Provider: - Institution: - Data provided by Europeana Collections- Tehnološki razvoj u modernom društvu kao jednu od posljedica ima i povećan broj generiranih podataka čija brojnost predstavlja ...značajan tehnički i znanstveni izazov u smislu pohrane i obrade.Za podatke koji u sebi ne sadrže vremensku komponentu, metode i tehnike za pohranu i analizu su veoma razvijene, ali za podatke koji su producirani slijedno ovo je još uvijek izazov. Podaci u vremenskim serijama nisu podobni za analizu klasičnim statističkim metodama jer je svaki podatak mjerenja direktno ovisan o prethodnom podatku mjerenom na istom izvoru. Ovime je prekršeno temeljno načelo klasičnih statističkih metoda o nezavisnosti opservacija u uzorku. Jedan od složenijih problema u analizi vremenskih serija je analiza elektrokardiograma (EKG-a). Ovaj rad predlaženovu metodu za analizu vremenskih serija te predstavlja istraživanje u kojem je ista metoda primijenjena u analizi ljudskog EKG signala. EKG kao postupak relativno niskih troškova koji je k tome ineinvazivan jest jedna od osnovnih dijagnostičkih metoda. Kako dugotrajno pregledavanje mnogo-brojnih EKG valova može biti naporno i neprakticno za ljudskog eksperta, računalna analiza EKG signala je značajan znanstveni i tehnički izazov s mnogim potencijalnim primjenama. Problem analize EKG signala obuhvaća nekoliko podrucja istraživanja poput uklanjanja šumova i smetnjikoje nastaju tijekom snimanja, detekcije otkucaja srca, analize ritma te raspoznavanja oblika EKG valova. Ovo istraživanje fokusirano je na detekciju otkucaja srca i raspoznavanje oblika valova.Inspiracija za razvoj metode dolazi iz spoznaja racunalne neuroznanosti, a metoda je u okviruovog istraživanja implementirana u programskom jeziku C++. Provedeni su eksperimenti u detekciji QRS kompleksa bez filtriranja signala, te detekciji QRS kompleksa i prepoznavanja oblikavalova nakon filtriranja signala. U tu svrhu su implementirani i digitalni filtri. U istraživanjusu dobiveni rezultati koji nadmašuju trenutno stanje tehnike te su dobivene spoznaje za daljnjirazvoj i primjenu metode i u podrucju racunalnog vida. Postignuta je tocnost detekcije otkucaja srca bez primjene filtara u prosjeku iznad 95% izracunato prema metodi unakrsne validacije nadsvakim zapisom, te iznad 99% nakon filtriranja signala prema više realisticnoj metodi testiranja baziranoj na subjektu te iznad 96% u raspoznavanju oblika EKG valova testirano prema prepo-rukama AAMI standarda. Takvo testiranje realno simulira potencijalnu klinicku primjenu. U smislu racunalnog vida, provedeni su eksperimenti u raspoznavanju rukom napisanih brojeva i drugih dvodimenzionalnih oblika. Rezultati u tim eksperimentima su približni trenutnom stanjutehnike i kreću se oko 90% tocnosti u raspoznavanju rukom napisanih brojeva iz MNIST skupa podataka.- In this research, a new method (algorithm) of artificial intelligence for pattern recognition is proposed. The method is based on principles of human perception and it is a part of computer engineering domain, the field of artificial intelligence. Method is the result of perennial scientific research and development. The main implementation of the algorithm within the project is on the example of the human ECG signal analysis, which is one of the most demanding problems within the field of time series analysis. Research scope included software implementation and testing on the officially recognized databases of the human ECG signal (MIT-BIH Arrhythmia Database) by using the scientifically recognized metrics (specificity, sensitivity, positive predictivity etc.). The essence of the method is its algorithm, which, in the authors opinion, reminds of human perception principles. In the scientific literature no similar approach is yet known. The approach is based ona study of a specific field in Computational Neuroscience and also, on the conclusions about how brain neurons perceive stimuli coming from sensors (human senses). Beyond the analysis of ECG signals, the above method has many other applications, such as applications in finance, industry,energy, computer vision (recognition of 2D and 3D shapes or photographs after pre-processing) etc. Results achieved in the research are competitive with the current state of the art methods.Without signal filtering, QRS detection is accurate in more than 95% cases. After signal filtering, accuracy is above 99% tested with the subject-based methodology, which is the most realistic one. Heartbeat classification is accurate above 96% tested by the AAMI standard methodology.Handwritten character recognition is accurate around 90% (MNIST dataset). Methods are implemented in C++ programming language.- All metadata published by Europeana are available free of restriction under the Creative Commons CC0 1.0 Universal Public Domain Dedication. However, Europeana requests that you actively acknowledge and give attribution to all metadata sources including Europeana
Ovaj rad se bavi strojnim učenjem i njegovim korištenjem u svrhu izrade aplikacije za kolorizaciju crno-bijelih slika. Kao pomoć pri izradi aplikacije su se koristile otvorene biblioteke za strojno ...učenje. U prvom dijelu rada je objašnjeno strojno učenje, njegova podjela i njegovi glavni algoritmi. Također su objašnjene i međusobno uspoređene neke od najpopularnijih otvorenih biblioteka za strojno učenje. U drugom dijelu je objašnjen rad izrađene aplikacije, te algoritma strojnog učenja koji se je koristio pri njezinoj izradi. Za kraj su prikazani rezultati aplikacije zajedno s evaluacijom implementiranog modela.
Svjetsko nogometno prvenstvo najveći je globalno popularni nogometni događaj koji ima veliki utjecaj na ljudske emocije, kao i na način izražavanja na temu nogometa na internetu. Toliko je važan da ...gledatelji koji obično ne prate ostala nogometna natjecanja pridaju veliku pozornost kada njihova nacija igra utakmicu na Svjetskome prvenstvu. Stoga je u ovome radu obrađeno ponašanje ljudi za vrijeme Svjetskoga nogometnog prvenstva 2018. godine metodama analize teksta. Analizom emocija utvrđeno je da postoje različita emocionalna stanja kroz koja ljudi prolaze dok razmjenjuju svoja mišljenja s drugim ljudima o nogometu. U ovome se radu za dohvaćanje korisničkih podataka koristio Reddit, internetska platforma za raspravu. Primijenjeno je pet algoritama strojnoga učenja kako bi se testirao i revidirao postojeći model te je utvrđeno da postojeći model predviđa emocije unutar teksta s prosječnom točnošću od 78 %.
Many years of electronic data processing have enabled the storage of a large amount of data that can be used today to improve educational processes through machine learning algorithms. Using data ...from the Moodle distance learning system, an artificial neural network model was created to predict the final outcome of students at the end of their studies based on their final grades of the first year of study. In three artificial neural network models, the power of this algorithm was demonstrated, where all models achieved a very low error, and the artificial neural network model achieved the best results with two hidden layers of nine neurons, whose absolute error was 0.1920, and the squared error 0.0562. The research shows that artificial neural networks are very effective in predicting the final outcome of students based on the grade from the first year of study and that such models have the potential to become an auxiliary tool and means of decision-making in educational institutions.
Višegodišnja elektronička obrada podataka omogućila je pohranu velike količine podataka koja se danas može iskoristiti za poboljšanje procesa u obrazovanju putem algoritama strojnog učenja. Koristeći se podacima iz sustava Moodle za učenje na daljinu, stvoren je model umjetne neuronske mreže s ciljem predviđanja konačnog ishoda studenta na kraju studija na temelju njegovih zaključnih ocjena prve godine studija. Kroz ukupno tri modela umjetne neuronske mreže pokazana je snaga ovog algoritma, gdje su svi modeli ostvarili vrlo nisku pogrešku, a najbolji rezultati postignuti su modelom umjetne neuronske mreže s dva skrivena sloja od devet neurona, čija je apsolutna greška iznosila 0,1920, a kvadratna pogreška 0,0562. Istraživanje pokazuje da su umjetne neuronske mreže vrlo učinkovite u predikciji konačnog ishoda studenata na temelju ocjena s prve godine studija te da takvi modeli imaju potencijal postati pomoćni alat i sredstvo donošenja odluka u obrazovnim institucijama.
Sjevero-zapadni dio sjevernog Jadrana (SJ) pokazuje eutrofne do mezotrofne karaktaristike sa čestim pojavama cvjetanja algi te prilično nepredvidljivim cvjetanjima mora. Kako bi se doprinjelo
...razumijevanju cvjetanja mora u SJ upotrijebljen je algoritam strojnog učenja za izradu regresijskih stabala na skupu podataka koji sadrži fizičke, kemijske i biološke parametre mjerene na šest postaja
na profile od delte rijeke Po (Italija) do Rovinja (Hrvatska). Upotrebom strojnog učenja izrađen je model koji opisuje vezu između omjera TIN/PO4 koji se smatra neophodnim, a ponekad i glavnim okidačem za pojave cvjetanja mora te ekoloških uvjeta u SJ. Dobiveni model za omjer TIN/PO4 potvrđuje pretpostavku da su pojave cvjetanja mora povezane sa danim omjerom, tj. pojave cvjetanja mora se podudaraju sa visokim vrijednostima tog omjera. Ovo otkriće ukazuje da se na određenim razinama ograničenja fosforom (vidljivo iz omjera TIN/PO4) pojava frekvencije cvjetanja mora povećava. Model također otkriva da su salinitet i temperatura odgovorni za promjene omjera TIN/PO4 te daje uvid u njihove granične vrijednosti koje dovode do visokih vrijednosti ovog omjera, a koji je dalje povezan sa pojavom cvjetanja mora.
Cilj analize je istražiti utjecaj odabira metrike za vrednovanje klasifikatora na financijsku uspješnost sustava trgovanja temeljenih na modelima strojnog učenja za burzovne indekse iz zemalja CEE i ...SEE regija. Tehničkim indikatorima se koriste kao značajke za odabrane algoritme strojnog učenja pri predviđanju smjera promjena vrijednosti indeksa, tj. klasificiranje dana trgovanja u dvije klase. Istraživanje je pokazalo da odabir metrike za vrednovanje klasifikatora nema veliki utjecaj na financijsku uspješnost takvog sustava, no ipak su najveći prosječni prinosi po transakciji postignuti maksimizacijom točnosti. Nadalje, algoritam slučajne šume i naivni Bayesov klasifikator dali su najveće prosječne prinose korištenjem točnosti, dok su stroj potpornih vektora i algoritam k najbližih susjeda najveće prosječne prinose postigli pri korištenju površine ispod krivulje operativnih karakteristika. Utvrđeno je da očekivano veliki utjecaj na financijsku uspješnost ima odabir algoritma za strojno učenje te da algoritam slučajne šume daje najbolje rezultate na ovim podacima.
Gregula (Puffinus yelkouan) je endemska vrsta Sredozemnog i Crnog mora koja se nalazi na IUCN crvenom popisu u kategoriji ranjivih vrsta. Informacije o rasprostranjenosti ove vrste i staništima u ...istočnom Sredozemnom moru su oskudne, a samo se nekoliko studija temeljilo na izravnim vizualnim opažanjima na otvorenom moru. Ovdje donosimo informacije o 1) pojavi gregule na 3000 km2 istraživanog područja ispred obale regije Veneto u Italiji, u sjeverozapadnom Jadranskom moru, temeljem vizualnih opažanja provedenih s malih brodova između travnja i listopada 2018. i 2022. (napor: 169 dana, 23 836 km) i 2) geografskim, batimetrijskim i oceanografskim varijablama koje vjerojatno utječu na distribuciju ove vrste na otvorenom moru. Gregule (238 opažanja, 916 jedinki) su uočene na morskom području gdje se dubine kreću od 9 do 33 m, između 2 i 24 km od obale. U pojedinačnim opažanjima izbrojeno je između jedne i 100 jedinki, a u 95% slučajeva manje od 10 jedinki. Primjenom EBM (Explainable Boosting Machine) modela, tehnike strojnog učenja zasnovane na generaliziranim aditivnim modelima, odabran je klorofil a kao najvažnija varijabla za objašnjenje pojave vrste, nakon čega slijedi udaljenost od obale i dubina. Model je ukazao na veću pojavu vrste u vodama s koncentracijom klorofila a manjom od ~2,3 mg/m3, udaljenijim od ~15 km od obale i dubljim od ~22 m. Učinci SST-a, slanosti i dana u godini bili su manje jasni. Ova studija daje uvid u rasprostranjenost gregule na otvorenom moru, u jednom od Sredozemnih područja koja su najpodložnija kumulativnim prijetnjama ljudskih aktivnosti.
Ovaj rad predstavlja metodu klasifikacije šumom narušenih nestacionarnih signala u vremensko-frekvencijskoj domeni korištenjem umjetne inteligencije. Naime, signali u obliku vremenskih nizova ...transformirani su nakon predobrade u vremensko-frekvencijske prikaze (TFR) iz Cohenove klase, rezultirajući TFR slikama korištenim kao ulaz u algoritme strojnoga učenja. Korištene su tri suvremene metode dubokoga učenja u obliku 2D arhitektura konvolucijskih neuronskih mreža (CNN) (ResNet-101, Xception i EfficientNet). Metoda je demonstrirana na zahtjevnom problemu detekcije signala gravitacijskih valova (GW) u intenzivnom stvarnom i nestacionarnom šumu koji nema karakteristike ni Gaussovog ni bijelog šuma. Rezultati pokazuju izvrsne performanse klasifikacije predloženoga pristupa s obzirom na točnost klasifikacije, površinu ispod krivulje značajke djelovanja prijamnika (ROC AUC), odziv, preciznost, F1-mjeru i površinu ispod krivulje preciznost-odziv (PR AUC). Nova metoda nadmašuje osnovni model strojnoga učenja treniran na podatcima u obliku vremenskih nizova s obzirom na razmatrane metrike. Istraživanje pokazuje da se predložena tehnika može proširiti i na različite druge primjene koje uključuju nestacionarne podatke u intenzivnom šumu.