V prispevku je predstavljen nov statistični pristop za primerjavo metahevrističnih stohastičnih optimizacijskih algoritmov, glede na porazdelitev rešitev v iskalnem prostoru, znan kot razširjena globoka statistična primerjava. Pristop je nadgradnja nedavno predlaganega pristopa globoke statistične primerjave, ki se uporablja za primerjavo metahevrističnih stohastičnih optimizacijskih algoritmov. Njegov glavni prispevek je, da se algoritmi primerjajo ne le glede na vrednosti dobljenih rešitev, temveč glede na porazdelitev dobljenih rešitev v iskalnem prostoru. Informacije, ki jih zagotavlja, lahko dodatno pomagajo prepoznati moči izkoriščanja in raziskovanja primerjanih algoritmov. To je pomembno pri obravnavi večmodalnega iskalnega prostora, kjer je veliko lokalnih optimov s podobnimi vrednostmi. Primerjalni rezultati kažejo, da naš predlagani pristop daje obetavne rezultate in se lahko uporablja za statistično primerjavo metahevrističnih stohastičnih algoritmov optimizacije glede na vrednosti rešitev in njihovo porazdelitev v iskalnem prostoru.
COBISS.SI-ID: 32238631
Z uporabo metodologije AI so spremembe v vzorcih uživanja hrane pred in med pandemijo COVID-19 očitne. Najvišjo pozitivno razliko v porabi hrane lahko opazimo pri živilih, kot so „stročnice / rastline, ki proizvajajo stročnice“, „palačinke / tortilje / pogače“ in „juha / lonec“, ki se povečajo za 300%, 280% in 100% oziroma. Nasprotno pa je največje zmanjšanje porabe za hrano, kot so nekatere vrste rib, „Koruza/ žitarice / žito“ in „Vinogradništvo“, z zmanjšanjem za 50%, 40% in 30%. Tovrstna analiza je dragocena v kriznih in izrednih razmerah, kar je zelo dober primer znanstvene podpore, ki jo regulatorji potrebujejo za hiter in ustrezen odziv.
COBISS.SI-ID: 26928643
Razpoložljivost komercialnih nosljivih bio-senzorjev nudi možnost razvoja aplikacij za pametne telefone za sprotno diagnozo, ki jih lahko uporabimo za izboljšanje zdravja uporabnika. Predlagamo večstopenjski pristop fuzije informacij za učenje napovednega modela krvnega tlaka (BP) s pomočjo podatkov senzorja elektrokardiograma (EKG). Pristop združuje informacije na petih različnih ravneh: i) zbiranje podatkov, kjer se zbirajo podatki iz več EKG senzorjev; ii) ekstrakcija lastnosti, pri kateri se funkcije iz zbranih podatkov pridobijo z različnimi metodami predobdelave; iii) združevanje informacij, združevanje ocenjevalnih informacij iz različnih klasifikatorjev; iv) združevanje informacij z uporabo informacij iz večciljnih regresijskih modelov za vsak razred BP; in v) združevanje informacij z uporabo informacij iz večciljnih regresijskih modelov iz vseh konfiguracij kot en sam model. Uporablja se za napovedovanje vrednosti krvnega tlaka (sistolični BP (SBP), diastolični BP (DBP) in srednji arterijski tlak (MAP)). Vrednotenje metodologije z uporabo ločenega sklopa testov kaže, da večstopenjska fuzija informacij daje obetavne rezultate, ki so sprejemljivi in ??primerljivi z najsodobnejšimi rezultati za napovedovanje krvnega tlaka.
COBISS.SI-ID: 33002535
Napovedovanje povpraševanja po plinu za velike skupine stavb je izjemno pomembno za učinkovito logistiko v energetskem sektorju. V prispevku so uporabljeni in primerjani različni modeli napovedi za potrebe prebivalstva po zemeljskem plinu v urbanem območju. Modeli napovedujejo povpraševanje po plinu z urno ločljivostjo do 60 ur v prihodnosti. Modelne napovedi temeljijo na preteklih temperaturah, napovedanih temperaturah in časovnih spremenljivkah, ki vključujejo oznake za praznike in druge občasne dogodke. Modeli so bili trenirani in preizkušeni na podatkih o porabi plina v Ljubljani. Upoštevani so bili modeli strojnega učenja, kot so linearna regresija, jedrni stroj in umetna nevronska mreža. Poleg tega so na podlagi analize podatkov razvili empirične modele. Ugotovljeno je bilo, da sta dva najnatančnejša modela ponavljajoča se nevronska mreža in model linearne regresije. V realnem okolju lahko takšne usposobljene modele uporabljamo skupaj s službo za napovedovanje vremena za ustvarjanje napovedi za prihodnje povpraševanje po plinu.
COBISS.SI-ID: 31841575
Demokratična načela, od svobode govora do poštenih poslovnih praks, se zanašajo na nevtralnost omrežja, tj. enak dostop do komunikacijske infrastrukture in storitev. Medtem ko številni nacionalni in mednarodni predpisi določajo nevtralnost omrežja, je dejansko izvrševanje izziv, saj morajo regulatorji zbrati in analizirati veliko količino meritev omrežja ter natančno določiti primere kršitev nevtralnosti. Z obsežnim porazdeljenim pristopom množičnih meritev je Agencija za komunikacijska omrežja in storitve Republike Slovenije (AKOS) pridobila obsežen nabor podatkov o meritvah internetne uspešnosti v Sloveniji. V delu analiziramo približno milijon večdimenzionalnih zapisov podatkov, zbranih z merilnim sistemom AKOS Test Net, in ugotovimo prakse, kot je blokiranje vrat, ki lahko kršijo načela nevtralnosti omrežja. Nato začrtamo omejitve uporabljenega merilnega pristopa in predlagamo celostni pristop z več deležniki, ki zagotavlja visokokakovostne merilne podatke, na katerih naj temeljijo zanesljivi sklepi o kršitvi nevtralnosti omrežja.
COBISS.SI-ID: 18356739