Izlazni intervju je vrijedan alat kompanija putem kojeg mogu spoznati vrijedne informacije vezane uz radne procese u njima, uz zaposlenike i razloge njihovog odlaska te potencijalne ili realne ...sigurnosne i reputacijske ugroze (odljevi poslovnih tajni, loših poslovnih praksi i sl.) zbog kojih kompanije mogu pretrpjeti ili trpe štetu. Zato je ta vrsta intervjua vrlo značajna, a često u praksi zanemarena ili nedovoljno kvalitetno provedena. Iz tog razloga u ovom radu se razmatra značaj strukture i analize sadržaja izlaznog intervjua u kompanijama za uspješnost provođenje te vrste intervjua. Pri provođenju izlaznih intervjua u kompanijama ti bi intervjui svakako trebali biti strukturirani pa se u radu detaljno i s primjerima pojašnjavaju sve faze strukturiranog intervjua, počevši od faze planiranja i pripreme za provođenje izlaznog intervjua, uvodne faze, faze slobodnog iskazivanja (dosjećanja), faze postavljanja pitanja, završne faze izlaznog intervjua te faze evaluacije izlaznog intervjua. Posebna pažnja je u radu posvećena pripremi izlaznog intervjua i sastavljanju pisanog plana intervjua po njegovim fazama te postavljanju relevantnih pitanja. Vrijedne spoznaje dobivene izlaznim intervjuom koriste se u unapređenju poslovnih procesa i svakako se mogu te trebali bi se koristiti i pri odlučivanju o daljnjem zapošljavanju u kompaniji. Zbog višestrukog značaja provođenja izlaznog intervjua, u radu je ukazano i na sigurnosni aspekt njegovog provođenja. Također, za uspješnost izlaznog intervjua značajna je i ocjena vjerodostojnosti sadržaja takvog intervjua, odnosno izjave zaposlenika, a što zahtjeva poznavanje verbalnih i neverbalnih indikatora laganja od kojih su pojedini značajniji kratko razmotreni u ovom radu.
The exit interview is a valuable tool for companies through which they can learn valuable information related to work processes, along with information’s about employees and the reasons for leaving the company, as well as potential or real security and reputational threats (outflows of business secrets, bad business practices, etc.) that companies may suffer or suffer damage. That is why this type of interview is very important, and often neglected in practice or conducted with insufficient quality. For this reason, this paper considers the importance of the structure and analysis of the content of the exit interview in companies for the success of this type of interview. When conducting exit interviews in companies, these interviews should certainly be structured, so the paper explains in detail and with examples all phases of a structured interview, starting with the phase of planning and preparation for conducting an exit interview, the introductory phase, the phase of free expression (thinking), the phase of asking questions, the final phase of the exit interview and the evaluation phase of the exit interview. Special attention was paid in the work to the preparation of the exit interview and the compilation of a written interview plan according to its phases, as well as asking relevant questions. Valuable insights gained from the exit interview are used in the improvement of business processes and can and should certainly be used when deciding on further employment in the company. Due to the multiple importance of conducting the exit interview, the paper also pointed out the security aspect of its conduct. Also, for the success of the exit interview, the assessment of the credibility of the content of such an interview, that is, the employee's statement, is important, which requires knowledge of verbal and non-verbal indicators of lying, some of the more significant of which are briefly discussed in this paper.
Automatska detekcija objekata u moru na slikama nadzornih ili panoramskih kamera otvara mogućnost automatskog praćenja prometa, detekcije neovlaštenoga kretanja, opasnosti ili onečišćenja. U ovom ...radu analiziraju se performanse modela temeljenih na arhitekturi YOLOv7 za zadatak detekcije plovila i plutača na takvim slikama. Modeli su naučeni na vlastitom skupu podataka različitih pomorskih scena izrađenom za tu svrhu, korištenjem prijenosa učenja s modela naučenih na općenitim slikama. Također, ispitane su dvije varijante rukovanja ulazom u mrežu, te je korištenje strategije rezanja ulazne slike značajno poboljšalo rezultate detekcije posebno malih objekata u odnosu na osnovni model.
Automatic object detection in maritime surveillance or panoramic camera images opens up possibilities for automatic traffic monitoring, unauthorized movement detection, and hazard or pollution identification. This study investigates the performance of models based on the YOLOv7 architecture for the task of detecting vessels and buoys in images captured by panoramic and surveillance cameras. The models are trained on a dedicated dataset comprising diverse maritime scenes created for this purpose, utilizing transfer learning from models trained on generic images. Additionally, two variants of input handling strategies are examined, and the use of the input image cropping strategy significantly improves detection results, especially for small objects, compared to the baseline model.
Detekcija bojnih otrova i toksičnih industrijskih kemikalija iznimno je važna za sigurnosne snage. Dugo se zasnivala na kolorimetrijskoj kemiji, a tek je razvoj elektronike omogućio automatizaciju i ...minijaturizaciju kemijske detekcije. Krajem 20. stoljeća na tržište su počeli dolaziti automatski kemijski detektori koji su se većinom temeljili na spektrometriji ionske pokretljivosti (IMS). Danas se kolorimetrijski detektori ponovno sve više upotrebljavaju zbog odlične selektivnosti i niske cijene te se razvijaju novi kromogeni reagensi. S druge strane razvoj IMS detektora fokusiran je na primjenu asimetričnog polja s obzirom na to da ono omogućava male dimenzije i veću osjetljivost detektora. U ovom radu, uz komercijalno dostupne kemijske detektore bazirane na tehnikama kolorimetrije i spektrometrije ionske pokretljivosti, dan je pregled znanstvenih istraživanja usmjerenih na daljnji razvoj tih tehnologija detekcije s ciljem povećanja selektivnosti i osjetljivosti.
Velika količina podataka koja se svaki dan kreira može se upotrijebiti za razvoj algoritama umjetne inteligencije u domeni računalnog vida koji rješavaju zadatke poput klasifikacije slika, detekcije ...osoba i raspoznavanja akcija. Ti skupovi podataka su najčešće izrađeni od videozapisa i slika preuzetih s televizijskih kanala ili s društvene mreže YouTube i prikupljeni su i pripremljeni za odgovarajući zadatak. Nas je zanimao zadatak detekcije plivača, kako bi se model mogao koristiti za raspoznavanje i unaprjeđenje plivačkih tehnika. Iako danas postoje ogromne otvorene baze slika poput COCO i ImageNet, pripremljene za nadzirano strojno učenje te baze sportskih scena poput Olympic Sports Dataset, UCF Action Sport dataset ili Sport-1M koje uključuju slike popularnijih (gledanijih) sportova, nijedna od njih ne uključuje slike koje bi se mogle koristiti za izradu našeg modela za detekciju plivača. Stoga je u ovom radu opisan postupak snimanja i prikupljanja video materijala te priprema skupa slika UNIRI-SWM za detekciju plivača. Skup uključuje snimke plivača u realnim, situacijskim uvjetima treninga i natjecanja snimljenih akcijskim kamerama iz različitih kutova snimanja. U radu su dani rezultati detekcije plivača korištenjem dubokih konvolucijskih neuronskih mreža Mask R-CNN i Yolov3, naučenim na skupu općih slika prije i nakon učenja na skupu UNIRI-SWM. Rezultati pokazuju da se nakon prilagodbe modela na odgovarajućem skupu slika iz domene plivanja mogu postići jako dobri rezultati detekcije plivača.
The large amount of data that is created every day can be used to develop artificial intelligencealgorithms in the domain of computer vision that solve tasks such as image classification, facedetection and action recognition. These datasets are most often created from videos and imagesdownloaded from television channels or the YouTube social network and are collected and preparedfor the appropriate task. We were interested in the task of detecting swimmers, so that the modelcould be used to recognize and improve swimming techniques. Although today there are huge openimage databases like COCO and ImageNet, prepared for supervised machine learning and sportsscene databases like Olympic Sports Dataset, UCF Action Sport dataset or Sport-1M that includeimages of more popular (watched) sports, none of them include images that could be used to makeour swimmer detection model. Therefore, this paper describes the process of recording and collectingvideo material and preparing a set of UNIRI-SWM images for swimmer detection. The set includesshots of swimmers in real, situational training and competition conditions filmed by action camerasfrom different shooting angles. The paper presents the results of swimmer detection using deepconvolutional neural networks Mask R-CNN and Yolo v3, learned in the set of general images beforeand after learning in the set UNIRI-SWM. The results show that after adjusting the model on theappropriate set of images from the swimming domain, very good results of swimmer detection canbe achieved.
Dobro poznavanje grafena i njegovih derivata, kao što su grafenov oksid, reducirani grafenov oksid i grafenske kvantne točke, neophodno je radi otkrivanja njihovih svojstava i moguće primjene u ...izradi nanokompozita. Posljednjih su godina grafen i njegovi derivati privukli značajnu pažnju i imali široku primjenu u izradi biosenzora za detekciju mikroorganizama, prije svega zbog svojih izvrsnih svojstava, kao što su: velika površina, dobra optička i magnetska svojstva, te visoki modul elastičnosti, a koja se mogu modificirati dodatkom drugih materijala, npr. makromolekula, metalnih oksida i iona metala, čime se poboljšavaju elektrokemijska svojstva biosenzora. U ovom su revijalnom prikazu opisani postupci izrade biosenzora od grafena i njegovih derivata (nanokompozita grafena). Zatim je opisana moguća primjena tih biosenzora za detekciju mikroorganizama, i to priona, viroida, stanica virusa i bakterija, plijesni, protozoa, mikrobnih toksina i antibiotika porijeklom iz mikroorganizama.
Skladišni kukci predstavljaju značajan segment upravljanja uskladištenim poljoprivrednim proizvodima. Često su uzrok velikih gubitaka koji nastaju direktnim konzumiranjem uskladištenog proizvoda, ...kontaminacijom svojim prisustvom, fekalijama, dijelovima tijela, te mogu biti prijenosnici različitih alergijskih reakcija za ljude i stoku. Kao posljedica njihove životne aktivnosti, javlja se porast temperature i vlage uskladištenih proizvoda čime se dodatno ubrzava narušavanje kvalitete i kvantitete proizvoda. Za uspješno čuvanje proizvoda od iznimne je važnosti pravovremena detekcija skladišnih štetnika kako bi se na vrijeme uočila početna populacija i izbjegao nastanak značajnijih gubitaka. U preglednom radu prikazani su noviji pristupi u detekciji i monitoringu skladišnih kukaca s naglaskom na automatsku detekciju i detekciju skrivene zaraze zrnate uskladištene robe.
Stored product insects represent a significant parametar for stored product management. Frequently, they cause considerable losses of stored
products due to direct consummation of product, stock contamination with their presence, faeces and body parts, and also can be agent of different allergic reaction on human and livestock. As a consequence of life activity, they impact on grain temperature and moisture increase which is additionally speeding up the product quality and quantity deterioration. For successful product storing timely detection of stored
product pest is of utmost importance in order to detect an initial population and to avoid huge losses. The advances in stored insect detection and monitoring are shown in this review form, with the emphasis on automatic detection and detection of hidden contagion on stored goods.
Neurorazvojni poremećaji su česti u pedijatrijskoj populaciji; bolesnici se manifestiraju heterogenim spektrom kliničkih dijagnoza i potencijalno zahtijevaju doživotnu specijaliziranu potporu. ...Usprkos značajnom napretku u razumijevanju bioloških mehanizama neurorazvojnih poremećaja, ne postoje biomedicinski markeri te se dijagnoza postavlja isključivo na temelju ponašajnih odstupanja. Izazov rane detekcije je primjena rane intervencije s ciljem pozitivnog preusmjeravanja atipičnih obrazaca u vremenski ograničenom razdoblju visoke razvojne aktivnosti mozga, u razdoblju između nastanka oštećenja i postavljanja dijagnoze neurorazvojnog poremećaja. Sadržaj i način provođenja rane intervencije treba biti individualiziran, strukturiran i koordiniran prema rizičnom profilu pojedinog djeteta. Preduvjeti uspješnog tretmana jesu timski pristup, odnos povjerenja s obitelji, prihvaćanje dijagnoze od strane roditelja i njihovo aktivno sudjelovanje u rješavanju tegoba. Najuspješnije su intervencije koje su prilagođene obitelji, djetetu i njihovoj interakciji. Cilj je ovoga rada kroz pregled literature o teorijskom razumijevanju i cjelovitom kliničkom pristupu neurorazvojnim poremećajima predstaviti metode rane
detekcije, dijagnostički proces i modele rane intervencije u svjetlu spoznaja razvojne neuroznanosti.
Poznavanje točnih i ažurnih geoprostornih podataka o šumama i šumskim površinama dobivenih interpretiranjem podataka metodama daljinskih istraživanja, ima veliko značenje na pravovremenu intervenciju ...i upravljanje šumskim površinama, dok odluke temeljene na zastarjelim i nedovoljno preciznim podacima mogu imati vrlo negativne posljedice.
U ovome radu prezentirana je metoda analize radarskih Sentinel 1 SAR satelitskih snimaka, zajedno s kombinacijom multispektralnih Sentinel 2 snimaka, s ciljem identifikacije nestalih i novo nastalih šumskih površina, kao i ocjenom uporabljivosti besplatnih, svima dostupnih radarskih satelitskih snimaka za promatranje šumskih površina. Klasifikacija radarskih snimaka obavljena je pomoću
Random Forest
klasifikacijskog algoritma na
Cloud platformi
. Provedena studija pokazala je da je u svakom analiziranom periodu od 2016. do 2019. godine veća površina pod nestalom šumom u odnosu na novonastalu površinu pod šumama. Procjena točnosti klasifikacije za svaki promatrani period izvršena je računanjem matrice grešaka i
Kappa
statistike, a prosječna točnost klasifikacije je oko 97%. Vizualnom analizom i usporedbom dobivenih rezultata s povijesnim podacima potvrđena je visoka točnost identifikacije nestalih šumskih površina. Prezentirana metoda je pokazala da se vrlo brzo, na osnovi slobodno dostupnih satelitskih snimaka može doći do pouzdanih i ažurnih podataka zadovoljavajuće kvalitete.
Forest and forest ecosystems have a big importance for the whole living world on the earth. Rapid deforestation poses a great danger and increases the effects of climate change. Large forest areas are cut down every year around the world and these activities need to be closely monitored to reduce their negative impact. Knowledge of valid and current geospatial data on forests and forest areas, obtained by interpreting the data by remote sensing methods has great importance for rapid response and management of forest areas. Decisions that are based on outdated and insufficiently precise data can have negative consequences.
The researched area of Fruška gora is located in Vojvodina and occupies the northern part of Srem. Due to its natural properties, it enjoys the status of a special nature reserve. Pastures and fertile land, vineyards and orchards, decorate the slopes and lower parts of Fruška gora, while the areas above 300 meters above sea level are covered with dense, deciduous forests.
This paper presents a method of analysis of radar Sentinel 1 SAR satellite images, together with a combination of multispectral Sentinel 2 images, with the aim of identifying missing and newly formed forest areas, as well as assessing the usability of free, for everyone available radar satellite images for forest observation.
The described methodology is based on the selection of areas of interest, the selection of radar images for the chosen time epoch, image processing, the selection of training sets by combining radar and multispectral images. The classification of radar images was performed on the Cloud platform using the Random Forest classification algorithm. The study showed that in each analysed period from 2016 to 2019, the area under missing forest is larger in relation to the newly created area under forests, as well as the growing trend of new forest areas.
Estimation of classification accuracy for each observed time epoch was performed by calculating the error matrix and Kappa statistics, and the average classification accuracy was about 97%. Visual analysis and comparison of the obtained results with historical data confirmed the high accuracy of identification of missing forest areas.
The presented method showed that RF classification of free Sentinel 1 and 2 satellite images, can be used as a reliable and up-to-date data for forest monitoring with satisfactory quality and very quickly.
Ubrzo nakon uvođenja komercijalnih automatskih detektora bojnih otrova, većinom temeljenih na spektrometriji ionske pokretljivosti, krajem 20. stoljeća razvijaju se terenski uređaji koji primjenjuju ...i druge tehnike kemijske detekcije (FTIR, Raman, GC-MS, površinski akustični val, fotoakustične, elektrokemijske, biosenzorske i ostale). Od navedenih tehnika, prijenosni GC-MS detektori omogućuju vrlo pouzdanu kvalitativnu i kvantitativnu kemijsku analizu, no problem predstavljaju visoka cijena tih uređaja, zahtjevnost u rukovanju s njima te kompleksna priprema uzoraka. Neke tehnike kemijske detekcije nisu primjenjive za razvoj pouzdanog ručnog kemijskog detektora, a niti jedna tehnika, zasad, ne omogućuje razvoj univerzalnog kemijskog detektora. Potencijalno rješenje je razvoj višestrukog senzorskog uređaja koji bi kompenzirao negativne strane svakog od senzora. U ovom radu dan je pregled komercijalno dostupnih kemijskih detektora temeljenih na novim generacijama tehnika detekcije te pregled znanstvenih istraživanja usmjerenih na daljnji razvoj detekcije bojnih otrova s jednostavnijim, pouzdanijim i poželjno jeftinijim rješenjima.
Introduction/purpose: The anomaly-based intrusion detection system detects intrusions based on a reference model which identifies the normal behavior of a computer network and flags an anomaly. ...Machine-learning models classify intrusions or misuse as either normal or anomaly. In complex computer networks, the number of training records is large, which makes the evaluation of the classifiers computationally expensive. Methods: A feature selection algorithm that reduces the dataset size is presented in this paper. Results: The experiments are conducted on the Kyoto 2006+ dataset and four classifier models: feedforward neural network, k-nearest neighbor, weighted k-nearest neighbor, and medium decision tree. The results show high accuracy of the models, as well as low false positive and false negative rates. Conclusion: The three-step pre-processing algorithm for feature selection and instance normalization resulted in improving performances of four binary classifiers and in decreasing processing time. / Введение/цель: Система обнаружения атак, основанных на аномалиях, выявляет вторжение в компьютерную сеть, основываясь на эталонной модели, которая идентифицирует нормальное поведение компьютерной сети, детектируя аномалию. Модели машинного обучения классифицируют вторжения или злоупотребления по двум группам: нормальный трафик или аномалия. Оценка моделей классификаторов является достаточно сложным процессом, так как в сложных компьютерных сетях большое количество обучающих записей. Методы: В данной статье представлен алгоритм выбора атрибутов, который уменьшает множество данных. Результаты: Эксперименты проведены на множестве данных Kyoto 2006+ базы и на четырех моделях классификаторов, с помощью следующих методов: метод нейронной сети с прямой связью, метод k-ближайшего соседа, метод взвешенных kближайших соседей и метод дерева принятия решений. Результаты проведенных экспериментов показали высокую точность моделей. Выводы: Трехступенчатый алгоритм предварительной обработки для выбора атрибутов и нормализации экземпляров обеспечил улучшение характеристик четырех бинарных классификаторов и сократил время обработки данных. / Uvod/cilj: Sistem za detekciju upada koji se zasniva na detekciji anomalije otkriva napad na računarsku mrežu na osnovu referentnog modela koji identifikuje normalno ponašanje računarske mreže i detektuje anomaliju. Modeli mašinskog učenja klasifikuju upade ili zloupotrebe u dve grupe: grupu normalnog saobraćaja i grupu anomalija. U složenim računarskim mrežama broj instanci u obučavajućem skupu može biti veliki, što evaluaciju modela klasifikatora čini teškom. Metode: U radu je prikazan algoritam za izbor atributa koji smanjuje veličinu skupa podataka. Rezultati: Eksperimenti su izvedeni na skupu podataka iz Kyoto 2006+ baze i na četiri modela klasifikatora: modelu feedforward neuronska mreža, modelu k-najbližih suseda, modelu ponderisanih k-najbližih suseda i modelu stabla odlučivanja. Rezultati pokazuju visoku tačnost modela. Zaključak: Preprocesuiranje trokoračnim algoritmom za izbor atributa i normalizaciju instanci rezultiralo je poboljšanjem performansi četiri binarna klasifikatora i smanjilo vreme procesuiranja.