Search

Početni problem bio je razvijanje neuralne mreže za određivanje kromatskog broja grafa. Odlučili smo se za konvolucijsku neuralnu mrežu zato što prema literaturi daje najbolje rezultate za ovakav problem. Na raspolaganju smo imali bazu od 1000 grafova koje smo podijelili u tri skupa (za učenje, provjeru i testiranje). Mrežu smo istrenirali te zatim provjerili njene performanse na skupu za testiranje. Došli smo do rezultata da u 80% slučajeva ona točno predviđa kromatski broj. Zatim smo napravili usporedbu s manjim skupom podataka gdje smo iz početnog skupa uzeli prvo 500, a zatim i 250 grafova te na njima proveli isti postupak i došli do zaključka da u našem slučaju veličina skupa podataka ne igra značajnu ulogu. Our problem was developing a neural network for determining a chromatic number of a graph. We have decided on a convolutional neural network, because, according to the literature, it gives the best result for a problem like ours. On disposal, we have a database with 100 graphs, and we split them into three sets (for training, validation and testing). We train our network and check its performance on a training set. The result was, that in 80% of cases, it correctly predicts a chromatic number. Then we make a comparison with a smaller dataset where we take 500 and 250 graphs from the original dataset and repeat the same procedure. The conclusion was that, in our case, the size of a dataset does not have a significant role.

U ovom radu istražuje se mogućnost predviđanja broja ljudi u danom prostoru kroz jakost Wi-Fi polja u određenim točkama prostora. Predviđanja ostvaruju algoritmi strojnog učenja iz podataka generiranih kroz simulaciju i eksperiment. Iako rezultati na eksperimentalnim podacima nisu zadovoljavajući, istraživanje na podacima iz simulacije daje obećavajuće rezultate s obzirom na to da je najveća točnost predviđanja oko 69%. This paper investigates the possibility of predicting the number of people in a given space through the strength of Wi-Fi signal in certain points of space. Predictions are made by machine learning algorithms from data generated through simulation and experiment. Although the results of the experiment data are not satisfactory, research on simulation data give promising results considering that the highest prediction accuracy is around 69%.

Svrha rada je popularizirati metode umjetne inteligencije, posebice neuronskih mreža kao prediktivne metode. U su opisani osnovni pojmovi i principi metode neuronskih mreža. Također, u radu je bilo potrebno napraviti mjerenja pomoću bežičnog bluetooth OBDII ELM327 dijagnostičkog uređaja na automobilu u vožnji. Mjerenja smo obavili tako što smo OBDII ELM327 modul priključili na elektroniku automobila (Peugeot 307) te se preko Bluetooth veze povezali na uređaj sa instaliranom Android aplikacijom "Torque" pomoću koje smo snimili željene podatke. Mjerenja smo obavili za tri tipa vožnje (stajanje na mjestu, vožnja po gradu i vožnja na otvorenoj cesti). Ova tri tipa vožnje su bili bitni jer cilj rada je da neuronska mreža predvidi kada je vožnja agresivna, normalna, te kada je automobil stajao na mjestu i da pri tome radi što manju grešku. Prvi korak prije izrade neuronske mreže je priprema ulaznih podataka u oblik razumljiv MATLAB programskom okruženju. Za izradu neuronske mreže potrebno je ulazne podatke učitati iz ulazne datoteke tipa csv u MATLAB varijable. Za učitavanje podataka iz ulazne datoteke izrađen je program odnosno MATLAB kod. Nakon treniranja i učenja mreže, za istreniranu mrežu odabire se ona mreža s najmanjom kvadratnom greškom na validacijskom setu. Zatim se može izvršiti testiranje koje prikazuje kolika je greška između izmjerenih podataka i podataka dobivenih neuronskom mrežom za testni set. U našem slučaju neuronska mreža je predvidjela veoma dobro tipove vožnje koje smo joj zadali. U 96% slučajeva točno pogađa stil vožnje (normalna vožnja, agresivna vožnja i stajanje u mjestu). Na zadnjem primjeru je određen kriterij agresivne vožnje koji je neuronska mreža sa malom greškom uspjela predvidjeti. U ovom radu primjena neuronskih mreža je prikazana na primjeru predviđanje temperature hladila, predviđanje potrošnje, predviđanje nagiba i prepoznavanje stila vožnje. Treniranje neuronske mreže za predviđanje temperature hladila provedeno je s dvije varijante ulaznih podataka, gdje se pokazalo da je potrebno koristiti srednje opterećenje motora za dobiti neuronsku mrežu zadovoljavajuće točnosti. Kod predviđanja potrošnje je pokazano na dva primjera da neuronska mreža bolje predviđa potrošnju s većim brojem ulaznih varijabli. Dalje je pokazano kako se može predvidjeti nagib vozila samo korištenjem sljedećih podataka: opterećenje motora, tlak u usisu, temperatura usisa, broj okretaja, brzina, pozicija klapne i ubrzanje (iz brzine).

U radu je analizirana mogućnost primjene neuralnih mreža u sustavu gospodarenja kolnicima, prvenstveno za prognozu ocjene stanja postojećih kolničkih konstrukcija cesta, kao i moguća primjena neuralnih mreža za definiranje strategije održavanja kolnika državnih cesta. Provedena je analiza dijela mreže državnih cesta na području Osječko-baranjske županije, u duljini od 462 km što predstavlja uzorak od 7% ukupne duljine mreže državnih cesta u Republici Hrvatskoj. Izrađen je ekspertni sustav u kojem se za ocjenu stanja kolnika i prognoziranje strategije održavanja primjenjuje neuralna mreža. Rezultati provedenog istraživanja ukazali su na određene prednosti primjene neuralnih mreža u procesu odlučivanja u okviru sustava gospodarenja u odnosu na tradicionalne pristupe. Rezultati provedenih proračuna i analiza ukazali su na mogućnost optimizacije slijeda donošenja odluka o ocjeni stanja kolnika, vrsti i tipu sanacija za pojedine dionice cesta. Neuralne mreže pokazale su se jednostavnim i izuzetno brzim alatom za pružanje podrške pri donošenju odluka o strategijama održavanja ili rehabilitacije kolnika, te davanju ocjene stanja kolnika primjerenom svim razinama korisnika.

Prikazuje se nova metoda umjetne inteligencije: metoda potpornih vektora koja se rabi za klasifikaciju uzoraka i regresijsku analizu. Za primjer je odabran skup podataka koji definiraju parametre krutosti zavješenog mosta i pomoću kojih se primjenom ove metode može predvidjeti progib zavješenog mosta od prometnog opterećenja. Dobiveni rezultati su uspoređeni sa stvarnim progibima te progibima dobivenim neuralnom mrežom. Tvrdi se da metoda ima visoku točnost predviđanja progiba.

Prikazuje se nova metoda umjetne inteligencije: metoda potpornih vektora koja se rabi za klasifikaciju uzoraka i regresijsku analizu. Za primjer je odabran skup podataka koji definiraju parametre krutosti zavješenog mosta i pomoću kojih se primjenom ove metode može predvidjeti progib zavješenog mosta od prometnog opterećenja. Dobiveni rezultati su uspoređeni sa stvarnim progibima te progibima dobivenim neuralnom mrežom. Tvrdi se da metoda ima visoku točnost predviđanja progiba., Authors present a new artificial-intelligence method called the support vector method. The method is used in the classification of samples and for regression analysis. The set of data defining rigidity parameters for cable stay bridges has been selected as an example. When used in the scope of this method, the mentioned data enable estimation of cable stay bridge deflection due to traffic load. The results obtained are compared with real deflection values, and also with deflections obtained by neural network. It is claimed that the method is highly accurate for estimating deflection.

Recent psychophysical and neurophysiological investigations showed that visual system encodes luminance and use it to estimate illumination and surface brightness. We proposed a novel neural model for luminance coding based on recurrent inhibition, from the retinal ganglion cells to the axons of the bipolar cells, which modulates the amount of sensory input that ganglion cells receive (Sagdullaev et al., 2006). Extended version of the model, where the amount of presynaptic inhibition is made proportional to the maximum luminance in the visual scene, implements gain control mechanism which adjusts the raw luminance into a measure of brightness of surface. Computer simulations showed that the model scales brightness estimates consistent with the highest-luminance-as-white anchoring rule (Gilchist et al., 2004). Simulations also showed that the model is able to act as a change detector when the presynaptic inhibition temporally lags behind the excitatory input to the ganglion cell.

Prikazan je jedan od načina primjene neuralne mreže (ANN) za predviđanje vodostaja na vodomjernoj postaji Osijek za raspoložive mjerene podatke srednjih satnih vodostaja na postajama Batina i Vukovar na Dunavu te D.Miholjac i Belišće na Dravi. Za jedan takav sustav prikazana su predviđanja i greške predviđanja za Dt = 3h, 6h, 12h, 24h i 48h. Za učenje mreže je korišten uzorak od 30000 srednjih satnih očitanja sa svake vodomjerne postaje za razdoblje od 2000-2004. godine. Korišten je program « ; NeuroNShell2» ; , arhitektura sa povratnom propagacijom (« ; Ward net» ; ) i više skrivenih slabova. Naučene mreže su testirane na neovisnom uzorku dužine 6 mjeseci iz 2005 godine. Kao mjerilo kvalitete « ; naučenosti» ; pojedine mreže korištena je standardna devijacija (s): za Dt=3h (s=3cm), Dt=6h (s=5cm), Dt=12h (s=12cm), Dt=24h (s=20cm). Predviđanjem vodostaja je moguće unaprijed garantirati plovidbu od Dunava do Osijeka (14km). Također je dan shematski prikaz sustava za predviđanje vodostaja na bazi neuralnih mreža.

Opisuje se trenutno stanje razredbe drvene građe u nas u odnosu na prilagodbe sustavu klasifikacije prema EN 338. Istaknuto je da rezultati brojnih ispitivanja drvene građe provedenih u nas pokazuju da su vrijednosti nekih mehaničkih svojstava ispitane građe veće od onih prema EN 338 s odgovarajućim modulom elastičnosti. Razmatra se i prijedlog za poboljšanje koji se može primijeniti u prijelaznom razdoblju, a zasnovan je na upotrebi neuralne mreže kao pomoćne tehnike., The current classification of timber in our country is described in the light of approximation to the classification system according to EN 338. It is emphasised that results obtained by numerous timber tests conducted in our country show that the values of some mechanical properties of tested timber are higher when compared to those based on EN 338, for the similar modulus of elasticity. The proposal is given for improvement that can be applied in transition period, based on the use of neural network as an accessory technique.

Opisuje se trenutno stanje razredbe drvene građe u nas u odnosu na prilagodbe sustavu klasifikacije prema EN 338. Istaknuto je da su rezulati brojnih u nas provedenih ispitivanja drvene građe pokazali da su vrijednosti nekih mehaničkih svojstava ispitane građe veće od onih prema EN 338 s odgovarajućim modulom elastičnosti. Razmatra se i prijedlog za poboljšanje koji se može primijeniti u prijelaznom razdoblju, a zasnovan je na uporabi neuralne mreže kao pomoćne tehnike.

U radu se se prikazuje originalna metoda koordiniranog vođenja kategorije stupnjevito povezanih nelinearnih procesa izmjene topline sa zadatkom strogog održavanja vrijednosti izlazne veličine unutar zadanih granica. Tradicionalno vođenje ostvareno automatskom stabilizacijom temperatura pojedinih stupnjeva dopunjeno je originalno zamišljenim koordiniranim vođenjem namještanjem referentnih vrijednosti uz pomoć na modelu temeljenog vođenja. U svrhu ostvarenja postavljenog zadatka proučavane su i eksperimentalno istražene najprije tradicionalne metode vođenja. Unaprijeđenje vođenja procesa ostvareno je koordinacijskom jedinicom, što je čini neuralna mreža koja predstavlja inverzni statički model procesa što djeluje na unaprijednom načelu. U svrhu poboljšanja djelovanja sustava za vođenje zamišljena je i razvijena metoda vođenja procesa ostvarena vođenjem poduprijetim generičkim modelom što je razvijen pomoću neuralne mreže.

U radu je opisana jedna od mogućnosti utvrđivanja obuhvata vodenih površina sa satelitskog snimka korištenjem neuralne mreže. Usporedba s ručnom klasifikacijom na ispitivanom području pokazalo je vrlo dobro slaganje rezultata. S obzirom na to da postoje otvorene mogućnosti daljnjih unapređenja većine elemenata te unapređenja ukupnog koncepta, autori su uvjereni da bi se mogli dobiti još bolji i pouzdaniji rezultati te bi svakako bilo uputno nastaviti istraživanja na tom planu.

U radu se istražuje prilagodljivo koordinirano vođenje kategorije stupnjevito povezanih nelinearnih procesa izmjene topline sa svrhom strogog održavanja vrijednosti izlazne veličine unutar zadanih granica. Radi se o kategoriji procesa što svoj oslonac imaju u primjerima kemijske procesne industrije. Tradicionalno vođenje ostvareno automatskom stabilizacijom temperatura pojedinih stupnjeva dopunjeno je originalno zamišljenim koordiniranim vođenjem namještanjem referentnih vrijednosti uz pomoć prilagodljivog na modelu temeljenog vođenja. U svrhu ostvarenja postavljenog zadatka proučavane su i eksperimentalno istražene najprije tradicionalne metode vođenja. Provedeno je opširno eksperimentalno istraživanje što je obuhvatilo promjene ulaznih veličina procesa i radne točke, a mijenjani su i parametri regulatora. Unaprijeđenje vođenja procesa ostvareno je koordinacijskom jedinicom, što je čini neuralna mreža koja predstavlja inverzni statički model procesa što djeluje na unaprijednom načelu. U svrhu poboljšanja djelovanja sustava za vođenje zamišljena je i razvijena metoda vođenja procesa ostvarena vođenjem poduprijetim generičkim modelom što je razvijen pomoću neuralne mreže.

U radu je opisana jedna od mogućnosti utvrđivanja obuhvata vodenih površina sa satelitskog snimka korištenjem neuralne mreže. Usporedba s ručnom klasifikacijom na ispitivanom području pokazalo je vrlo dobro slaganje rezultata. S obzirom na to da postoje otvorene mogućnosti daljnjih unapređenja većine elemenata te unapređenja ukupnog koncepta, autori su uvjereni da bi se mogli dobiti još bolji i pouzdaniji rezultati te bi svakako bilo uputno nastaviti istraživanja na tom planu., A possibility of using neural networks to determine the extent of water surfaces shown in satellite photographs, is described in the paper. Comparison with manual classification in the same area shows a very good correspondence of results. As there are ample possibilities for developing an overall concept and most of its elements, authors believe that current results could be improved and made more reliable and, consequently, that further investigations in this fields are highly warranted.

U radu je prikazano korištenje neuralnih mreža pri predviđanju svojstava svježeg i očvrslog betona na osnovi poznatog sastava betona.

Definiranje proračunskih modela za spregnute stupove na svjetskoj razini nije usuglašeno. Postoje velike razlike u definiranju granične nosivosti.U radu se obrađuje suvremeni pristup s primjenom ekspertne mreže za brzo dobivanje rezulata. Kao podloga za usporedbu je poslužio standard DIN 18800 odnosno EC4. Razrađuje se originalni postupak za primjenu i s brojnim numeričkim primjerima. Uspoređuju se rezultati dobiveni po različitim propisima i brzim predloženim postupkom ekspertnom mrežom. Rad otvara nove aspekte u procesima projektiranja, ukazuje na smjer razvoja konstrukterske struke u građevinarstvu s novim informatičkim pomagalima kakve su i neuralne mreže.

Computational analysis of the octagonal ribbed dome of the Šibenik cathedral, injured in September 1991 by a Yugoslav Army bomb-shell, was carried out in 1992, i.e. immediately after the damage. Finite element method analysis, made by computational system COSMOS/M, using 3D SOLID elements, confirmed that the damage, a circular hole in a stone slab, and a minor damage of a stone rib, had not much consequence on the bearing capacity of the dome. Since the bomb-shell, fortunately, missed the rib (which is a primary structural element), and caused damage to the slab in the upper part of the dome, where stresses and strains are extremely low, the injury has not jeopardize the stability of the dome, nor (consequently) the overall stability of the structure. The authors emphasize the convenience of computational analyses, especially of new-developed neural networks, in the analysis of ancient buildings' structures.

Rad izvještava o istraživanju primjene neuralnih mreža u procesu arhitektonskog projektiranja i diskutira njihovu svrhovitost

U radu je prikazan prijedlog određivanja svih relevantnih mehaničkih karakteristika drvenih uzoraka korištenjem spektralnog analizatora tj. sustava pobude udarom i registracijom brzine i oblika prolaza zvuka kroz uzorke drva. Iz brzine prolaska i prve frekvencije moguće je odrediti dinamički modul elastičnosti. Sve ostale mehaničke karakteristike (čvrstoće i modul posmika)određivane su standardnim ispitivanjima do loma uzorka.