1. 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: 188; Prenosov: 4
 Celotno besedilo (6,67 MB) |
2. Izbira sistema ERP z uporabo metode večkriterijskega odločanja za mala oziroma srednje velika podjetja : magistrska nalogaNina Strojinc, 2024, magistrsko delo Opis: Poslovnoinformacijski sistemi so z razvojem postali skoraj nepogrešljivi v organizacijah. Na trgu je veliko programskih rešitev, med katerimi izstopajo veliki ponudniki, kot so SAP, Microsoft in drugi. V Sloveniji so ponudniki predvsem usmerjeni v ponudbo za manjša podjetja. V magistrski nalogi sta obravnavana pomen poslovnoinformacijskih rešitev in analiza izbranih rešitev, ki so namenjene malim in srednje velikim podjetjem. Prav tako je del magistrske naloge namenjen večkriterijskemu odločanju, kjer sem predstavila uporabo odločitvenih programov. Zaradi široke ponudbe se pri izbiri najprimernejše rešitve ERP v podjetjih pogosto pojavita zmeda in nezadovoljstvo. Empirični del naloge je zato osredotočen na problem izbire optimalne programske rešitve za mala oziroma srednje velika podjetja. V okviru tega je bil razvit odločitveni model za izbiro celovite programske rešitve v programih DEXi in Visual PROMETHEE. Sam model lahko služi kot smernica za manjša in srednje velika podjetja pri odločitvi o optimalni programski rešitvi.
Ključne besede: rešitve ERP, večkriterijsko odločanje, PIS, Perftech.Largo, Microsoft Dynamics NAV, SAP Business One, odločitveni model
Objavljeno v ReVIS: 02.12.2024; Ogledov: 238; Prenosov: 0 |
3. Razvoj, ovrednotenje in primerjava odločitvenih modelov za napovedovanje delovanja čistilne naprave : diplomska nalogaMarko Štemberger, 2023, diplomsko delo 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: 1190; Prenosov: 54
Celotno besedilo (3,71 MB) |
4. Algorithm for short-time correction of wind speed forecasting models : doctoral dissertationZdravko Kunić, 2023, doktorska disertacija Opis: In this dissertation, a new algorithm for forecast correction of short-term wind speed predictions is proposed to improve the forecast of bora gusts, frequently resulting in high-speed wind situations dangerous for traffic. The motivation arises from occasionally ambiguous results of the decision support system relying only on the last forecast, which aids traffic management in strong and gusty wind conditions on the roads in Croatia. The proposed correction algorithm uses numerical weather prediction model characteristics to iteratively forecast the wind speed multiple times for the same future window. Iterative predictions are used as input features of the algorithm, and corrected predictions result from the output. The proposed algorithm is tested with artificial neural networks, random forests, support vector machines, and linear regression to demonstrate the superiority of the algorithm performance on a dataset comprising five years of actual data measurements at the Croatian bridge Krk and complementary historical forecasts by ALADIN numerical weather prediction model.
Ključne besede: upravljanje prometa, napoved hitrosti vetra, popravek napovedi, nevronske mreže, zaporedne napovedi, doktorska disertacija
Objavljeno v ReVIS: 09.11.2023; Ogledov: 859; Prenosov: 43
Celotno besedilo (3,75 MB) |
5. Razvoj digitalne strategije za Srednjo šolo za gostinstvo in turizem : magistrska nalogaTea Zakšek, 2023, magistrsko delo 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: 1416; Prenosov: 124
Celotno besedilo (6,57 MB) |
6. A decision support system for identity and access management : doktorska disertacijaMiljenko Hajnić, 2022, doktorska disertacija Opis: Managing redeployment of employees is a complex and highly demanding process for a company’s decision-makers in the human resources department since it requires fast responsiveness, in particular when there is a huge amount of requests and activities required to answer the organizational needs. Redeployment requires multiple evaluations of employees and organizational units involving many attributes, such as education, skills, work experience, and distance from the workplace, to name a few. Consequently, every redeployment task causes a new cycle of granting new access rights to the company’s application software. Since the whole granting access procedure can take from several hours up to several days, depending on the number of IT administrators and the number of employees’ user accounts that have to be appropriately configured, the cost of employee redeployment is directly reflected through the overhead expense for employees while they wait for their user account to be updated, and in the meantime, the company’s income will be lower than the projected one. To address this problem, this doctoral thesis focuses on the importance of key service interoperability and the development of software components that enable the integration of the decision model with Human Resources Management software and Identity and Access Management software into the decision support system in order to increase the company’s efficiency and effectiveness. Key service interoperability was achieved by first developing a decision support model using the Decision EXpert (DEX) method. The developed DEX model was applied for a logical base in the development of the web-based application.
We developed a custom web-based application that evaluates multiple entities at once and proposes several appropriate alternatives ranked by three novel algorithms that we developed for three different contexts of employee redeployments. Our web-based application is a software prototype designed for easy integration with other business applications involved in the process of employee redeployment. Finally, we performed several process simulations to conceptually test the possibility, feasibility and profitability of software improvements and integrations.
Ključne besede: decision support, decision expert, human resources, redeployment, identity and access management, doctoral dissertation
Objavljeno v ReVIS: 25.02.2022; Ogledov: 1692; Prenosov: 96
Celotno besedilo (2,31 MB) |
7. Napovedovanje števila dohodnih klicev sistema javne varnosti za klic v sili 112 ob uporabi odprtih podatkov interneta stvari : Doktorska disertacijaValerij Grašič, 2021, doktorska disertacija 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), doktorska disertacija
Objavljeno v ReVIS: 18.06.2021; Ogledov: 2661; Prenosov: 146
Celotno besedilo (5,56 MB) |
8. Podatkovno rudarjenje na področju spletne maloprodaje: študija primera specifične trgovine z darili v Veliki Britaniji : Diplomska nalogaLeja Rukše, 2020, diplomsko delo Opis: V diplomskem delu je rdeča nit podatkovno rudarjenje. Gre za eno izmed tehnoloških rešitev, ki pomagajo v podjetjih in znanstvenih ustanovah pri odkrivanju znanja v kupu podatkov, ki jih imenujemo tudi Big Data. Gre za odkrivanje vzorcev in povezav, ki koristijo, gledano trgovska podjetja, pri opredeljevanju strank med zveste kupce, tiste, ki se pogosto poslužujejo nakupov ali so redki kupci, zapravijo v podjetju največ ali pa so pogosti kupci. Namen rudarjenja je iz analiz razbrati, kaj stranka potrebuje in katere stranke se bodo z večjo verjetnostjo odzvale na ponudbo. Sicer pa je bistveno pri podatkovnem rudarjenju tudi to, da se uporablja lahko v vseh panogah in znatno pripomore k lažjemu poslovanju. V drugem delu je v empiričnem delu pred-stavljena konkretna analiza razvrščanja v skupine z rezultati.
Ključne besede: podatkovno rudarjenje, Weka, analiza, atribut, filtriranje, razvrščanje v skupine, k-means
Objavljeno v ReVIS: 01.10.2020; Ogledov: 3426; Prenosov: 169
Celotno besedilo (1,57 MB) |
9. Zaznavanje sentimenta v novicah z globokimi nevronskimi mrežami : diplomska nalogaAndraž 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: 5576; Prenosov: 125
Celotno besedilo (1,48 MB) |
10. |
