Cilj ovog rada je objasniti kako se stvara, razvija i koristi plitka neuronska mreža korištenjem programskog alata MATLAB. Kao testni primjer uzet je problem predviđanja izlaznih vrijednosti rješenja ...parametarski ovisne diferencijalne jednadžbe prvog reda. Dobiveni rezultati potvrđuju sposobnost neuronske mreže da brzo i pouzdano reproducira tražene vrijednosti bez potrebe rješavanja same jednadžbe.
As the telecommunications sector has reached its mature stage, maintaining existing users has become crucial for service providers. Analyzing the call data records, it is possible to observe their ...users in the context of social network and obtain additional insights about the spread of influence among interconnected users, which is relevant to churn. In this paper, we examine the communication patterns of mobile phone users and subscription plan logs. Our goal is to use a simple model to predict which users are most likely to churn, solely by observing each user's social network, which is formed by outgoing calls, and churn among their neighbours. To measure the importance of social network parameters with regard to churn prediction, we compare three models: spatial classification, regression model, and artificial neural networks. For each subscriber, we observe three social network parameters, the number of neighbors that have churned, the number of calls to these neighbors, and the duration of these calls for different time periods. The results indicate that using only one or two of these parameters yields results that are comparable or better than the complex models with large amounts of individual and/or social network input parameters that other researchers have proposed.
Laboratorij za naprednu 3D rekonstrukciju i registraciju površina
(engl. Advanced Shape Reconstruction and Registration Laboratory - SHARK
Lab) osnovan je 2016. godine kao istraživački laboratorij na ...Sveučilištu u
Zagrebu, Fakultetu elektrotehnike i računarstva (FER). SHARK Lab okuplja
istraživače sa Zavoda za elektroničke sustave i obradbu informacija i sa Zavoda
za elektroniku, mikroelektroniku, računalne i inteligentne sustave. Istraživačka
djelatnost usmjerena je poglavito na metode i algoritme računalnog
vida, i to za područja: 3D oslikavanje i 3D rekonstrukciju korištenjem profilometrije
strukturiranim svjetlom te stereo vidom; 3D registracija oblaka točaka
s naglaskom na uporabu senzora mobilnih platformi poput pametnih telefona i
tableta; i postupci za kalibraciju sustava 3D oslikavanja koji koriste više kamera
i više projektora, posebice sustava namijenjenih za korištenje u biomedicini
te sustava oslikavanja za 3D printanje. SHARK Lab je član Centra izvrsnosti
za računalni vid i Centra za umjetnu inteligenciju na Fakultetu elektrotehnike i
računarstva Sveučilišta u Zagrebu.
Centar za umjetnu inteligenciju FER-a Lončarić, Sven
Annual of the Croatian Academy of Engineering,
06/2022, Letnik:
2021, Številka:
1
Journal Article
Odprti dostop
Centar za umjetnu inteligenciju na Fakultetu elektrotehnike i računarstva (FER) Sveučilišta u Zagrebu vodeći je istraživački centar za umjetnu inteligenciju i najveći takav Centar u Hrvatskoj. Prvi ...je glavni cilj Centra provoditi istraživanja u području umjetne inteligencije i unaprijediti znanja u temeljnim područjima poput strojnog učenja i dubokog učenja. Primjene umjetne inteligencije kojima se članovi Centra bave uključuju područja kao što su obrada i razumijevanje prirodnog jezika, računalni vid, financijska analitika, robotika, internet stvari, bioinformatika, računalna sigurnost, sustavi za preporučivanje i edukacija. Drugi je cilj suradnja s industrijom te transfer tehnologije prema poduzećima u svrhu razvoja inovativnih proizvoda i usluga koje koriste umjetnu inteligenciju. Treći glavni cilj je pružanje vrhunskog obrazovanja u području umjetne inteligencije na dodiplomskoj, diplomskoj i doktorskoj razini, kao i cjeloživotno obrazovanje za gospodarstvo.
Predviđanje tipa osobnosti Bogdanic, Antonela; Krcivoj, Ivan
Math.e,
12/2021, Letnik:
40, Številka:
1
Paper
Odprti dostop
Postoje razni pristupi klasifikaciji osobnosti i sastavljanju samog testa osobnosti. Jedan od trenutno najpoznatijih testova osobnosti je Mayers - Briggs Type Indicator koji osobnost dijeli u 16 ...kategorija — tipova, primjerice tip INTJ gdje svako slovo označava jednu od karakteristika te kategorije osobnosti, pogledati 2. No, pristup osobnosti kojim ćemo se mi baviti bit će malo drugačiji, ali veoma često spominjan u literaturi. Detaljnije o njemu malo kasnije. Već smo naveli značajnost otkrivanja karakteristika naše osobnosti, a to najbrže možemo rješavajući test osobnosti. Test koji ćemo mi koristiti kako bismo ljude klasificirali u neku od kategorija iznijet ćemo u nastavku. Naš je zadatak u ovom radu predstaviti alat kojim na temelju odgovora na test možemo predvidjeti nečiju osobnost. Osim samog opisa testa i analize testnih podataka na kojima smo radili, prikazat ćemo pristup rješavanju zadatka klasifikacije i detaljno opisati metode koje smo pritom koristili. Također, demonstrirat ćemo predviđanje na već postojećim rezultatima
testa.
UMJETNA INTELIGENCIJA U ODNOSIMA S JAVNOŠĆU Tomić, Zoran; Volarić, Tomislav; Obradović, Đorđe
South Eastern European Journal of Communication,
12/2022, Letnik:
4, Številka:
2
Journal Article, Web Resource
Odprti dostop
Uključivanje novih tehnologija, posebno onih zasnovanih na različitim principima i primjenama
umjetne inteligencije (AI), tjera moderno društvo na promišljanje i reorganizaciju postojećih sustava.
...Može se reći da je organizacija društva zrcalna slika mogućnosti tehnologije kojom društvo raspolaže. Nova komunikacijska revolucija već je nastupila i pred ljudima su novi izazovi. Profesijama koje
se temelje na komuniciranju, kao što su i odnosi s javnošću, umjetna inteligencija može pomoći, ali
ujedno zahtijeva još više znanja i stručnosti kako bi se dobiveni rezultati pravilno shvatili i primijenili. Umjetna inteligencija i strojno učenje danas su poznati pojmovi. Koriste se u mnogim područjima
društvene zbilje pa i u odnosima s javnošću. Obrada golemih količina podataka brža je i preciznija
zahvaljujući umjetnoj inteligenciji koja u brojnim djelatnostima pa tako i u odnosima s javnošću sve
više preuzima jednostavne, ponavljajuće poslove. Osim što odnosi s javnošću zastupaju interese organizacije za koju rade, postoji i etička obveza služenja javnomu interesu. Dakle oko implementacije
umjetne inteligencije potrebno je razmotriti način na koji se podatci prikupljaju i koriste jer, kao i
svaka druga tehnologija, ona sama po sebi nije ni dobra, ni loša, nego to ovisi o korisnicima koji je
rabe.
Ključne riječi: umjetna inteligencija (AI), strojno učenje, odnosi s javnošću, javni interes, komunikacijska revolucija
U ovom članku ćemo opisati AlphaZero, algoritam tvrtke DeepMind koji tabula rasa (to jest, bez unaprijed implementirane ikakve strategije igranja osim samih pravila) može postići nadljudski učinak u ...raznovrsnim izazovnim domenama, poput šaha, shogija (japanskog šaha) i igre Go. Predstavljen u 14, ovaj algoritam je uvjerljivo pobijedio ponajbolje svjetske igrače u navedenim trima igrama, a njegovu su izuzetnost šahovski velemajstori usporedili s igrom kakvu bi prezentirala superiorna vanzemaljska vrsta. Stvaranje algoritma koji tabula rasa stječe nadljudsku vještinu u zahtjevnim domenama bio je dugogodišnji cilj umjetne inteligencije te upravo AlphaZero, svojom sposobnošću prilagođavanja raznolikim pravilima igre, predstavlja njegovo ispunjenje i značajan korak naprijed prema ostvarenju općeg sustava za igranje igara. U članku ćemo izložiti osnovne koncepte algoritma AlphaZero, te demonstrirati rezultate dobivene njegovom implementacijom za igru Connect Four (Četiri u nizu) pomoću programskog jezika Python i njegovih dodatnih biblioteka. Za dodatne pojedinosti čitatelja upućujemo na diplomski rad 10.
V prispevku je obravnavana uporabnost postopkov strojnega učenja pri ugotavljanju poplavljenih območij v zgornjem delu Selške doline, ki jo je 18. 9. 2007 prizadelo hudourniško deževje. Hitro ...prepoznavanje poplavljenih območij je ključnega pomena za učinkovito reševanje in povračilo škode od zavarovalnic. Pri tem so zelo uporabni satelitskiposnetki, saj omogočajo hitro določitev poplavljenih območij, tudi če so prizadeti zelo veliki predeli. Za prepoznavanje poplavljenih območij v Selški dolini so bile uporabljene tehnike strojnega učenja zrazličnimi vhodnimi podatki: satelitski posnetek SPOT (multispektralni in pankromatski), indeks NDVI, relief in njegovi izdelki (nadmorska višina, naklon, ukrivljenost), oddaljenost od vodotokov in raba tal. Učni vzorci, ki so bili uporabljeni za oblikovanje modela klasifikacije, so vsebovali 400, 255 oziroma49 vzorčnih točk. : This paper discusses the usefulness of machinelearning procedures for determining flooded areas in the upper part of the Selška valley. The area was affected by torrential rains on 18.9.2007. Rapid identification of flooded areas is essential for effective implementation of rescue operations and damage assessments. In this case, satellite images are very useful because they enable quick identification of flooded areas even in very large areas. To determine the flooded areas, machine learning techniques were applied to different input data. SPOT satellite image (multispectral and panchromatic), NDVI index, relief and its derivatives (altitude, slope, curvature), distance from rivers and land use were used. The learning samples consisted of 400, 255 and 49 sample points, which were used to build three different classification models.
primjenom različitih algoritama strojnoga učenja. U ovome istraživanju testirane su metode najbližega susjedstva (engl. skr. NN) vrste K (za procjenu gustoće) i klasterske analize vrste K-sredine kod ...predviđanja litologije iz karotažnih podataka izmjerenih u siliciklastičnome ležištu naftnoga polja Shushufindi u Ekvadoru. Usporedba litološke interpretacije napravljena je korištenjem kvalitativne interpretacije te karotaže gustoće i neutrona. Rezultati su pokazali kako KNN bolje predviđa na temelju interpretiranih podataka (87,3 %, tj. 1145 m predviđeno od interpretiranih 1311,1 m) nego rezultati dobiveni klasterskom analizom K-sredina (71,6 %, tj. 939,7 m predviđeno od interpretiranih 1311,1 m). Geologija ležišta uvjetuje određenu razinu odstupanja zbog vrlo sličnih geofizičkih odgovora između vapnenaca i srednjozrnatih klastita. Mogućnost kontrole u KNN-u čini algoritam preporučljivim za litološku interpretaciju sličnih ležišta.
PDF
