Najnovejša akademska dela
Avtonomno oblikovanje obnašanja robota za učinkovito izvajanje nalog
Cilj prizadevanj za avtonomno učenje robotov je omogočiti robotom, da se nemoteno vključijo v naše vsakdanje življenje ter povečajo našo učinkovitost in udobje. Po drugi strani pa ima v industrijskem sektorju avtonomno učenje robotov ključno vlogo pri sledenju hitro razvijajočim se zahtevam trga. Ker se izdelki in procesi hitro spreminjajo, …
Proučevanje zgodnjih molekularnih dogodkov po izpostavitvi pljučnih celic nanodelcem s pomočjo naprednih optičnih mikroskopij
Vsakodnevno smo izpostavljeni velikim količinam raznovrstnih nanodelcev, od katerih lahko nekateri resno ogrožajo naše zdravje – izpostavljenost nanodelcem namreč močno prispeva k razvoju pljučnih, srčno-žilnih, in nevrodegenerativnih obolenj. Po nekaterih ocenah izpostavljenost nanodelcem že sedaj skrajša naše življenje za nekaj let, problem pa postaja čedalje bolj pereč zaradi povečane proizvodnje …
Klasifikacija brezžičnih povezav s pomočjo strojnega učenja
Zaradi narave brezžičnega prenosnega medija je za brezžične komunikacije značilna večja verjetnost izgube podatkovnih paketov kot pri žičnih komunikacijah. Kakovost brezžičnih povezav je močno odvisna od spreminjajočih razmer na kanalu, medsebojnih motenj in tudi pomanjkljivosti primopredajnika. Nezanesljivost brezžičnih povezav je spodbudila razvoj številnih tehnik, ki lahko kljubujejo takšnim pogojem s …
Kompleksna vozlišča v drevesih za napovedovanje strukturiranih vrednosti
Tema te disertacije je integracija kompleksnih vozlišč v drevesa za napovedno razvrščanje (DNR). DNR-ji so uveljavljeni modeli v strojnem učenju, ki jih lahko uporabimo za vrsto različnih nalog, med drugim napovedovanje strukturiranih vrednosti in polnadzorovano učenje. Zgrajeni so s požrešnim rekurzivnim algoritmom, ki ima dve šibki točki. Prva težava je …
Upoštevanje avtokorelacije v napovednih modelih
Večina metod za podatkovno rudarjenje, strojno učenje in statistično analizo podatkov temelji na predpostavki, da so podatki neodvisni in enako porazdeljeni (ang. independent and identically distributed – i.i.d.). To pomeni, da morajo biti učni primeri med seboj neodvisni ter imeti enako verjetnostno porazdelitev. Vendar so primeri, ko podatki niso i.i.d., …
Algoritmi strojnega učenja za polinomsko regresijo
V disertaciji obravnavamo nalogo polinomske regresije, t.j. indukcijo regresijskih modelov, ki temeljijo na polinomskih enačbah, iz podatkov. Naš cilj je namreč izboljšanje in razširitev obstoječih pristopov za učenje modelov polinomske regresije v več smereh. Najprej smo izboljšali obstoječe metode za obravnavanje problema pretiranega prilagajanja (angl. overfitting) kot tudi obstoječe metode …
Modularna ontologija podatkovnega rudarjenja
Domena podatkovnega rudarjenja se ukvarja z analizo različnih vrst podatkov. Podatki, ki se običajno uporabljajo v podatkovnem rudarjenju, so po navadi v obliki ene same tabele, kjer vsaka vrstica vsebuje vrednost atributa, t.j., spremenljivke ki so primitivnega podatkovnega tipa. Obstaja vedno več zanimanjaVendar pa za strukturirane (kompleksne) podatke, kot so …
Polavtomatska gradnja ontologij
Disertacija obravnava formalizacijo in implementacijo procesa za polavtomatsko gradnjo ontologij. Predlagamo teoretični okvir za formalizacijo procesa polavtomatske gradnje ontologij. Proces je predstavljen kot zaporedje operatorjev, uporabljenih na ontologijo. Identificirani so pogosti tipi operatorjev, pri čemer je vsak od njih operator posplošen do mere, potrebne za odkritje operatorja s kombinacijo metod …
Ansambli za napovedovanje strukturiranih vrednosti
Disertacija obravnava nalogo učenja modelov za napovedovanje strukturiranih vrednosti, ki kot vhod vzamejo vektor vrednosti značilk in na izhodu podajo napoved strukturirane vrednosti. Za razliko od klasifikacije in regresije, kjer je na izhodu ena sama skalarna vrednost, je v našem primeru izhod, oziroma napoved, podatkovna struktura kot na primer vektor …