Search

This paper compares several new implementations of the YOLO (You Only Look Once) object detection algorithms in harsh underwater environments. Using a dataset collected by a remotely operated vehicle (ROV), we evaluated the performance of YOLOv5, YOLOv6, YOLOv7, and YOLOv8 in detecting objects in challenging underwater conditions. We aimed to determine whether newer YOLO versions are superior to older ones and how much, in terms of object detection performance, for our underwater pipeline dataset. According to our findings, YOLOv5 achieved the highest mean Average Precision (mAP) score, followed by YOLOv7 and YOLOv6. When examining the precision-recall curves, YOLOv5 and YOLOv7 displayed the highest precision and recall values, respectively. Our comparison of the obtained results to those of our previous work using YOLOv4 demonstrates that each version of YOLO detectors provides significant improvement.

Estimating discharge in tidal rivers presents a complex challenge, owing to their dynamic and ever-changing nature. These areas are influenced by multiple factors, including tidal range, wind, atmospheric pressure, and freshwater inflows, causing frequent fluctuations in water levels and discharges. As complex flow patterns and strong turbulence are common for tidal rivers, traditional methods of measuring discharge (such as current meters and stream gauges) are considered inefficient and result in unreliable data. Therefore, more adequate methods are required for estimating discharge. The machine learning approach is one of them. The current study employed a Long Short-Term Memory (LSTM) model that was optimized using grid search cross- validation and applied to simulated data of four water stages and a single discharge station in the Neretva River estuary located in Croatia. The study’s results demonstrated the model’s ability to estimate discharge in low and high-flow conditions accurately. A comparison between LSTM and a simple Multiple Linear Regression (MLR) model clearly shows the improvement in LSTM results for every range of discharge values. This study advances the ability to predict and obtain partial control over discharge in a tidal river by offering crucial insights for more effective environmental and flood management strategies.

The predictive performance of a neural network depends on its weights and architecture. Optimizers based on gradient descent are most commonly used to optimize the weights, and grid search is utilized to find the most suitable architecture from the list of predefined architectures. On the other hand, neuroevolution offers a solution for the simultaneous growth of neural network architecture and the evolution of its weights. Thus, it is not limited by the user- defined list of possible architectures and can find configurations optimal for a specific task. Both approaches can be effectively parallelized and take advantage of modern multi-process systems. In this research, we compare neuroevolution and backpropagation in terms of the time consumed by the algorithm, the predictive performance of the neural network, and the complexity of the neural network. The total time for each algorithm is measured along with the times for each section of the algorithm and the time spent on synchronization due to the multi- process setting. The neural networks are compared by their predictive performance in terms of Matthews correlation coefficient score and their complexity as the number of nodes and connections. The case study is based on two synthetic and two real-world datasets for classification tasks.

Predložen je pristup za rješavanje problema heterogenih podataka iz sekvencijalnih svojstava (SP) i ocjene sklonosti agregaciji (AP) za peptide sastavljene od 1, 2 i 3 aminokiseline uporabom povratnih neuronskih mreža koje obrađuju sekvence promjenjive duljine koristeći svoju unutarnju memoriju. Kako bi se postigao jednak broj AP i SP vrijednosti, t-distribuirano stohastičko ugrađivanje susjeda (t-SNE) primijenjeno je na 94 SP vrijednosti i izdvojene su 3 meta-značajke. Pragovi temeljeni na krivuljama ROC (radna karakteristika prijamnika) i PR (preciznost-odziv) testirani su kako bi se unaprijedila binarna klasifikacija. Visoki rezultati geometrijske sredine (0, 704 za SP model i PR prag) koji su vrlo blizu rezultata točnosti (79, 7% za SP model i PR prag) dokazuju da je predviđanje moguće za pozitivnu i negativnu klasu samosastavljajućih peptida. Neklasificirani heksapeptidi korišteni su za testiranje primjenjivosti modela za predviđanje ocjene AP. Najuspješniji među razvijenim modelima, SP model, nadmašuje ljudska predviđanja i predviđanja najsuvremenijeg modela iz literature na temelju točnosti, F1 rezultata i geometrijske sredine. Modeli bi se mogli koristiti kao dopuna ljudskoj intuiciji u stvaranju novih peptidnih sekvenci s velikom sklonošću samosastavljanju., We propose an approach to tackle the issue of heterogeneous data from sequential properties (SP) and aggregation-propensity (AP) scores for peptides composed of 1, 2, and 3 amino acids by using Recurrent Neural Networks that process sequences of variable length using their internal memory. To achieve an equal number of AP and SP values, t-distributed stochastic neighbour embedding (t-SNE) was applied to the 94 SP values, and 3 meta-features were extracted. Thresholds based on ROC (Receiver Operating Characteristic) and PR (Precision-Recall) curves were tested to advance binary classification. High geometric mean scores (0.704 for the SP model and PR threshold) that are very close to accuracy scores (79.7% for the SP model and PR threshold) prove that prediction is possible both for the positive and negative class of peptides based on self-assembly. Unclassified hexapeptides were used to test whether the model was applicable for predicting AP scores. The most successful of the developed models, the SP model, outperforms human predictions and the predictions of the state-of-the-art model from the literature based on accuracy, F1 score, and geometric mean. The models could complement human intuition in generating novel peptide sequences with a high propensity to self-assemble.

Tema rada je Moranov I koeficijent kao mjera prostorne korelacije za statističke varijable. U ovom radu korištene varijable su: količina padalina, tlak zraka, brzina vjetra. Provedbom računanja Moranovog I koeficijenta te testiranjem hipoteza Monte Carlo metodom u R programskom okruženju, utvrđeno je da se od navedene tri varijable kao pokazatelj pojave u prostoru najbolje pokazao tlak zraka., The topic of the paper is Moran's I coefficient as a measure of spatial correlation for statistical variables. The variables used in this paper are: amount of precipitation, air pressure, wind speed. By calculating the Moran's I coefficient of hypothesis testing using the Monte Carlo method in the R programming environment, it was determined that air pressure was the best of the three variables as an indicator of occurrence in space.

Tema je ovoga rada HMAC – kod za provjeru autentičnosti poruke koji koristi kriptografsku hash funkciju i tajni kriptografski ključ. U samome je radu prvobitno prikazan princip funkcioniranja i komponente kodova za provjeru autentičnosti poruke. Zatim se nastavno na tu analizu izvršilo proučavanje dva tipa koda za provjeru autentičnosti poruke (NMAC i HMAC). Kod proučavanja se poseban naglasak dao na sigurnosnu analizu te primjenu HMAC-a u biometrijskom sustavu. Na samom su kraju demonstrirane kriptografske knjižnice u Pythonu koje podržavaju implementaciju kodova za provjeru autentičnosti poruke., The topic of this paper is HMAC - a message authentication code that uses a cryptographic hash function and a secret cryptographic key. In the paper itself, the principle of functioning and components of the codes for verifying the authenticity of the message were initially presented. Then, following this analysis, two types of message authentication codes (NMAC and HMAC) were studied. During the study, special emphasis was placed on security analysis, and in addition, special attention was paid to the application of HMAC in the biometric system. At the very end, cryptographic libraries in Python that support the implementation of message authentication codes are demonstrated.

Glavni fokus ovog rada jest analiza meteoroloških prilika i pokušaj pronalaska mikroklima na području Primorsko-goranske i Istarske županije. Prostorno-vremenskom analizom pokušali smo ponaći sličnosti i razlike između 72 promatrana mjesta. Baza analize jesu preuzeti podaci s frekvencijom od tri sata u periodu od 31.10.2016. do 31.10.2021. Korelacijska i SVD analiza detaljnije su pojasnile meteorološke prilike promatranog područja. Baška, Mali Lošinj i Prezid su tri lokaliteta koja se jasno ističu od onih sličnih geografskih obilježja. Promatranjem temperature, tlaka i vlažnosti zraka na čitavom i na skraćenom skupu podataka dokazano je da navedena tri mjesta imaju mikroklime. Ipak, rezultate trebamo uzeti s dozom opreza jer postoje određena odstupanja preuzetih podataka od onih službenih., The main focus of this thesis is the analysis of meteorological conditions and an attempt to find the microclimate in the area of Primorsko-goranska and Istria counties. Through spatio-temporal analysis, we tried to find similarities and differences between the 72 observed towns. The foundation of the analysis are downloaded data with a frequency of three hours in the period from 31.10.2016. until 31.10.2021. Correlation and SVD analysis explained meteorological conditions of observed area in more detail. Baška, Mali Lošinj and Prezid are three localities that clearly stand out from those with similar geographical features. By observing the temperature, pressure and humidity of the air on the full and on the partial data set, it was proven that the three mentioned towns have microclimates. However, we should take the results with a dose of caution because there are certain deviations in downloaded data from the official ones.

Ovaj rad opisuje postupke pretvaranja slike u nizove različitim algoritmima. Isti su zatim komprimirani korištenjem nekih od alata za kompresiju te su uspoređeni dobiveni rezultati. Objašnjeni su algoritmi Hilbertove krivulje, Z krivulje, pretvaranja slike po redovima, stupcima i dijagonali. Za kompresiju su implementirani postupci Zlib, 7zip i Bzip2. Analizirani su i uspoređeni rezultati istraživanja te je opisana najbolja kombinacija algoritma pretvaranja slike u niz i alata kompresije., This thesis describes the process of converting an image into strings using different algorithms. These are then compressed using some compression tools, and the achieved results are compared. Hilbert space-filling curve, Z-order curve, row-wise, column-wise, and diagonal-wise converting image into a string is explained. For compression Zlib, 7zip, and Bzip2 are implemented. The research results were analyzed and compared, and described the best combination of the image-to-string converting algorithm and compression tool.

Korištenje SLAM tehnologije u podmorju podrazumijeva izazove zbog dinamičnosti podvodnih okolina. Zbog selektivne apsorpcije svjetla u moru, na većim dubinama se vidi sve manje boja. Cilj ovog rada je proučiti izradu podvodnih 3D modela video SLAM tehnologijom razdvajanjem slike na R, G, B kanale. Osim proučavanja izgradnje 3D modela, potrebno je opisati glavne značajke video SLAM tehnologije i prednosti i mane korištenja iste u podvodnim okruženjima. Zbog selektivne apsorpcije mora prva se gubi crvena boja (već na 5 metara dubine) i, kao takva, ne može se koristiti za izradu 3D modela. Dakle, mogu se koristiti zeleni i plavi kanal, no plavi se obično preferira. Zbog količine plave boje pod morem, najviše detalja slike se nalazi upravo u tom kanalu. U usporedbi s punom RGB slikom, najveći nedostatak plavog kanala leži u konzistenciji. Sami plavi kanal ne može imati detalja koliko i puna RGB slika, što odmaže lokalizaciji., The usage of SLAM technology in underwater environments presents unique challenges due to its dynamic nature. Because of the selective absorption of light by the sea, greater depths equate to a further loss of color. This thesis aims to study the creation of underwater 3D models using visual SLAM technology by splitting the image into separate R, G, B channels. In addition to studying the construction of 3D models, it is necessary to describe the main features of video SLAM technology and the advantages and disadvantages of using it in underwater environments. Due to the selective absorption of the sea, the red color is lost first (already at 5 meters), and as such, it cannot be used for creating 3D models. Both green and blue channels can be used, but blue is preferred. Because of the amount of blue colors under the sea, most details of the image are found in that channel. Compared to a full RGB image, the biggest drawback of the blue channel lies in consistency. The blue channel alone cannot achieve as much detail as a full RGB image, which corrupts the localization.

Suvremenu mobilnost u vidu automobilske industrije karakteriziraju komercijalna vozila čija je razina autonomije trenutno između 0 i 2, no tehnološki giganti intenzivno surađuju s proizvođačima originalnih dijelova ne bi li razvili potpuno autonomno vozilo. Imajući na umu sigurnosne implikacije takve tehnologije, podrazumijeva se temeljito i detaljno testiranje modela umjetne inteligencije kako bi se postigla besprijekorna sigurnost i otklonili mogući rizici. Virtualno okruženje i simulacijski softveri su se pokazali kao optimalan način testiranja autonomnih vozila. Ovim radom je dan prikaz aktualnih i budućih trendova u automobilskoj industriji s naglaskom na ADAS (eng. Advanced Driver Assistance Systems) sustav i umjetnu inteligenciju, da bi se prikazala središnja tematika rada, odnosno softverska rješenja za testiranje vozila., Modern mobility in the automotive industry context is currently marked by commercial passenger vehicles run by software that supports autonomy levels 0-2, while technological giants intensively cooperate with original equipment manufacturers with the ultimate goal of producing a completely autonomous vehicle. Bearing in mind the safety implications of such technology, it is clear that artificial intelligence needs to be thoroughly tested, so seamless security is accomplished and potential risks for human safety are eliminated. Virtual surrounding and simulation tools are proven to be the most efficient way of testing autonomous vehicles. This paper provides a review of actual and future automotive AI trends with an emphasis on ADAS and AI, only to present current software vehicle development and testing solutions.

This thesis proposes a method for classifying noisy, non-stationary signals based on deep learning algorithms and Cohen’s class of time-frequency distributions (TFDs). The proposed approach is demonstrated on the challenging task of detecting gravitationalwave (GW) signals in intensive real-life, non-stationary, non-Gaussian, and non-white noise. By retrieving real-life measurements from Laser Interferometer Gravitational-Wave Observatory detectors and performing extensive GW waveform simulations, a diverse timeseries dataset of 100 000 examples was obtained with the signal-to-noise ratio (SNR) in the range from −123.46 to −2.27 dB. Next, 12 TFDs were calculated from the preprocessed time series, resulting in 1.2 million TFD images, then used as input to the deep learning classification algorithms utilizing three state-of-the-art two-dimensional convolutional neural network (CNN) architectures (ResNet-101, Xception, and EfficientNet). The results obtained by evaluating each of 36 TFD-CNN models show excellent classification performance of the proposed approach, with classification accuracy, area under the receiver operating characteristic curve (ROC AUC), recall, precision, F1 score, and area under the precision-recall curve (PR AUC) up to 97.100%, 0.98854, 95.867%, 99.507%, 97.029%, and 0.99195, respectively. Moreover, the proposed approach significantly outperforms the baseline deep learning model trained on the time-series data in terms of all considered metrics, with the statistical significance confirmed by McNemar’s test. The obtained results indicate that the proposed technique can improve the classification of non-stationary GW signals at very low SNRs with the potentials to be extended to other practical applications., Analiza nestacionarnih signala predstavlja izazovan zadatak u različitim istraživačkim područjima zbog vremenski promjenjivog frekvencijskog spektra takvih signala. Pritom njihova analiza često zahtijeva napredne alate za istovremeni prikaz signala u zajedničkoj vremensko-frekvencijskoj domeni, a koji nadilaze standardne tehnike zasebne analize signala u vremenskoj, odnosno frekvencijskoj domeni. Osim toga, nestacionarni su signali u stvarnim primjenama često višekomponentni, kao i dodatno narušeni šumom. U sklopu ove doktorske disertacije predložena je i razvijena metoda za klasifikaciju nestacionarnih signala u intenzivnom šumu temeljena na algoritmima dubokoga učenja i dvodimenzionalnim vremensko-frekvencijskim distribucijama iz Cohenove klase. Ove kvadratne vremensko-frekvencijske distribucije posjeduju svojstvo vremenske i frekvencijske kovarijantnosti, a predložena metoda demonstrirana je na zahtjevnom problemu detekcije signala gravitacijskih valova u intenzivnom, stvarnom i nestacionarnom šumu koji pritom nema karakteristike ni bijelog ni Gaussovog šuma. Predloženi je pristup eksperimentalno provjeren, a razvijeni se postupak sastoji od triju glavnih faza: pripreme i predobrade odgovarajućeg skupa podataka, treniranja i testiranja modela dubokoga učenja te evaluacije postignutih performansi navedenih modela. Korištenjem stvarnih mjerenja iz Laser Interferometer Gravitational-Wave Observatory (LIGO) detektora i provođenjem iscrpnih simulacija valnih oblika gravitacijskih valova dobiven je opsežan i raznolik skup podataka koji uključuje 100 000 primjera podataka u vremenskoj domeni. Pritom se vrijednosti omjera signala i šuma u generiranomu skupu podataka kreću u rasponu između −123.46 i −2.27 dB. Nakon odgovarajuće predobrade podataka u vremenskoj domeni izračunano je 12 vremensko-frekvencijskih distribucija iz Cohenove klase, uključujući spektrogram, Wigner-Villeovu, pseudo Wigner-Villeovu, izglađenu pseudo Wigner-Villeovu, Choi-Williamsovu, Butterworthovu, Born-Jordanovu i Zhao-Atlas-Marksovu distribuciju, te distribucije sa smanjenim interferencijama i jezgrama temeljenima na Besselovoj funkciji, binomnim koeficijentima, Hanningovom otvoru i trokutastom otvoru. Navedeni izračun rezultirao je s ukupno 1 200 000 slika vremenskofrekvencijskih distribucija, raspodijeljenima u 12 skupova podataka, a koje su potom korištene kao ulazi za treniranje i testiranje algoritama dubokoga učenja za klasifikaciju temeljenih na trima naprednim dvodimenzionalnim arhitekturama konvolucijskih neuronskih mreža (ResNet-101, Xception i EfficientNet). Rezultati postignuti evaluacijom svakog od 36 dobivenih modela dubokoga učenja konvolucijskih neuronskih mreža i vremensko-frekvencijskih distribucija pokazuju izvrsne klasifikacijske performanse predloženoga pristupa. Pritom točnost klasifikacije postiže vrijednosti do 97.100%, površina ispod krivulje značajke djelovanja prijamnika do 0.98854, odziv do 95.867%, preciznost do 99.507%, F1-mjera do 97.029% i površina ispod krivulje preciznost-odziv do 0.99195. Osim toga, usporedba ostvarenih performansi predloženoga pristupa s performansama referentnoga modela dubokoga učenja, koji kao ulaze koristi izvorne podatke u vremenskoj domeni, pokazuje da predloženi pristup značajno nadmašuje referentni model s obzirom na sve korištene pokazatelje kvalitete performansi. Naime, postignute vrijednosti točnosti klasifikacije više su do 3.953%, površine ispod krivulje značajke djelovanja prijamnika do 2.067%, odziva do 7.014%, preciznosti do 2.307%, F1- mjere do 4.190% i površine ispod krivulje preciznost-odziv do 1.475%. Analiza dodatnih detaljnih pokazatelja kvalitete, uključujući matrice konfuzije, krivulje značajke djelovanja prijamnika i krivulje preciznost-odziv, također ukazuje na bolje performanse predloženoga pristupa, pri čemu je statistička značajnost dobivenih razlika u performansama potvrđena McNemarovim statističkim testom. Analiza dobivenih rezultata ukazuje na to da predloženi pristup primjene kvadratnih vremensko-frekvencijskih distribucija iz Cohenove klase u kombinaciji s algoritmima dubokoga učenja temeljenima na dvodimenzionalnim konvolucijskim neuronskim mrežama može postići poboljšanu kvalitetu klasifikacije nestacionarnih signala u vremenskoj domeni u uvjetima vrlo niskih vrijednosti omjera signala i šuma. U sklopu ove doktorske disertacije analizirana je i potvrđena mogućnost praktične primjene predloženoga pristupa u detekciji signala gravitacijskih valova, pri čemu su postignute vrlo visoke performanse. Osim navedene primjene, predloženi pristup također ima potencijal za proširenje na druga područja znanstvenog istraživanja i praktične primjene koje zahtijevaju analizu različitih vrsta nestacionarnih signala.

U ovom završnom radu je predstavljen prototip sustava za udaljeno pametno mjerenje. Uvodni dio rada opsuje osnovni koncept sustava za udaljeno mjerenje. Zatim su, u drugom dijelu, opisane komponente koje su korištene te su navedene osnovne informacije o korištenim senzorima, njihovoj ulozi u projektu i specifikacijama. Treći dio predstavlja softversku integraciju, tj. izrađenu aplikaciju i ThingSpeak platformu korištenu za prikaz rezultata mjerenja. Sami rezultati su varirali u ovisnosti o više čimbenika, što je objašnjeno u radu. Također, dan je kratak pregled problema kod izrade, mogućih nadogradnji i budućih trendova u području pametnog mjerenja. Konačno, u zaključku su navedene najvažnije značajke sustava, korištene tehnologije i sugestije za budući razvoj., In this thesis, a prototype system for smart remote metering is presented. The introductory part of the paper describes the basic concept of the remote metering system. Then, in the second part, the components used are described, and the basic information about the used sensors, their roles in the project, and specifications are given. The third part presents the software integration, i.e., the developed application and the ThingSpeak platform used to display the measurement results. The results themselves varied depending on several factors explained in the paper. Also, a brief overview of problems, possible upgrades, and future trends in the field of smart metering is given. Finally, the most important features of the system, the technologies used, and suggestions for future development are listed in conclusion.

U ovom radu opisani su i uspoređeni odabrani algoritmi za kompresiju. Algoritmi su podijeljeni u tri kategorije: entropijski algoritmi, algoritmi temeljeni na metodama rječnika i napredni algoritmi. Prvu kategoriju predstavljaju Huffmanovo kodiranje i Shannon-Fanov algoritam. Sljedeću kategoriju predstavljaju LZW i LZSS algoritmi. Posljednju kategoriju predstavljaju DEFLATE i LZMA algoritmi. Svi algoritmi implementirani su u dva vrlo popularna programska jezika – C++-u i Pythonu. Uspoređivani su omjeri kompresije koje algoritmi ostvaruju na odabranim ulaznim tekstovima. Osim toga, uspoređivana su i vremena izvršavanja algoritama s obzirom na jezik implementacije. Rezultati su prikazani tablično i grafički. Na kraju su navedeni zaključci koji su izvedeni iz rezultata., In this final paper, selected compression algorithms are described and compared. Algorithms are divided into three categories: entropy algorithms, algorithms based on dictionary methods, and advanced algorithms. The first category is represented by Huffman coding and Shannon-Fano algorithm. The next category is represented by LZW and LZSS algorithms. The last category is represented by DEFLATE and LZMA algorithms. All algorithms are implemented in two very popular programming languages – C++ and Python. The compression ratios achieved by the algorithms on the selected input texts were compared. In addition, the execution times of the algorithms, with respect to the programming language, were compared. The results are presented tabularly and graphically. At the end, the conclusions based on the results are stated.

U radu se prikazuju česte metode za narušavanje informacijskih koncepta povjerljivosti, integriteta i dostupnosti. Neki od navedenih i objašnjenih napad su: prisluškivanje, mrežna krađa identiteta, man-in-the middle te DDoS. Za svaki od napada navedene su i neke metode zaštita. Ukratko je objašnjeno šifriranje i dešifriranje podataka koji se razmjenjuju putem interneta te načini za probijanje šifriranja. Uz sve to, navedeni su i neki principi koji se koriste za implementaciju ovih triju sigurnosnih koncepta u modernoj IT industriji., This paper shows common methods for violating the information concepts of confidentiality, integrity, and availability. Some attacks that are listed and explained are eavesdropping, phishing, man-in-the-middle, and DDoS. Protection methods for each of these attacks are also presented. We also briefly explained the encryption and decryption of data transferred over the internet and ways to break the encryption. In addition, some principles are listed that are used to implement these three security concepts in the modern IT industry.

Razvoj kvantnih računala počeo je prije više od 35 godina, a u posljednjih nekoliko godina dogodili su se značajni koraci u njihovom razvoju. Konstantno povećavanje brzina kvantnih računala potvrđuje njihovu kvantnu nadmoć te nagoviješta dugoočekivanu promjenu računalne paradigme. Ta promjena je započela 2016. godine kada je američki NIST pokrenuo natjecanje post-kvantne standardizacije za asimetričnu kriptografiju i digitalno potpisivanje. Na natjecanje se prijavilo 82 kandidata iz 25 različitih zemalja, a u ovom radu opisuje se njih sedam koji su dospjeli do trećeg, finalnog kruga natjecanja. Algoritmi se temelje na različitim matematičkim područjima koja su opisana zajedno s osnovnim svojstvima i sigurnosnim značajkama finalista. Uz pojedinačno opisivanje algoritama, napravljena je i njihova usporedba, gdje su se promatrali parametri poput performansi i sigurnosti., The development of quantum computers started more than 35 years ago, and in the last few years, there have been significant steps in their development. The constant increase in the speed of quantum computers confirms their quantum supremacy and announces a long-awaited change in the computing paradigm. That change beganin 2016 when the US NIST launched a post-quantum standardization competitionfor asymmetric cryptography and digital signing. Eighty-two candidates from 25different countries applied for the competition, and this paper describes seven of themwho made it to the third and final round of the competition. Algorithms are based ondifferent mathematical fields that are described along with the basic properties andsecurity features of the finalists. In addition to describing the algorithms individually,their comparison was also made, where parameters such as performance and securitywere observed.