REPOZITORIJ > REZULTATI

Gradnja značilk, ki vključuje tako ročno zasnovo s strani domenskih strokovnjakov kot tudi avtomatizirano učenje uporabnih predstavitev podatkov, je ključen vidik strojnega učenja. Glavni cilj je pretvoriti surove podatke v obliko, ki jo lahko učinkoviteje izkoristimo s pristopi strojnega učenja. Čeprav je gradnja značilk dobro raziskana na področjih kot sta …

Disertacija obravnava dva različna, vendar povezana optimizacijska problema: dvonivojske in minimaks probleme v kontekstu evolucijskih algoritmov (EA). Dvonivojska optimizacija vključuje hierarhično odločanje, pri katerem so odločitve na zgornjem nivoju podvržene omejitvam, določenim z rešitvami optimizacijskega problema na spodnjem nivoju. Ti problemi so posebej zahtevni zaradi svoje ugnezdene strukture, potrebe po …

Prehransko in prehranjevalno okolje igra ključno vlogo pri oblikovanju potrošnikovih prehranskih izbir. Ker se odločanje o prehrani vse bolj seli v digitalno okolje, je ključno razumevanje vpliva tega okolja na potrošnikovo prehransko vedênje. Spletne platforme in mobilne aplikacije ponujajo odlične priložnosti za promocijo bolj zdravih prehranskih izbir in izboljšanje prehranskega …

Področje ocenjevanja tveganj se sooča s ponavljajočimi temeljnimi izzivi, ki omejujejo potencial ocen tveganja za informiranje javnozdravstvenih odločitev. Doktorat prispeva k izboljšanju interakcije znanosti in politike na področjih javnega zdravja in okolja, tako da obravnava različne izzive ocenjevanja tveganja v kontekstu odločanja. Delo se osredotoča na analizo trenutne prakse ocenjevanja …

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., …

V disertaciji obravnavamo problem učenja različnih vrst odločitvenih dreves na podlagi podatkovnih tokov, ki se spreminjajo v času. Posebej se posvetimo študiju sprotnih (online) algoritmov strojnega učenja za učenje regresijskih dreves, linearnih modelnih dreves, opcijskih dreves za regresijo, več-kriterijskih modelnih dreves in ansamblov modelnih dreves na podlagi podatkov iz časovnih …

Ali je mogoče zaupati modelu, zgrajenem z algoritmi strojnega učenja in rudarjenja podatkov? Znano je, da lahko model v obliki odločitvenega drevesa vsebuje slabe, tj. manj verodostojne dele, ki jih povzročajo patološko obnašanje indukcijskih algoritmov, šum in manjkajoče vrednosti v podatkih, lahko pa se pojavijo tudi zaradi kompleksnosti domene. Takšni …

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 …

V tem delu opisujemo načrtovanje hidravličnih merilnih celic za univerzalni kuhinjski aparat z integrirano funkcijo tehtanja, ki jih bo mogoče kasneje uporabiti tudi v mreži senzorjev za spremljanje dinamičnih lastnosti in nadzor kuhinjskega aparata. V konkretnem primeru bo funkcija tehtanja prilagojena tehtanju večjih količin živil (do 5 kg). Želimo čim …