Najnovejša akademska dela
Razložljive tehnike strojnega učenja v znanostih o življenju
Ekološke, kmetijske in biološke discipline se soočajo z vse večjimi izzivi, kot so izguba biotske raznovrstnosti, motnje v prehranjevalnih verigah in podnebne spremembe, zato postaja uporaba strojnega učenja za obdelavo kompleksnih in heterogenih podatkov vse bolj pomembna. Disertacija raziskuje potencial strojnega učenja v kombinaciji z razlagalnimi pristopi za izboljšanje raziskav …
Inteligentni kognitivni sistem za računsko psihoterapijo s pogovornim agentom za spreminjanje odnosa in vedênja pri stresu, anksioznosti in depresiji
Zaradi vse večje razširjenosti težav z duševnim zdravjem po svetu se je povečala potreba po računski psihoterapiji, ki med drugim vključuje ustvarjanje računalniških orodij za duševno zdravje in podporo obstoječim strokovnjakom. To delo predstavlja sistem računske psihoterapije, ki uporablja pogovornega agenta za napovedovanje težav z duševnim zdravjem pri uporabnikih ter …
Izkoriščanje domenskega znanja pri napovednem učenju iz podatkov o živilih in prehrani
Ekspertno znanje o živilih in prehrani se je v zadnjem času drastično povečalo. Umetna inteligenca (UI) omogoča dodatno nadgrajevanje tega znanja s (pol)avtomatsko izluščenim znanjem iz množično zbranih podatkov o živilih in prehrani, ki so relativno enostavno dostopni. Vendar pa raziskave na področju UI pogosto zanemarjajo pomen podatkov in so …
Zaznavanje in razpoznavanje slik hrane in pijače z uporabo globokih konvolucijskih nevronskih mrež
Zdrava prehrana postaja čedalje pomembnejša, saj spoznanja glede pomanjkljivosti v prehrani pogosto vodijo do zaključkov, s pomočjo katerih lahko posameznik izboljša svoje zdravstveno stanje. Za prepoznavanje mogočih področij za izboljšave pa je potrebno beležiti vnos hrane. Tradicionalno so bile za to uporabljene ročne metode, vendar so zanje značilne številne pomanjkljivosti, …
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 …