<![CDATA[Gotovi Seminarski Diplomski Maturalni Master ili Magistarski - Vestacka inteligencija i Neuronske mreze]]>

<![CDATA[Gotovi Seminarski Diplomski Maturalni Master ili Magistarski - Vestacka inteligencija i Neuronske mreze]]> https://www.maturskiradovi.net/forum/ Mon, 26 Oct 2026 20:43:34 +0000 MyBB <![CDATA[Neuronske mreže - hr]]> https://www.maturskiradovi.net/forum/Thread-neuronske-mre%C5%BEe-hr Fri, 16 Mar 2012 15:06:10 +0000 https://www.maturskiradovi.net/forum/Thread-neuronske-mre%C5%BEe-hr 100% Kvalitetni diplomski radovi. 65000 Gotovih radova spremnih za download. Gotovi seminarski i diplomski radovi, izrada novih unikatnih seminarskih.

UVOD

Suština inteligencije ali i mogućnost konstruiranja "inteligentnih strojeva" koje bi mogle samostalno raditi, oduvijek je privlačila ljude. Još su se mislioci u antičkoj Grčkoj bavili pitanjima inteligencije, znanja i pravilnog zaključivanja. Stoljećima kasnije, Lajbnic i Paskal pokušavali su konstruirati mehaničku računsku mašinu za zbrajanje. Tridesetih godina prošlog stoljeća, objavljeni su radovi iz područja matematičke logike i iznošene mogućnosti konstruiranja univerzalnog transformatora informacija. Međutim, tek nekih dvadesetak godina kasnije, točnije pojavom prvih računala, možemo govoriti o "inteligentnim strojevima".

U početku su se računala koristili uglavnom za izvršavanje računskih operacija ali vrlo brzo je uočeno da oni mogu puno više, pa čak i preuzeti vršenje određenih intelektualnih operacija. Povoljni rezultati istraživanja naveli su neke od znanstvenika da daju preuranjene izjave kako se ubrzo može konstruirati "misleća strojeva" ili "elektronski mozak".

Ova konstatacija bliska je i tzv. Tjuringovoj tezi, poznatoj u računalnim znanostima, koja tvrdi da sve ono što može se izračunati pomoću bilo kojeg stroja, uključujući na ovaj način i mentalne procese u mozgu, također može izračunati i pomoću osobnih računala, pa se inteligencija svodi na iznalaženje dovoljno dobrog programa za njih. Polazeći od ovakvog načina razmišljanja, može se malo bolje razumjeti kakvu su predstavu pioniri u ovoj oblasti imali o umjetnoj inteligenciji.

Sadržaj

UVOD
1.1 Osnovne komponente neuronskih mreža 4
1.2 Načini obučavanja neuronskih mreža 6
1.2.1 Nadgledano obučavanje 6
1.2.2 Samo-organizirano obučavanje 7
1.3 Primjena i perspektiva neuronskih mreža 9
1.4 Umjetne neuronske mreže 10
1.5 Osnove neuronskih mreža 11
ZAKLJUČAK 14
LITERATURA 14

]]> 100% Kvalitetni diplomski radovi. 65000 Gotovih radova spremnih za download. Gotovi seminarski i diplomski radovi, izrada novih unikatnih seminarskih.

UVOD

Sadržaj

]]> <![CDATA[Fazi logički kontroleri - hr]]> https://www.maturskiradovi.net/forum/Thread-fazi-logi%C4%8Dki-kontroleri-hr Fri, 16 Mar 2012 15:03:38 +0000 https://www.maturskiradovi.net/forum/Thread-fazi-logi%C4%8Dki-kontroleri-hr 100% Kvalitetni diplomski radovi. 65000 Gotovih radova spremnih za download. Gotovi seminarski i diplomski radovi, izrada novih unikatnih seminarskih.

UVOD - Fazi logički kontroleri

Sa razvojem Mikroračunarski tehnike otvorene su velike mogućnosti na polju digitalnog upravljanja sustavima. Informacije dobivene mjerenjima se brzo obrađuju i moguće je ostvariti upravljanje složenim sustavima koje je vrlo teško matematički opisati - modelirati. Softver za upravljanje postaje raznovrstan, a ljudska kreativnost dolazi do izražaja. Jedan relativno nov pristup upravljanju je primjena fazi regulatora. Suština je u formiranju programskog koda koji implementira znanje čovjeka eksperta o nekim procesom.

Automatsko upravljanje procesima i strojevima je do pojave mikroračunala bilo zasnovano na analognim regulatorima. Iako su digitalni upravljački algoritmi u odnosu na analogne sporiji, prednosti koje su omogućene upravljanjem na bazi softvera su višestruke.

SADRŽAJ

1 UVOD - Fazi logički kontroleri 2
2 Digitalno upravljanje 2
2.1 Faze projektiranja FLC 3
3 Fazi logika 4
4 Ekspertni sustavi 4
5 Fazi pravila 5
5.1 Određivanje upravljanja 8
6 Opis realnog sustava 10
7 Dijagram toka programa 12
8 Komentar rezultata 14
9 LITERATURA 16

]]> 100% Kvalitetni diplomski radovi. 65000 Gotovih radova spremnih za download. Gotovi seminarski i diplomski radovi, izrada novih unikatnih seminarskih.

UVOD - Fazi logički kontroleri

SADRŽAJ

]]> <![CDATA[Seminarski rad - Osnove veštačke inteligencije I]]> https://www.maturskiradovi.net/forum/Thread-seminarski-rad-osnove-ve%C5%A1ta%C4%8Dke-inteligencije-i Wed, 25 May 2011 23:16:32 +0000 https://www.maturskiradovi.net/forum/Thread-seminarski-rad-osnove-ve%C5%A1ta%C4%8Dke-inteligencije-i Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadžment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetništvo, upravljanje ljudskim resursima, carine i porezi.

Kompletan rad možete videti i/ili preuzeti iz Priloga(a)
Rad je poslat od strane autora koji je hteo da ostane anoniman i sa ciljem da olakša život drugim studentima i srednjoškolcima.
Vaš MaturskiRadovi.Net

]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadžment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetništvo, upravljanje ljudskim resursima, carine i porezi.

]]> <![CDATA[Seminarski rad - Mašinsko učenje, inteligentni agenti]]> https://www.maturskiradovi.net/forum/Thread-seminarski-rad-ma%C5%A1insko-u%C4%8Denje-inteligentni-agenti Sat, 14 May 2011 12:36:31 +0000 https://www.maturskiradovi.net/forum/Thread-seminarski-rad-ma%C5%A1insko-u%C4%8Denje-inteligentni-agenti Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadžment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetništvo, upravljanje ljudskim resursima, carine i porezi.

]]> <![CDATA[Seminarski rad - Ekspertni sistemi]]> https://www.maturskiradovi.net/forum/Thread-seminarski-rad-ekspertni-sistemi--15810 Sat, 14 May 2011 12:26:12 +0000 https://www.maturskiradovi.net/forum/Thread-seminarski-rad-ekspertni-sistemi--15810 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadžment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetništvo, upravljanje ljudskim resursima, carine i porezi.

]]> <![CDATA[Seminarski rad - Detekcija lica Gaborovim filterom]]> https://www.maturskiradovi.net/forum/Thread-seminarski-rad-detekcija-lica-gaborovim-filterom Thu, 28 Apr 2011 12:28:28 +0000 https://www.maturskiradovi.net/forum/Thread-seminarski-rad-detekcija-lica-gaborovim-filterom Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadžment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetništvo, upravljanje ljudskim resursima, carine i porezi.

]]> <![CDATA[Comparison between Conventional and Fuzzy Logic PID Controllers for Controlling DC Mo]]> https://www.maturskiradovi.net/forum/Thread-comparison-between-conventional-and-fuzzy-logic-pid-controllers-for-controlling-dc-mo Mon, 04 Apr 2011 15:57:16 +0000 https://www.maturskiradovi.net/forum/Thread-comparison-between-conventional-and-fuzzy-logic-pid-controllers-for-controlling-dc-mo

Ceo rad mozete preuzeti i/ ili pregledati potpuno besplatno iz/ u Attachment

]]>

Ceo rad mozete preuzeti i/ ili pregledati potpuno besplatno iz/ u Attachment

]]> <![CDATA[Vestacka Inteligencija]]> https://www.maturskiradovi.net/forum/Thread-vestacka-inteligencija Tue, 19 Oct 2010 20:39:17 +0000 https://www.maturskiradovi.net/forum/Thread-vestacka-inteligencija Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Veštačka inteligencija (VI) predstavlja mešavinu konvencionalne nauke, fiziologije i psihologije, sve u cilju da se napravi mašina koja bi se, po ljudskim merilima, mogla smatrati "inteligentnom". Mogućnost stvaranja inteligentnih mašina zaokuplja ljudsku maštu još od drevnih vremena, ali tek sada, sa brzim tempom razvoja računara i već pedesetogodišnjim iskustvom na polju istraživanja tehnika VI programiranja, san o pametnim mašinama počeo je da postaje stvarnost. Naučnici su konačno sposobni da stvore sisteme koji razumeju govor i mogu da pobede najbolje igrače šaha, dok je hardver sa elementima veštačke inteligencije već isproban u oružanim sukobima (sistemi krstarećih projektila koje je američka vojska koristila u Pustinjskoj oluji). Sa određenim programima za IBM i Apple Macintosh personalne računare, veštačka inteligencija je počela da polako, ali neumitno zadire i u svakodnevni život. Međutim i pored sveg napretka, naučnici se još uvek nisu uhvatili u koštac sa osnovnim izazovom u razvoju inteligentne mašine - pravljenjem sistema koji oponašaju ljudski mozak. Nije ni čudo, jer ljudski mozak sa više milijardi neurona predstavlja možda i najsloženiju tvorevinu u univerzumu.
Jedna od prepreka za dostizanje superiorne i sveobuhvatne svesti leži u Gedelovoj teoremi nekompletnosti da jedan formalni sistem ne može da dokaže svoju sopstvenu konzistentnost. Jedan sistem veštačke inteligencije može imati enormno veliku brzinu procesiranja informacija, ali jednostavno ne poseduje kompletnu svest o sopstvenom postojanju. Dakle, ostaje suštinsko pitanje - kako možemo da kreiramo nešto što ne razumemo? Džordž Dajson u delu Darvin među mašinama zapaža da "sve dok ne budemo razumeli svoju sopstvenu svest, ne postoji način da se saglasimo šta je to, ukoliko tako nešto postoji, što konstituiše svest kod mašina". U isto vreme, Dajson dodaje još jednu poentu "da je cilj života i inteligencije, ukoliko on uopšte postoji, veoma teško definisati". Možda Dajsonu nije palo napamet nešto što je na umu imao Džek Gud, asistent Alana Tjuringa zadužen za statistiku tokom Drugog svetskog rata, koji je okarakterisao super-inteligentnu mašinu kao onu "koja veruje da ljudi ne mogu da misle". Kakva je uopšte priroda mišljenja ili mišljenja nekog višeg reda. Po definiciji, ovo ne možemo sami da definišemo, ali možda će superinteligentne mašine biti u stanju da razumeju našu svest, ali ne i svoju sopstvenu.

SADRŽAJ

1. UVOD 1
2. HRONOLOGIJA 2
2.1. Razvoj 3
3. PRINCIP RADA 4
3.1. Mozganje 6
4. PODELA I PRAVCI 7
4.1. Sadašnji pravci u istraživanju veštačke inteligencije 8
4.1.1. Učenje 8
4.1.2. Razmišljanje 9
4.1.3. Rešavanje problema 9
4.1.4. Percepija 9
4.1.5. Korišćenje jezika 9
5. OBLASTI VEŠTAČKE INTELIGENCIJE 10
6. LITERATURA 12]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Veštačka inteligencija (VI) predstavlja mešavinu konvencionalne nauke, fiziologije i psihologije, sve u cilju da se napravi mašina koja bi se, po ljudskim merilima, mogla smatrati "inteligentnom". Mogućnost stvaranja inteligentnih mašina zaokuplja ljudsku maštu još od drevnih vremena, ali tek sada, sa brzim tempom razvoja računara i već pedesetogodišnjim iskustvom na polju istraživanja tehnika VI programiranja, san o pametnim mašinama počeo je da postaje stvarnost. Naučnici su konačno sposobni da stvore sisteme koji razumeju govor i mogu da pobede najbolje igrače šaha, dok je hardver sa elementima veštačke inteligencije već isproban u oružanim sukobima (sistemi krstarećih projektila koje je američka vojska koristila u Pustinjskoj oluji). Sa određenim programima za IBM i Apple Macintosh personalne računare, veštačka inteligencija je počela da polako, ali neumitno zadire i u svakodnevni život. Međutim i pored sveg napretka, naučnici se još uvek nisu uhvatili u koštac sa osnovnim izazovom u razvoju inteligentne mašine - pravljenjem sistema koji oponašaju ljudski mozak. Nije ni čudo, jer ljudski mozak sa više milijardi neurona predstavlja možda i najsloženiju tvorevinu u univerzumu.
Jedna od prepreka za dostizanje superiorne i sveobuhvatne svesti leži u Gedelovoj teoremi nekompletnosti da jedan formalni sistem ne može da dokaže svoju sopstvenu konzistentnost. Jedan sistem veštačke inteligencije može imati enormno veliku brzinu procesiranja informacija, ali jednostavno ne poseduje kompletnu svest o sopstvenom postojanju. Dakle, ostaje suštinsko pitanje - kako možemo da kreiramo nešto što ne razumemo? Džordž Dajson u delu Darvin među mašinama zapaža da "sve dok ne budemo razumeli svoju sopstvenu svest, ne postoji način da se saglasimo šta je to, ukoliko tako nešto postoji, što konstituiše svest kod mašina". U isto vreme, Dajson dodaje još jednu poentu "da je cilj života i inteligencije, ukoliko on uopšte postoji, veoma teško definisati". Možda Dajsonu nije palo napamet nešto što je na umu imao Džek Gud, asistent Alana Tjuringa zadužen za statistiku tokom Drugog svetskog rata, koji je okarakterisao super-inteligentnu mašinu kao onu "koja veruje da ljudi ne mogu da misle". Kakva je uopšte priroda mišljenja ili mišljenja nekog višeg reda. Po definiciji, ovo ne možemo sami da definišemo, ali možda će superinteligentne mašine biti u stanju da razumeju našu svest, ali ne i svoju sopstvenu.

SADRŽAJ

1. UVOD 1
2. HRONOLOGIJA 2
2.1. Razvoj 3
3. PRINCIP RADA 4
3.1. Mozganje 6
4. PODELA I PRAVCI 7
4.1. Sadašnji pravci u istraživanju veštačke inteligencije 8
4.1.1. Učenje 8
4.1.2. Razmišljanje 9
4.1.3. Rešavanje problema 9
4.1.4. Percepija 9
4.1.5. Korišćenje jezika 9
5. OBLASTI VEŠTAČKE INTELIGENCIJE 10
6. LITERATURA 12]]> <![CDATA[Primjena ekspertnog sustava pri odredjivanju klase prioriteta radnog naloga u pojedin]]> https://www.maturskiradovi.net/forum/Thread-primjena-ekspertnog-sustava-pri-odredjivanju-klase-prioriteta-radnog-naloga-u-pojedin--10887 Fri, 10 Sep 2010 19:27:19 +0000 https://www.maturskiradovi.net/forum/Thread-primjena-ekspertnog-sustava-pri-odredjivanju-klase-prioriteta-radnog-naloga-u-pojedin--10887 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Cilj svakog poduzeća je oblikovati takvu organiza¬cijsku strukturu koja će mu omogućiti stabilno poslo¬vanje, optimalno iskorištenje materijalnih i ljudskih re¬sursa te omogućiti brzo reagiranje na utjecaje iz pripa¬dajuće okoline. Od poduzeća se zahtijeva prilagodljiva organizacijska struktura koja omogućava poduzeću, ne samo prilagođavanje promjenama, već i sudjelovanje u njihovu kreiranju, diktiranju, ali i inicira¬nju. Suprotan zahtjev ovom je relativna stabilnost poslovanja što se omogućuje kroz specijali¬zaciju i racionalizaciju poslovanja uz znatno snižavanje troškova. Stoga je zadatak uspostaviti ravnotežu izme¬đu dva naizgled suprotstavljena zahtjeva: za stabilnoš¬ću sjedne strane i za prilagodljivošću s druge strane.
Da bi poduzeće uspjelo opstati na tržištu od njega se zahtijeva da zadovolji zahtjeve kupca s obzirom na kvalitetu, cijenu i rok isporuke. Navedeni kriteriji mo¬gu se ostvariti samo uz restrukturiranje postojećih po¬duzeća, uvođenjem suvremenih tehnologija, promje¬nama organizacijskih oblika i sudjelovanjem motivira¬nog osoblja, kako u fazi odlučivanja tako i u fazi reali¬zaciji poslova. Iskustva iz pojedinačne proizvodnje pokazala su česta kašnjenja zbog složenih uvjeta proizvodnje na ko¬ju utječe veliki broj faktora koji dovode do značajnih odstupanja rokova isporuke, što dovodi do potrebe za neplanskim angažiranjem dodatnog rada s povećanim troškovima proizvodnje. Analiza pokazuje glavne uz¬roke ovakvog odstupanja:
a) neadekvatno određivanje prioriteta
b) neprilagođeni modeli terminiranja specifičnostima pojedinačne proizvodnje...]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Cilj svakog poduzeća je oblikovati takvu organiza¬cijsku strukturu koja će mu omogućiti stabilno poslo¬vanje, optimalno iskorištenje materijalnih i ljudskih re¬sursa te omogućiti brzo reagiranje na utjecaje iz pripa¬dajuće okoline. Od poduzeća se zahtijeva prilagodljiva organizacijska struktura koja omogućava poduzeću, ne samo prilagođavanje promjenama, već i sudjelovanje u njihovu kreiranju, diktiranju, ali i inicira¬nju. Suprotan zahtjev ovom je relativna stabilnost poslovanja što se omogućuje kroz specijali¬zaciju i racionalizaciju poslovanja uz znatno snižavanje troškova. Stoga je zadatak uspostaviti ravnotežu izme¬đu dva naizgled suprotstavljena zahtjeva: za stabilnoš¬ću sjedne strane i za prilagodljivošću s druge strane.
Da bi poduzeće uspjelo opstati na tržištu od njega se zahtijeva da zadovolji zahtjeve kupca s obzirom na kvalitetu, cijenu i rok isporuke. Navedeni kriteriji mo¬gu se ostvariti samo uz restrukturiranje postojećih po¬duzeća, uvođenjem suvremenih tehnologija, promje¬nama organizacijskih oblika i sudjelovanjem motivira¬nog osoblja, kako u fazi odlučivanja tako i u fazi reali¬zaciji poslova. Iskustva iz pojedinačne proizvodnje pokazala su česta kašnjenja zbog složenih uvjeta proizvodnje na ko¬ju utječe veliki broj faktora koji dovode do značajnih odstupanja rokova isporuke, što dovodi do potrebe za neplanskim angažiranjem dodatnog rada s povećanim troškovima proizvodnje. Analiza pokazuje glavne uz¬roke ovakvog odstupanja:
a) neadekvatno određivanje prioriteta
b) neprilagođeni modeli terminiranja specifičnostima pojedinačne proizvodnje...]]> <![CDATA[Ekspertski sistemi - informacioni sistemi]]> https://www.maturskiradovi.net/forum/Thread-ekspertski-sistemi-informacioni-sistemi Fri, 10 Sep 2010 19:26:41 +0000 https://www.maturskiradovi.net/forum/Thread-ekspertski-sistemi-informacioni-sistemi Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Ekspertski sistemi (takođe, ekspertni sistemi) su inteligentni računarski programi kojima se emulira rešavanje problema na način na koji to čine eksperti i predstavljaju jednu od najznačajnijih oblasti istraživanja veštačke inteligencije. Ekspertski sistemi rešavaju realne probleme iz različitih oblasti, koji bi inače zahtevali ljudsku ekspertizu.

Ekspert je stručnjak u nekoj oblasti koji poseduje i efikasno koristi određeno znanje, razumevanje problema i zadataka, veštine i iskustva.

Eksperti poseduju i sposobnost da u konkretnom problemu koji rešavaju prepoznaju tipski zadatak. Poseduju i neke lične osobine poput snalažljivosti, što čini heurističko znanje. Na osnovu ovog znanja mogu da prepoznaju najbrži način dolaska do rešenja, kao i ispravan pristup u rešavanju problema, čak i ako su podaci nekompletni.

Eksperstki sistemi iz pojedinih oblasti se povezuju čineći na taj način bazu znanja šire namene.
Istorijat razvoja еkspertnih sistema

* GPS - prvi pokušaj razdvajanja znanja od načina rešavanja problema
* DENDRAL - analiza spektrograma mase; korišćenje heurističkog znanja
* MYCIN -medicinska dijagnostika; korišćenje faktora izvesnosti
* PROSPECTOR - analiza prisustva minerala u zemljištu.
Svaki ES građen je od najmanje dva modela:
1. Baza znanja (Knowledge Base) i
2. Mehanizam zaključivanja (Inference Engine).
Pored njih, ES najčešće prate i sljedeće komponente:
3. Podsistem objašnjavanja (Explanation Facility);
4. Podsistem prikupljanja znanja (Knowldge Acquisition Subsystem) i
5. Korisnički interfejs - podsistem za vo|enje dijaloga (User Interface)...]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Ekspertski sistemi (takođe, ekspertni sistemi) su inteligentni računarski programi kojima se emulira rešavanje problema na način na koji to čine eksperti i predstavljaju jednu od najznačajnijih oblasti istraživanja veštačke inteligencije. Ekspertski sistemi rešavaju realne probleme iz različitih oblasti, koji bi inače zahtevali ljudsku ekspertizu.

Ekspert je stručnjak u nekoj oblasti koji poseduje i efikasno koristi određeno znanje, razumevanje problema i zadataka, veštine i iskustva.

Eksperti poseduju i sposobnost da u konkretnom problemu koji rešavaju prepoznaju tipski zadatak. Poseduju i neke lične osobine poput snalažljivosti, što čini heurističko znanje. Na osnovu ovog znanja mogu da prepoznaju najbrži način dolaska do rešenja, kao i ispravan pristup u rešavanju problema, čak i ako su podaci nekompletni.

Eksperstki sistemi iz pojedinih oblasti se povezuju čineći na taj način bazu znanja šire namene.
Istorijat razvoja еkspertnih sistema

* GPS - prvi pokušaj razdvajanja znanja od načina rešavanja problema
* DENDRAL - analiza spektrograma mase; korišćenje heurističkog znanja
* MYCIN -medicinska dijagnostika; korišćenje faktora izvesnosti
* PROSPECTOR - analiza prisustva minerala u zemljištu.
Svaki ES građen je od najmanje dva modela:
1. Baza znanja (Knowledge Base) i
2. Mehanizam zaključivanja (Inference Engine).
Pored njih, ES najčešće prate i sljedeće komponente:
3. Podsistem objašnjavanja (Explanation Facility);
4. Podsistem prikupljanja znanja (Knowldge Acquisition Subsystem) i
5. Korisnički interfejs - podsistem za vo|enje dijaloga (User Interface)...]]> <![CDATA[Neuro fazi kontroleri]]> https://www.maturskiradovi.net/forum/Thread-neuro-fazi-kontroleri--9794 Tue, 31 Aug 2010 11:54:20 +0000 https://www.maturskiradovi.net/forum/Thread-neuro-fazi-kontroleri--9794 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Oblast koju danas poznajemo kao neuronske mreže nastala je kao rezultat spoja nekoliko veoma različitih pravaca istraživanja: obrade signala, neurobiologije i fizike. S jedne strane, to je pokušaj da se razume rad ljudskog mozga, a sa druge da se to stečeno znanje primeni u obradi složenih informacija. Postoje i mnogi drugi napredni, nealgoritamski sistemi, kao što su algoritmi koji uče, genetski algoritmi (kojima ćemo se baviti u drugom delu), adaptivne memorije, asocijativne memorije, fazi logika. Međutim, opšti je utisak da su neuronske mreže za sada najzrelija i najprimenljivija tehnologija.
Neke osnovne razlike između između klasičnih računara i neuronskih mreža su: konvencionalni računari rade na logičkoj osnovi, deterministički, sekvencijalno ili sa vrlo niskim stepenom paralelizma. Sofver napisan za takve računare mora biti gotovo savršen da bi ispravno radio. Za tako nešto je potreban dugotrajan i skup proces projektovanja i testiranja.
Neuronske mreže spadaju u kategoriju paralelnog asinhronog distribuiranog procesiranja. Mreža je tolerantna na oštećenje ili ispadanje iz rada relativno malog broja neurona. Takođe, mreža je tolerantna i na prisustvo šuma u ulaznom signalu. Svaki memorijski element je delokalizovan – smešten je u celoj mreži i ne možemo identifikovati deo u kome se on čuva. Klasično adresiranje ne postoji, jer se memoriji pristupa preko sadržaja, a ne preko adrese....

... Prema topologiji, mreže se razlikuju po broju slojeva neurona. Obično svaki sloj prima ulaze iz prethodnog sloja, a svoje izlaze šalje sledećem sloju. Prvi sloj neurona se naziva ulazni, poslednji je izlazni, dok se ostali slojevi nazivaju skriveni slojevi. Prema načinu vezivanja neurona, mreže se mogu podeliti na rekurzivne i nerekurzivne. Kod rekurzivnih neuronskih mreža viši slojevi vraćaju informacije nižim slojevima, dok kod nerekurzivnih postoji tok signala samo od nižih ka višim nivoima.
Neuronske mreže uče na primerima. Naravno, primera mora biti mnogo, često i po nekoliko desetina hiljada. Suština procesa učenja je da on dovodi do korigovanja sinaptičkih težina. Kada ulazni podaci koji se dovode mreži više ne dovode do promene ovih koeficijenata, smatra se da je mreža obučena za rešavanje nekog problema. Obučavanje se može vršiti na nekoliko načina: nadgledano obučavanje, obučavanje ocenjivanjem i samo-organizacija.
Bez obzira na korišćeni algoritam učenja, procesi su u suštini vrlo slični i sastoje se od sledećih koraka:
1) Mreži se prezentira jedan skup ulaznih podataka.
2) Mreža vrši obradu i rezultat se pamti (ovo je prolaz unapred).
3) Izračunava se vrednost greške, tako što se dobijeni rezultat oduzima od očekivanog.
4) Za svaki čvor se računa nova sinaptička težina (ovo je prolaz unazad).
5) Menjaju se sinaptičke težine, ili se ostavljaju stare vrednosti, a nove se pamte.
6) Na ulaze mreže se dovodi novi skup ulaznih podataka i ponavljaju se koraci od 1-5. Kada se izvrše svi primeri, ažuriraju se vrednosti sinaptičkih težina, i ako je greška ispod neke zahtevane vrednosti, smatra se da je mreža obučena....

]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Oblast koju danas poznajemo kao neuronske mreže nastala je kao rezultat spoja nekoliko veoma različitih pravaca istraživanja: obrade signala, neurobiologije i fizike. S jedne strane, to je pokušaj da se razume rad ljudskog mozga, a sa druge da se to stečeno znanje primeni u obradi složenih informacija. Postoje i mnogi drugi napredni, nealgoritamski sistemi, kao što su algoritmi koji uče, genetski algoritmi (kojima ćemo se baviti u drugom delu), adaptivne memorije, asocijativne memorije, fazi logika. Međutim, opšti je utisak da su neuronske mreže za sada najzrelija i najprimenljivija tehnologija.
Neke osnovne razlike između između klasičnih računara i neuronskih mreža su: konvencionalni računari rade na logičkoj osnovi, deterministički, sekvencijalno ili sa vrlo niskim stepenom paralelizma. Sofver napisan za takve računare mora biti gotovo savršen da bi ispravno radio. Za tako nešto je potreban dugotrajan i skup proces projektovanja i testiranja.
Neuronske mreže spadaju u kategoriju paralelnog asinhronog distribuiranog procesiranja. Mreža je tolerantna na oštećenje ili ispadanje iz rada relativno malog broja neurona. Takođe, mreža je tolerantna i na prisustvo šuma u ulaznom signalu. Svaki memorijski element je delokalizovan – smešten je u celoj mreži i ne možemo identifikovati deo u kome se on čuva. Klasično adresiranje ne postoji, jer se memoriji pristupa preko sadržaja, a ne preko adrese....

... Prema topologiji, mreže se razlikuju po broju slojeva neurona. Obično svaki sloj prima ulaze iz prethodnog sloja, a svoje izlaze šalje sledećem sloju. Prvi sloj neurona se naziva ulazni, poslednji je izlazni, dok se ostali slojevi nazivaju skriveni slojevi. Prema načinu vezivanja neurona, mreže se mogu podeliti na rekurzivne i nerekurzivne. Kod rekurzivnih neuronskih mreža viši slojevi vraćaju informacije nižim slojevima, dok kod nerekurzivnih postoji tok signala samo od nižih ka višim nivoima.
Neuronske mreže uče na primerima. Naravno, primera mora biti mnogo, često i po nekoliko desetina hiljada. Suština procesa učenja je da on dovodi do korigovanja sinaptičkih težina. Kada ulazni podaci koji se dovode mreži više ne dovode do promene ovih koeficijenata, smatra se da je mreža obučena za rešavanje nekog problema. Obučavanje se može vršiti na nekoliko načina: nadgledano obučavanje, obučavanje ocenjivanjem i samo-organizacija.
Bez obzira na korišćeni algoritam učenja, procesi su u suštini vrlo slični i sastoje se od sledećih koraka:
1) Mreži se prezentira jedan skup ulaznih podataka.
2) Mreža vrši obradu i rezultat se pamti (ovo je prolaz unapred).
3) Izračunava se vrednost greške, tako što se dobijeni rezultat oduzima od očekivanog.
4) Za svaki čvor se računa nova sinaptička težina (ovo je prolaz unazad).
5) Menjaju se sinaptičke težine, ili se ostavljaju stare vrednosti, a nove se pamte.
6) Na ulaze mreže se dovodi novi skup ulaznih podataka i ponavljaju se koraci od 1-5. Kada se izvrše svi primeri, ažuriraju se vrednosti sinaptičkih težina, i ako je greška ispod neke zahtevane vrednosti, smatra se da je mreža obučena....

]]> <![CDATA[Neuronske mreže feed forward tipa]]> https://www.maturskiradovi.net/forum/Thread-neuronske-mre%C5%BEe-feed-forward-tipa--9622 Sat, 28 Aug 2010 22:46:37 +0000 https://www.maturskiradovi.net/forum/Thread-neuronske-mre%C5%BEe-feed-forward-tipa--9622 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Feed forward neuronska mreža jeste vrsta neuronske mreže koja je specifična na svoj način. Sam naziv „feed forward“ potiče od engleskih reči feed što prevedeno znači hraniti i forward što znači napred. Prema tome sam naziv feed forward neuronska mreža nam govori da se ova mreža odnosi na neki proces koji ide sa smerom unapred.
Kada govorimo o neuronskim mrežama feed forward tipa moramo pre svega naznačiti šta neuronske mreže u suštini predstavljaju i koje su njihove osnovne osobine. Postoje dve kategorije neuronskih mreža: veštačke i biološke neuronske mreže. Predstavnik bioloških neuronskih mreža je nervni sistem živih bića. Veštačke neuronske mreže su po strukturi, funkciji i obradi informacija slične biološkim neuronskim mrežama, ali se radi o veštačkim tvorevinama.
Neuronska mreža predstavlja mrežu neurona koji su međusobno povezani i sarađuju u cilju obrade signala. Tradicionalno, termin „neuronska mreža“ označava biološku neuronsku mrežu, odnosno mrežu prirodnih neurona koji su fizički i funkcionalno povezani u nervne sisteme – centralni ili periferni, te tako grupisani obavljaju različite fiziološke funkcije. Dakle, neuronska mreža u računarskim naukama predstavlja veoma povezanu mrežu elemenata koji obrađuju podatke.
Danas taj termin označava i nešto potpuno drugačije – naučnu interdisciplinarnu oblast koja objedinjuje neurobiologiju, fiziku i obradu signala. Ovo je pokušaj da se razume rad ljudskog mozga i da se stečeno znanje primeni u obradi informacija. Poslednjih par decenija je ulagan veliki napor kako bi se napravila elektronska kola koja bi ličila na biološku neuronsku mrežu sa svim njenim osobinama i funkcionalnostima.
Dakle, veštačka neuronska mreža jeste jedan oblik implementacije sistema veštačke inteligencije, koji predstavlja sistem sastavljen od određenog broja međusobno povezanih procesora, čvorova, ili procesnih elemenata koje nazivamo neuronima.
Telo neurona naziva se čvor ili jedinica i svaki od neurona ima lokalnu memoriju u kojoj pamti podatke koje obrađuje...

KLASIFIKACIJA

Neuronske mreže simuliraju način rada ljudskog mozga pri obavljanju datog zadatka ili neke funkcije stoga možemo reći da je neuronska mreža masovno paralelizovan distribuirani procesor sa prirodnom sposobnošću memorisanja iskustvenog znanja i obezbeđivanja njegovog korišćenja.
Neuronske mreže možemo svrstavati u različite kategorije prema raznim kriterijumima.
Prema načinu realizacije imamo mreže koje se realizuju softverski i mreže koje možemo realizovati hardverski. Softverska realizacija podrazumeva logičko (virtuelno) povezivanje čvorova dok hardverska realizacija podrazumeva fizičko povezivanje čvorova.
Nakon toga imamo podelu prema broju slojeva. Postoje jednoslojne i višeslojne mreže. Dalje, klasifikacija se može vršiti prema vrsti veza između neurona, zatim prema načinu obučavanja mreže, prema smeru podataka.

Feed forward neuronska mreža jeste mreža koja je svrstana u tu grupu na osnovu smera prostiranja informacija. To znači da se informacije koje se prostiru mrežom kreću u određenom smeru i na osnovu njega imamo podelu. Drugi naziv za ovu vrstu neuronskih mreža jeste neuronske mreže sa prostiranjem signala unapred gde se očigledno vidi analogija sa spomenutim kriterijumom podele.
Po ovom kriterijumu imamo i neuronske mreže koje imaju povratnu spregu i nazivamo ih feedback neuronske mreže..
Feedback neuronske mreže koje imaju zatvorene petlje se nazivaju rekurentne neuronske mreže.
Prema vrsti podataka koje obrađuju NM se mogu podeliti na analogne i diskretne. Ova podela se retko koristi pošto su gotovo sve NM diskretne....

Sadržaj

UVOD 3
1 KLASIFIKACIJA 4
1.1 Tipovi feed forward neuronskih mreža 5
2 SVOJSTVA 8
3 PRIMENA 9
ZAKLJUČAK 10
LITERATURA 11]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Feed forward neuronska mreža jeste vrsta neuronske mreže koja je specifična na svoj način. Sam naziv „feed forward“ potiče od engleskih reči feed što prevedeno znači hraniti i forward što znači napred. Prema tome sam naziv feed forward neuronska mreža nam govori da se ova mreža odnosi na neki proces koji ide sa smerom unapred.
Kada govorimo o neuronskim mrežama feed forward tipa moramo pre svega naznačiti šta neuronske mreže u suštini predstavljaju i koje su njihove osnovne osobine. Postoje dve kategorije neuronskih mreža: veštačke i biološke neuronske mreže. Predstavnik bioloških neuronskih mreža je nervni sistem živih bića. Veštačke neuronske mreže su po strukturi, funkciji i obradi informacija slične biološkim neuronskim mrežama, ali se radi o veštačkim tvorevinama.
Neuronska mreža predstavlja mrežu neurona koji su međusobno povezani i sarađuju u cilju obrade signala. Tradicionalno, termin „neuronska mreža“ označava biološku neuronsku mrežu, odnosno mrežu prirodnih neurona koji su fizički i funkcionalno povezani u nervne sisteme – centralni ili periferni, te tako grupisani obavljaju različite fiziološke funkcije. Dakle, neuronska mreža u računarskim naukama predstavlja veoma povezanu mrežu elemenata koji obrađuju podatke.
Danas taj termin označava i nešto potpuno drugačije – naučnu interdisciplinarnu oblast koja objedinjuje neurobiologiju, fiziku i obradu signala. Ovo je pokušaj da se razume rad ljudskog mozga i da se stečeno znanje primeni u obradi informacija. Poslednjih par decenija je ulagan veliki napor kako bi se napravila elektronska kola koja bi ličila na biološku neuronsku mrežu sa svim njenim osobinama i funkcionalnostima.
Dakle, veštačka neuronska mreža jeste jedan oblik implementacije sistema veštačke inteligencije, koji predstavlja sistem sastavljen od određenog broja međusobno povezanih procesora, čvorova, ili procesnih elemenata koje nazivamo neuronima.
Telo neurona naziva se čvor ili jedinica i svaki od neurona ima lokalnu memoriju u kojoj pamti podatke koje obrađuje...

KLASIFIKACIJA

Neuronske mreže simuliraju način rada ljudskog mozga pri obavljanju datog zadatka ili neke funkcije stoga možemo reći da je neuronska mreža masovno paralelizovan distribuirani procesor sa prirodnom sposobnošću memorisanja iskustvenog znanja i obezbeđivanja njegovog korišćenja.
Neuronske mreže možemo svrstavati u različite kategorije prema raznim kriterijumima.
Prema načinu realizacije imamo mreže koje se realizuju softverski i mreže koje možemo realizovati hardverski. Softverska realizacija podrazumeva logičko (virtuelno) povezivanje čvorova dok hardverska realizacija podrazumeva fizičko povezivanje čvorova.
Nakon toga imamo podelu prema broju slojeva. Postoje jednoslojne i višeslojne mreže. Dalje, klasifikacija se može vršiti prema vrsti veza između neurona, zatim prema načinu obučavanja mreže, prema smeru podataka.

Feed forward neuronska mreža jeste mreža koja je svrstana u tu grupu na osnovu smera prostiranja informacija. To znači da se informacije koje se prostiru mrežom kreću u određenom smeru i na osnovu njega imamo podelu. Drugi naziv za ovu vrstu neuronskih mreža jeste neuronske mreže sa prostiranjem signala unapred gde se očigledno vidi analogija sa spomenutim kriterijumom podele.
Po ovom kriterijumu imamo i neuronske mreže koje imaju povratnu spregu i nazivamo ih feedback neuronske mreže..
Feedback neuronske mreže koje imaju zatvorene petlje se nazivaju rekurentne neuronske mreže.
Prema vrsti podataka koje obrađuju NM se mogu podeliti na analogne i diskretne. Ova podela se retko koristi pošto su gotovo sve NM diskretne....

Sadržaj

UVOD 3
1 KLASIFIKACIJA 4
1.1 Tipovi feed forward neuronskih mreža 5
2 SVOJSTVA 8
3 PRIMENA 9
ZAKLJUČAK 10
LITERATURA 11]]> <![CDATA[Vestacka inteligencija u obrazovanju]]> https://www.maturskiradovi.net/forum/Thread-vestacka-inteligencija-u-obrazovanju Sat, 17 Jul 2010 18:18:39 +0000 https://www.maturskiradovi.net/forum/Thread-vestacka-inteligencija-u-obrazovanju Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

ISTORIJAT VEŠTAČKE INTELIGENCIJE

Od davnina ljude privlači inteligencija - kako sam pojam inteligencije tako i mogućnost konstruisanja “inteligentnih mašina” koje bi mogle samostalno da rade. Takve primere možemo pratiti kroz istoriju. U staroj Grčkoj ljudi su se bavili pitanjima inteligencije, znanja i pravilnog zaključivanja, a među njima se naročito istakao Aristotel. U XIII veku je Ramon Lull (1235-1316) opisao sistem Ars Magna kojim je pokušao da pomoću mehaničkog kombinovanja, simboličke notacije i kombinatornih dijagrama ostvari "inteligentan" sistem. Tokom XVII veka, G. V. Leibnitz (1646-1716) i Blaze Pascal (1623-1662) pokušavali su da konstruišu mehaničku računsku mašinu za sabiranje. Cifarska računska mašina koju je konstruisao Charles Babbage, bila je u stanju da po određenom algoritmu izvršava operacije sa dekadnim brojevima. Sredinom 19-tog veka George Bool razrađuje algebru logike u kojoj se algebarska simbolika koristi za operisanje pojmovima pri logičkom izvođenju. Englez Alan Turing i Amerikanac Post, 1936-te godine, nezavisno jedan od drugoga objavljuju radove iz oblasti matematičke logike i iznose mogućnosti konstruisanja univerzalnog transformatora informacija. Međutim, tek pojavom prvog računara "Electronic Numerical Integrator And Computer" (ENIAC) koga su 1945-te godine izmislili Mauchly i J. Presper Eckert, može se govoriti o inteligentnim mašinama. U početku su računari bili prvenstveno namenjeni za izvršavanje računskih operacija ali vrlo brzo je uočeno da oni imaju daleko veće sposobnosti. Već prvi rezultati u primeni računara upućivali su na mogućnost računara da preuzme vršenje određenih intelektualnih sposobnosti. Povoljni rezultati istraživanja naveli su neke od naučnika da daju preuranjene izjave da se ubrzo može konstruisati "misleća mašina" ili "elektronski mozak". Zbog ovih preuranjenih izjava su se vodile brojne debate. Krajem 50-tih, sve do sredine 60-tih godina, problematika veštačke inteligencije bila je dosta rasplinuta između fantastike, mašte, potencijalnih mogućnosti i praktičnih ostvarenja ...

SADRŽAJ

1. Uvod ......................................................................... 3
2. Istorijat veštačke inteligencije ........................................ 3
3. Veštačka inteligencija .................................................. 4
4. Ekspertni sistemi .............................................................. 6
5. Opšti aspekti obrazovanja pomoću računara ............................. 6
6. Učenje na daljinu - Distance Learning ............................ 8
6.1. Da li je daljinsko obrazovanje uspešno? ............................. 8
6.2. Kako se izvodi daljinsko obrazovanje? ............................... 9
6.3. Koja tehnologija je najbolja? ............................................. 10
6.4. Ključni faktori u daljinskom obrazovanju ......................... 11
6.5. Preduslovi za realizaciju modela ....................................... 12
6.6. Tehnološko rešenje učenja na daljinu ................................ 12
6.7. Osnovni softver i način realizacije nastave na daljinu ....... 13
6.8. Unapređenje učenja na daljinu ........................................... 14
7. Zaključak ...................................................................... 16
8. Literatura ...................................................................... 17
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

ISTORIJAT VEŠTAČKE INTELIGENCIJE

Od davnina ljude privlači inteligencija - kako sam pojam inteligencije tako i mogućnost konstruisanja “inteligentnih mašina” koje bi mogle samostalno da rade. Takve primere možemo pratiti kroz istoriju. U staroj Grčkoj ljudi su se bavili pitanjima inteligencije, znanja i pravilnog zaključivanja, a među njima se naročito istakao Aristotel. U XIII veku je Ramon Lull (1235-1316) opisao sistem Ars Magna kojim je pokušao da pomoću mehaničkog kombinovanja, simboličke notacije i kombinatornih dijagrama ostvari "inteligentan" sistem. Tokom XVII veka, G. V. Leibnitz (1646-1716) i Blaze Pascal (1623-1662) pokušavali su da konstruišu mehaničku računsku mašinu za sabiranje. Cifarska računska mašina koju je konstruisao Charles Babbage, bila je u stanju da po određenom algoritmu izvršava operacije sa dekadnim brojevima. Sredinom 19-tog veka George Bool razrađuje algebru logike u kojoj se algebarska simbolika koristi za operisanje pojmovima pri logičkom izvođenju. Englez Alan Turing i Amerikanac Post, 1936-te godine, nezavisno jedan od drugoga objavljuju radove iz oblasti matematičke logike i iznose mogućnosti konstruisanja univerzalnog transformatora informacija. Međutim, tek pojavom prvog računara "Electronic Numerical Integrator And Computer" (ENIAC) koga su 1945-te godine izmislili Mauchly i J. Presper Eckert, može se govoriti o inteligentnim mašinama. U početku su računari bili prvenstveno namenjeni za izvršavanje računskih operacija ali vrlo brzo je uočeno da oni imaju daleko veće sposobnosti. Već prvi rezultati u primeni računara upućivali su na mogućnost računara da preuzme vršenje određenih intelektualnih sposobnosti. Povoljni rezultati istraživanja naveli su neke od naučnika da daju preuranjene izjave da se ubrzo može konstruisati "misleća mašina" ili "elektronski mozak". Zbog ovih preuranjenih izjava su se vodile brojne debate. Krajem 50-tih, sve do sredine 60-tih godina, problematika veštačke inteligencije bila je dosta rasplinuta između fantastike, mašte, potencijalnih mogućnosti i praktičnih ostvarenja ...

SADRŽAJ

1. Uvod ......................................................................... 3
2. Istorijat veštačke inteligencije ........................................ 3
3. Veštačka inteligencija .................................................. 4
4. Ekspertni sistemi .............................................................. 6
5. Opšti aspekti obrazovanja pomoću računara ............................. 6
6. Učenje na daljinu - Distance Learning ............................ 8
6.1. Da li je daljinsko obrazovanje uspešno? ............................. 8
6.2. Kako se izvodi daljinsko obrazovanje? ............................... 9
6.3. Koja tehnologija je najbolja? ............................................. 10
6.4. Ključni faktori u daljinskom obrazovanju ......................... 11
6.5. Preduslovi za realizaciju modela ....................................... 12
6.6. Tehnološko rešenje učenja na daljinu ................................ 12
6.7. Osnovni softver i način realizacije nastave na daljinu ....... 13
6.8. Unapređenje učenja na daljinu ........................................... 14
7. Zaključak ...................................................................... 16
8. Literatura ...................................................................... 17
]]> <![CDATA[Sistemi podrske u grupnom odlucivanju gdss]]> https://www.maturskiradovi.net/forum/Thread-sistemi-podrske-u-grupnom-odlucivanju-gdss Sat, 17 Jul 2010 18:16:35 +0000 https://www.maturskiradovi.net/forum/Thread-sistemi-podrske-u-grupnom-odlucivanju-gdss Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Početak razvoja sistema za podršku odlučivanju vezan je za šezdesete godine kada su se definisali strukturirani izveštaji.
Sedamdesetih godina nastaju MDS sistemi (Management decision systems) i specifični DSS. Osamdesetih godina se razvijaju Group Decision Support systems, EIS i Ekspertni sistemi – ES.
Devedesetih godina se pojavljuju Data Warehouse, Online Analytical Processing, Intranet, Visual modeling.
DSS je interaktivni kompjuterski baziran sistem koji koristeći podatike i modele pomaže donosiocima odluka da reše nestruktuirane probleme.
DSS spajaju intelektualne resurse pojedinaca sa kompjuterom obezbeđujući na taj način kvalitet odluke. To je kompjuterski baziran sistem za podršku odlučivanju menadžmentu u vezi polustruktuiranih problema.
Dakle, sistemi za podršku odlučivanu su dizajnirani da specijalno olakšaju proces odlučivanja, predstavljaju podršku odlučivanju a ne automatizaciju odlučivanja i moraju da budu sposobni da brzo odgovore na promenljive zahteve donosioca odluka.
Kada se govori o tipovima odnosno vrstama DSS – a, postoji veliki broj ovih sistema odnosno ovih kompjuterskih proizvoda a koji su namenjeni različitim vrstama problema. Neki od ovih sistema pomažu menadžerima u efikasnijem pristupu informacijama koje bi inače ostale nedostupne ili bi se do njih vrlo teško došlo; drugi sadrže eksplicitne modele koji obezbeđuju strukturu za neku određenu odluku. Neki od njih su primarni alat za individualni rad u procesu odlučivanja pojedinca, dok su drugi konstruisani da podrže komunikaciju između ljudi čiji rad mora biti koordinaran tj. grupno odlučivanje.
Dalje, ovi sistemi mogu biti namenjeni za podršku odlučivanju različitim nivoima menadžmenta a mogu i podržavati malu grupu menadžera koristeći personalne računare ili velike grupe menadžera u umreženoj server – klijent arhitekturi.
DSS se mogu podeliti na odnosno u grupu ovih sistema spadaju:
- Data - Driven
- Model – Driven
- Suggestion
- Group Support
- Document – Driven
- Inter Organizational
- Function Specific i
- Web based.
Predmet ovog rada biće GDSS sistemi odnosno sistemi podrške u grupnom odlučivanju kao jedna od kategorija sistema za podršku odlučivanju.
GDSS sistemi predstavlja specifični tip DS sistema jer podrazumeva upotrebu specijalnih informacionih tehnologija za kolaborativni rad kao što su sobe odlučivanja, kompjuter sa displej projektorom, ali i mogućnost distribuiranog rada odnosno dobar sistem komuniciranja...

S A D R Ž A J

1 UVOD 3
2 Sistemi podrške u grupnom odlučivanju (GDSS) 4
2.1 Nastanak sistema podrške u grupnom odlučivanju 4
2.2 Pojam sistema podrške u grupnom odlučivanju 5
2.3 Prednosti i nedostaci sistema podrške u grupnom odlučivanju 6
2.4 Strukture odlučivanja uz pomoć sistema podrške u grupnom odlučivanju 7
2.5 Vrste aplikacija sistema podrške u grupnom odlučivanju 8
2.6 Tehnologija sistema podrške u grupnom odlučivanju 9
2.6.1 Hardver sistema podrške u grupnom odlučivanju 10
2.6.2 Softver sistema podrške u grupnom odlučivanju 11
2.6.3 Ljudi kao komponenta sistema podrške u grupnom odlučivanju 12
2.6.4 Procedure sistema podrške u grupnom odlučivanju 12
2.7 Moguća varijanta arhitekture GDSS - a 15
2.8 Pravci istraživanja GDSS - a 17
3 ZAKLJUČAK 18
4 LITERATURA 19
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Početak razvoja sistema za podršku odlučivanju vezan je za šezdesete godine kada su se definisali strukturirani izveštaji.
Sedamdesetih godina nastaju MDS sistemi (Management decision systems) i specifični DSS. Osamdesetih godina se razvijaju Group Decision Support systems, EIS i Ekspertni sistemi – ES.
Devedesetih godina se pojavljuju Data Warehouse, Online Analytical Processing, Intranet, Visual modeling.
DSS je interaktivni kompjuterski baziran sistem koji koristeći podatike i modele pomaže donosiocima odluka da reše nestruktuirane probleme.
DSS spajaju intelektualne resurse pojedinaca sa kompjuterom obezbeđujući na taj način kvalitet odluke. To je kompjuterski baziran sistem za podršku odlučivanju menadžmentu u vezi polustruktuiranih problema.
Dakle, sistemi za podršku odlučivanu su dizajnirani da specijalno olakšaju proces odlučivanja, predstavljaju podršku odlučivanju a ne automatizaciju odlučivanja i moraju da budu sposobni da brzo odgovore na promenljive zahteve donosioca odluka.
Kada se govori o tipovima odnosno vrstama DSS – a, postoji veliki broj ovih sistema odnosno ovih kompjuterskih proizvoda a koji su namenjeni različitim vrstama problema. Neki od ovih sistema pomažu menadžerima u efikasnijem pristupu informacijama koje bi inače ostale nedostupne ili bi se do njih vrlo teško došlo; drugi sadrže eksplicitne modele koji obezbeđuju strukturu za neku određenu odluku. Neki od njih su primarni alat za individualni rad u procesu odlučivanja pojedinca, dok su drugi konstruisani da podrže komunikaciju između ljudi čiji rad mora biti koordinaran tj. grupno odlučivanje.
Dalje, ovi sistemi mogu biti namenjeni za podršku odlučivanju različitim nivoima menadžmenta a mogu i podržavati malu grupu menadžera koristeći personalne računare ili velike grupe menadžera u umreženoj server – klijent arhitekturi.
DSS se mogu podeliti na odnosno u grupu ovih sistema spadaju:
- Data - Driven
- Model – Driven
- Suggestion
- Group Support
- Document – Driven
- Inter Organizational
- Function Specific i
- Web based.
Predmet ovog rada biće GDSS sistemi odnosno sistemi podrške u grupnom odlučivanju kao jedna od kategorija sistema za podršku odlučivanju.
GDSS sistemi predstavlja specifični tip DS sistema jer podrazumeva upotrebu specijalnih informacionih tehnologija za kolaborativni rad kao što su sobe odlučivanja, kompjuter sa displej projektorom, ali i mogućnost distribuiranog rada odnosno dobar sistem komuniciranja...

S A D R Ž A J

1 UVOD 3
2 Sistemi podrške u grupnom odlučivanju (GDSS) 4
2.1 Nastanak sistema podrške u grupnom odlučivanju 4
2.2 Pojam sistema podrške u grupnom odlučivanju 5
2.3 Prednosti i nedostaci sistema podrške u grupnom odlučivanju 6
2.4 Strukture odlučivanja uz pomoć sistema podrške u grupnom odlučivanju 7
2.5 Vrste aplikacija sistema podrške u grupnom odlučivanju 8
2.6 Tehnologija sistema podrške u grupnom odlučivanju 9
2.6.1 Hardver sistema podrške u grupnom odlučivanju 10
2.6.2 Softver sistema podrške u grupnom odlučivanju 11
2.6.3 Ljudi kao komponenta sistema podrške u grupnom odlučivanju 12
2.6.4 Procedure sistema podrške u grupnom odlučivanju 12
2.7 Moguća varijanta arhitekture GDSS - a 15
2.8 Pravci istraživanja GDSS - a 17
3 ZAKLJUČAK 18
4 LITERATURA 19
]]> <![CDATA[Sintaksna pretraga prostora stanja za problem dve slavine]]> https://www.maturskiradovi.net/forum/Thread-sintaksna-pretraga-prostora-stanja-za-problem-dve-slavine Sat, 17 Jul 2010 18:15:43 +0000 https://www.maturskiradovi.net/forum/Thread-sintaksna-pretraga-prostora-stanja-za-problem-dve-slavine Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Opis problema

Potrebno je otvoriti dve slavine, za vruću i hladnu vodu. Slavine se okreću za po jedan korak ( 90 ) ulevo. Zadatak je otvoriti slavine tako da teče topla voda. Slavina se može okrenuti najviše za 1 ceo krug, koji čine 4 koraka.
Strelica na gore označava početno stanje (zatvorenu slavinu).
Da bi se ostvario zadatak, moraju se poštovati sledeća ograničenja:

• Topla voda se dobija kada se vruća voda otvori dva puta više nego hladna.
• Nije moguće ići unazad tj. zatvarati slavine.
• Minimalan broj otvaranja slavina (koraka) je 5, da bi se postigao dovoljan pritisak.

Definicije stanja

Početno stanje je kada su obe slavine zatvorene.
Ciljno stanje je pustiti toplu vodu, odgovarajućeg pritiska. Iz navedenih pravila može se zaključiti da je potrebno slavinu za vruću vodu okrenuti 4 puta, a hladnu 2 puta....
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Opis problema

Potrebno je otvoriti dve slavine, za vruću i hladnu vodu. Slavine se okreću za po jedan korak ( 90 ) ulevo. Zadatak je otvoriti slavine tako da teče topla voda. Slavina se može okrenuti najviše za 1 ceo krug, koji čine 4 koraka.
Strelica na gore označava početno stanje (zatvorenu slavinu).
Da bi se ostvario zadatak, moraju se poštovati sledeća ograničenja:

• Topla voda se dobija kada se vruća voda otvori dva puta više nego hladna.
• Nije moguće ići unazad tj. zatvarati slavine.
• Minimalan broj otvaranja slavina (koraka) je 5, da bi se postigao dovoljan pritisak.

Definicije stanja

Početno stanje je kada su obe slavine zatvorene.
Ciljno stanje je pustiti toplu vodu, odgovarajućeg pritiska. Iz navedenih pravila može se zaključiti da je potrebno slavinu za vruću vodu okrenuti 4 puta, a hladnu 2 puta....
]]> <![CDATA[Sintaksna pretraga prostora stanja]]> https://www.maturskiradovi.net/forum/Thread-sintaksna-pretraga-prostora-stanja Sat, 17 Jul 2010 18:14:16 +0000 https://www.maturskiradovi.net/forum/Thread-sintaksna-pretraga-prostora-stanja Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

1. Opis problema

Uzet je skup slova u sledecem nizu EMAR definisati operatore tako da se njihovom primenom dobije rec MARE.

2. Definicije stanja

Početno stanje je EMAR..
Ciljno stanje je MARE.

3. Definicije operatora
Operatori :
1. zameni 1,2
2. zameni 2,3
3. zameni 3,4.

3.Sirinska Pretraga
Sirinska pretraga: EMAR,MEAR,EAMR,EMRA,MAER,MERA,AEMR,EARM,ERMA,MERA,AMER,
MARE

4.Dubinska Pretraga
Dubinska pretraga:
EMAR,MEAR,MAER,AMER,MARE.
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

1. Opis problema

Uzet je skup slova u sledecem nizu EMAR definisati operatore tako da se njihovom primenom dobije rec MARE.

2. Definicije stanja

Početno stanje je EMAR..
Ciljno stanje je MARE.

3. Definicije operatora
Operatori :
1. zameni 1,2
2. zameni 2,3
3. zameni 3,4.

3.Sirinska Pretraga
Sirinska pretraga: EMAR,MEAR,EAMR,EMRA,MAER,MERA,AEMR,EARM,ERMA,MERA,AMER,
MARE

4.Dubinska Pretraga
Dubinska pretraga:
EMAR,MEAR,MAER,AMER,MARE.
]]> <![CDATA[Seminarski rad]]> https://www.maturskiradovi.net/forum/Thread-seminarski-rad--8766 Sat, 17 Jul 2010 18:13:12 +0000 https://www.maturskiradovi.net/forum/Thread-seminarski-rad--8766 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

U ovom zadatku cilj je rotirati pojedinačne elemente mreže cevi sve dok voda ne bude slobodno tekla od početne do krajnje tačke. Prostor stanja sastoji se od table proizvoljne veličine (u ovom primeru 2x2) i na svakom polju nalazi se jedan od sledećih elemenata:

Primer :

Početno stanje:

( nedostaje grafika)

Ciljno stanje:

( nedostaje grafika)

Operatori:

( nedostaje grafika)

Zadatak koristi četiri operatora u ovom primeru:
op1 - rotiraj polje 1,1
op2 - rotiraj polje 2,1
op3 - rotiraj polje 1,2
op4 - rotiraj polje 2,2

Rotacija se uvek vrši u smeru kazaljke na satu za 90º. To znači da nema smisla isti operator upotrebiti više od tri puta za redom pošto se dolazi do stanja koje smo već analizirali....
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

U ovom zadatku cilj je rotirati pojedinačne elemente mreže cevi sve dok voda ne bude slobodno tekla od početne do krajnje tačke. Prostor stanja sastoji se od table proizvoljne veličine (u ovom primeru 2x2) i na svakom polju nalazi se jedan od sledećih elemenata:

Primer :

Početno stanje:

( nedostaje grafika)

Ciljno stanje:

( nedostaje grafika)

Operatori:

( nedostaje grafika)

Zadatak koristi četiri operatora u ovom primeru:
op1 - rotiraj polje 1,1
op2 - rotiraj polje 2,1
op3 - rotiraj polje 1,2
op4 - rotiraj polje 2,2

Rotacija se uvek vrši u smeru kazaljke na satu za 90º. To znači da nema smisla isti operator upotrebiti više od tri puta za redom pošto se dolazi do stanja koje smo već analizirali....
]]> <![CDATA[Semantičke mreže u procesiranju prirodnog jezika]]> https://www.maturskiradovi.net/forum/Thread-semanti%C4%8Dke-mre%C5%BEe-u-procesiranju-prirodnog-jezika Sat, 17 Jul 2010 18:11:36 +0000 https://www.maturskiradovi.net/forum/Thread-semanti%C4%8Dke-mre%C5%BEe-u-procesiranju-prirodnog-jezika Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

KRATAK ISTORIJAT PROCESIRANJA PRIRODNOG JEZIKA

Abstract:

Procesiranje prirodnog jezika predstavlja jednu od najstarijih grana veštačke inteligencije. Takođe praktična primena NLP tehnologija obećava kvalitativno bolju komunikaciju između ljudi i računara. Tokom tri decenije razvoja NLP tehnologija naučili smo mnogo o mogućnostima i ograničenjima NLP-a koje postaje jedno od najinteresantnijih polja istraživanja i primene računarskih tehnologija uopšte. Nije tako daleko dan kada ćemo sa računarima komunicirati prvenstveno na prirodnom jeziku, kada ćemo programirati rečima upućenim računaru : “generiši deo koda koji se ponavlja 50 puta i koji povećava promenljivu X u svakom prolazu ” ...

Motiv pokretanja istraživanja u polju NLP-a je sličan motivu koji je kasnije doveo do nastanka Interneta. Pedesetih godina dvadesetog veka u toku perioda hladnog rata, američka vlada je izdvojila značajna novčana sredstva za stvaranje sistema koji bi bio u stanju da automatski prevodi tekstove sa ruskog na engleski jezik. Po isteku roka koji je bio predviđen za projekat, naučnici koji su radili na projektu formirali su komisiju koja je zaključila da je tako nešto nemoguće izvesti.

Deceniju kasnije, u kasnim šezdesetim, istraživanja u NLP-u su konačno počela da se oporavljaju i dobijeni su prvi obećavajući rezultati jedan od prvih programa za prepoznavanje glasa je mogao ispravno da interpretira poteze koji su zadali putem govora kao na primer : "pešak e dva e četiri" i da upravlja igrom na taj način, Drugi sistem je bio u mogućnosti da čita novinske članke o prirodnim katastrofama i da odredi tip događaja, broj povređenih itd. Ostali poznatiji programi su simulirali psihijatre (čuvena ELIZA, 1966.) i druga zanimanja koja uključuju razgovore.

Ali ovi rani "uspesi" u NLP-u su bili prilično ograničeni. Istraživač je jednom prilikom pročistio grlo dok se pripremao za šahovsku partiju, računar se blokirao na nekoliko mintita i na kraju izgovorio, "Odigrali ste pešaka na e četiri". Sistem za čitanje novinskih članaka je procesirao naslov "Papina smrt je uzdrmala Vatikan" i izjavio da je zemljotres u Italiji odneo jednu žrtvu.
Autori čuvenog šaljivog programa koji je oponašao rad psihijatra (Eliza) su dugo pokušavali da objasne zasto je program ustvari trik ...

SADRŽAJ

1 KRATAK ISTORIJAT PROCESIRANJA PRIRODNOG JEZIKA 3
2 Procesiranje prirodnog jezika i upotreba NLP tehnologija danas 4
3 Šta su semantičke mreže? 4
4 Trenutni, centralni i povezani koncepti 6
5 Razumevanje relacija 7
6 Semantičke mreže - vrste i osobenosti 8
7 Definicione mreže 9
8 Mreže tvrđenja (e. Assertional Networks) 11
9 Implikacione mreže 14
10 Izvršne mreže 16
11 Hibridne Mreže 18
12 Grafičke i linearne notacije 19
13 Zaključak 21]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

KRATAK ISTORIJAT PROCESIRANJA PRIRODNOG JEZIKA

Abstract:

Procesiranje prirodnog jezika predstavlja jednu od najstarijih grana veštačke inteligencije. Takođe praktična primena NLP tehnologija obećava kvalitativno bolju komunikaciju između ljudi i računara. Tokom tri decenije razvoja NLP tehnologija naučili smo mnogo o mogućnostima i ograničenjima NLP-a koje postaje jedno od najinteresantnijih polja istraživanja i primene računarskih tehnologija uopšte. Nije tako daleko dan kada ćemo sa računarima komunicirati prvenstveno na prirodnom jeziku, kada ćemo programirati rečima upućenim računaru : “generiši deo koda koji se ponavlja 50 puta i koji povećava promenljivu X u svakom prolazu ” ...

Motiv pokretanja istraživanja u polju NLP-a je sličan motivu koji je kasnije doveo do nastanka Interneta. Pedesetih godina dvadesetog veka u toku perioda hladnog rata, američka vlada je izdvojila značajna novčana sredstva za stvaranje sistema koji bi bio u stanju da automatski prevodi tekstove sa ruskog na engleski jezik. Po isteku roka koji je bio predviđen za projekat, naučnici koji su radili na projektu formirali su komisiju koja je zaključila da je tako nešto nemoguće izvesti.

Deceniju kasnije, u kasnim šezdesetim, istraživanja u NLP-u su konačno počela da se oporavljaju i dobijeni su prvi obećavajući rezultati jedan od prvih programa za prepoznavanje glasa je mogao ispravno da interpretira poteze koji su zadali putem govora kao na primer : "pešak e dva e četiri" i da upravlja igrom na taj način, Drugi sistem je bio u mogućnosti da čita novinske članke o prirodnim katastrofama i da odredi tip događaja, broj povređenih itd. Ostali poznatiji programi su simulirali psihijatre (čuvena ELIZA, 1966.) i druga zanimanja koja uključuju razgovore.

Ali ovi rani "uspesi" u NLP-u su bili prilično ograničeni. Istraživač je jednom prilikom pročistio grlo dok se pripremao za šahovsku partiju, računar se blokirao na nekoliko mintita i na kraju izgovorio, "Odigrali ste pešaka na e četiri". Sistem za čitanje novinskih članaka je procesirao naslov "Papina smrt je uzdrmala Vatikan" i izjavio da je zemljotres u Italiji odneo jednu žrtvu.
Autori čuvenog šaljivog programa koji je oponašao rad psihijatra (Eliza) su dugo pokušavali da objasne zasto je program ustvari trik ...

SADRŽAJ

1 KRATAK ISTORIJAT PROCESIRANJA PRIRODNOG JEZIKA 3
2 Procesiranje prirodnog jezika i upotreba NLP tehnologija danas 4
3 Šta su semantičke mreže? 4
4 Trenutni, centralni i povezani koncepti 6
5 Razumevanje relacija 7
6 Semantičke mreže - vrste i osobenosti 8
7 Definicione mreže 9
8 Mreže tvrđenja (e. Assertional Networks) 11
9 Implikacione mreže 14
10 Izvršne mreže 16
11 Hibridne Mreže 18
12 Grafičke i linearne notacije 19
13 Zaključak 21]]> <![CDATA[Sekvencijalne mreže -n]]> https://www.maturskiradovi.net/forum/Thread-sekvencijalne-mre%C5%BEe-n Sat, 17 Jul 2010 18:10:32 +0000 https://www.maturskiradovi.net/forum/Thread-sekvencijalne-mre%C5%BEe-n Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

SEKVENCIJALNE MREŽE

Sekvencijalne mreže, često nazivane sekvencijalni automati ili sekvencijalne mašine se razlikuju od kombinacionih po tome što izlazni signali iz sekvencijalnih mreža zavise ne samo od tekućih vrednosti ulaznih promenljivih, već i od redosleda sekvence generisanja ulaznih signala. Za n memorijskih elemenata postoji mogućnost pamćenja 2n različitih stanja u kojima sekvencijalni automat može da se nađe. Pošto postoji konačan (2n) broj različitih stanja, sekvencijalna mreža se često naziva konačni automat ili automat konačnih stanja (engl. finite-state machine). Memorijski element mreže se naziva promenljiva stanja (state variable), a stanje (state) je svaka kombinacija promenljivih koja nosi informaciju o prethodnim događajima, kako bi naredno stanje moglo da bude definisano.
Osnovni model mreže je prikazan na slici 1 (klasa A mreže), ili kako se često naziva Meli (Mealy) tip automata. Izlazni signali mreže su funkcije dva skupa promenljivih: (1) trenutnih ulaznih promenljivih i (2) zatečenog stanja mreže .
U mrežama klase B i C, izlazni signali zavise samo od zatečenog stanja. Ovakve mreže se nazivaju Mur (Moore) automati. Na slici 2 je prikazan sekvencijalni automat klase B, dok je na slici 3 prikazana blok šema sekvencijalnog automata klase C ...
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

SEKVENCIJALNE MREŽE

Sekvencijalne mreže, često nazivane sekvencijalni automati ili sekvencijalne mašine se razlikuju od kombinacionih po tome što izlazni signali iz sekvencijalnih mreža zavise ne samo od tekućih vrednosti ulaznih promenljivih, već i od redosleda sekvence generisanja ulaznih signala. Za n memorijskih elemenata postoji mogućnost pamćenja 2n različitih stanja u kojima sekvencijalni automat može da se nađe. Pošto postoji konačan (2n) broj različitih stanja, sekvencijalna mreža se često naziva konačni automat ili automat konačnih stanja (engl. finite-state machine). Memorijski element mreže se naziva promenljiva stanja (state variable), a stanje (state) je svaka kombinacija promenljivih koja nosi informaciju o prethodnim događajima, kako bi naredno stanje moglo da bude definisano.
Osnovni model mreže je prikazan na slici 1 (klasa A mreže), ili kako se često naziva Meli (Mealy) tip automata. Izlazni signali mreže su funkcije dva skupa promenljivih: (1) trenutnih ulaznih promenljivih i (2) zatečenog stanja mreže .
U mrežama klase B i C, izlazni signali zavise samo od zatečenog stanja. Ovakve mreže se nazivaju Mur (Moore) automati. Na slici 2 je prikazan sekvencijalni automat klase B, dok je na slici 3 prikazana blok šema sekvencijalnog automata klase C ...
]]> <![CDATA[Segmentacija slika pomocu neuronskih mreza]]> https://www.maturskiradovi.net/forum/Thread-segmentacija-slika-pomocu-neuronskih-mreza--8763 Sat, 17 Jul 2010 18:09:47 +0000 https://www.maturskiradovi.net/forum/Thread-segmentacija-slika-pomocu-neuronskih-mreza--8763 Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Segmentacija je postupak deobe slike na njene sastavne delove i objekte i najvažniji je korak prilikom automatske obrade slike.
Segmentacija slike se bavi dekompozicijom slike u skup regija koje se ne preklapaju, a čija unija daje celu sliku.
Svrha segmentacije je da rastavi sliku na delove na način koji ima smisla u određenoj aplikaciji.
Npr. kod prepoznavanja delova segmentacija treba rastaviti sliku na objekat i njegovu pozadinu.
Segmentacija složenih slika može biti veliki problem i ne može se rešiti “jednostavnim” metodama.
Jedan od načina segmentacije takvih slika je segmentacija pomoću neuronskih mreža.
Neuronske mreže:
-nelinearne mreže koje pokušavaju da imitiraju funkcije mozga
-sastoje se od međusobno povezanih matematičkih modela neurona
-koristi se proces učenja da bi se odredili nepoznati parametri (ai,b) mreže tako da se dobije željeni odziv
-algoritmi za učenje su složeni i ima ih nekoliko. [3]

Izbor vrste neuronske mreže –
-postoji više vrsta mreža s obzirom na topologiju, matematičke funkcije u neuronima i algoritme učenja;
-“feed-forward“ mreže (nema povratne veze,perceptron,radial basis function mreža);
mreže sa povratnom vezom (Hopfield-ova mreža,Boltzman-ova mreža)...
]]> Maturski, Seminarski , Maturalni i diplomski radovi iz ekonomije: menadzment, marketing, finansija, elektronskog poslovanja, internet tehnologija, biznis planovi, makroekonomija, mikroekonomija, preduzetnistvo, upravljanje ljudskim resursima, carine i porezi.

Segmentacija je postupak deobe slike na njene sastavne delove i objekte i najvažniji je korak prilikom automatske obrade slike.
Segmentacija slike se bavi dekompozicijom slike u skup regija koje se ne preklapaju, a čija unija daje celu sliku.
Svrha segmentacije je da rastavi sliku na delove na način koji ima smisla u određenoj aplikaciji.
Npr. kod prepoznavanja delova segmentacija treba rastaviti sliku na objekat i njegovu pozadinu.
Segmentacija složenih slika može biti veliki problem i ne može se rešiti “jednostavnim” metodama.
Jedan od načina segmentacije takvih slika je segmentacija pomoću neuronskih mreža.
Neuronske mreže:
-nelinearne mreže koje pokušavaju da imitiraju funkcije mozga
-sastoje se od međusobno povezanih matematičkih modela neurona
-koristi se proces učenja da bi se odredili nepoznati parametri (ai,b) mreže tako da se dobije željeni odziv
-algoritmi za učenje su složeni i ima ih nekoliko. [3]

Izbor vrste neuronske mreže –
-postoji više vrsta mreža s obzirom na topologiju, matematičke funkcije u neuronima i algoritme učenja;
-“feed-forward“ mreže (nema povratne veze,perceptron,radial basis function mreža);
mreže sa povratnom vezom (Hopfield-ova mreža,Boltzman-ova mreža)...
]]>