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 - 3 / 3
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Zaznavanje sentimenta v novicah z globokimi nevronskimi mrežami
Andraž Pelicon, 2019

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.
Najdeno v: ključnih besedah
Ključne besede: analiza sentimenta, novice, slovenščina, nevronske mreže, globoko učenje
Objavljeno: 04.10.2019; Ogledov: 3671; Prenosov: 118
.pdf Celotno besedilo (1,48 MB)

2.
Algorithm for short-time correction of wind speed forecasting models
Zdravko Kunić, 2023

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.
Najdeno v: ključnih besedah
Ključne besede: upravljanje prometa, napoved hitrosti vetra, popravek napovedi, nevronske mreže, zaporedne napovedi
Objavljeno: 09.11.2023; Ogledov: 289; Prenosov: 17
.pdf Celotno besedilo (3,75 MB)

3.
Razvoj, ovrednotenje in primerjava odločitvenih modelov za napovedovanje delovanja čistilne naprave
Marko Štemberger, 2023

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.
Najdeno v: ključnih besedah
Ključne besede: strojno učenje, nevronske mreže, naključni gozd, naivni Bayes, algoritem ReliefF, odločitveni modeli, Orange
Objavljeno: 06.12.2023; Ogledov: 240; Prenosov: 26
.pdf Celotno besedilo (3,71 MB)

Iskanje izvedeno v 0 sek.
Na vrh