v ReVIS: 25.03.2025; Ogledov: 286; Prenosov: 8
Celotno besedilo (1,31 MB) |
17. 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: 525; Prenosov: 19
Celotno besedilo (6,92 MB) |
18. 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: 484; Prenosov: 9
Celotno besedilo (3,30 MB) |
19. 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: 441; Prenosov: 20
Celotno besedilo (3,01 MB) |
20. 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: 555; Prenosov: 30
Celotno besedilo (6,67 MB) |