V prispevku je podan nov pristop statistične primerjave metahevrističnih stohastičnih optimizacijskih algoritmov nad več enokriterijskimi problemi. Predlagana je nova rangirna shema, ki temelji na celotni distribuciji in ni določena le s povprečji ali na odstopanja manj občutljivimi medianami, kot je to primer pri dosedanjih rangirnih shemah. Te namreč dodelijo v primeru, ko so razlike med povprečji/medianami statistično nepomembne, algoritmom različne range, čeprav bi jih morale enako rangirati; s tem pa vplivajo na rezultate tistih standardnih statističnih testov, ki uporabljajo rangiranje. S predlagano rangirno shemo, ki temelji na distribuciji, se temu problemu izognemo. Statistična primerjava rezultatov pridobljenih na testu Black-Box Benchmarking 2015 kaže, da vrača naša rangirna shema zanesljivejše rezultate v primerjavi z dosedanjimi (zavajujočimi) rangirnimi shemami.
COBISS.SI-ID: 30670119
Sistemi za avtomatsko prepoznavanje živil lahko pohitrijo analizo in oceno prehranskega vnosa hrane in pijač. Vendar pa je zaradi specifičnega izgleda hrane prepoznavanje izjemno zahtevna naloga, zato so dosedanji tradicionalni pristopi dosegali nizko stopnjo prepoznavnosti. Globoke nevronske mreže so presegle takšne rešitve in v članku predstavljamo pristop k prepoznavanju hrane in pijač, ki temelji na novi globoki arhitekturi nevronske mreže, imenovani NutriNet. Ta arhitektura je bila določena (naučena) na množici 225 953 slik ločljivosti 512 × 512 za 520 različnih živil iz širokega spektra skupin živil, na katerih smo dosegli natančnost klasifikacije 86,72%. Natančnost prepoznavanja na testni podatkovni množici 130 517 slik je bila 94,47%. Izvedli smo tudi validacijo fotografij, ki smo jih zbrali v sodelovanju s parkinsonovimi bolniki, ki so fotografirali hrano s pametnim telefonom. Na tej množici slik smo dosegli t.i. ‘top-five’55-odstotno natančnost prepoznavanja, kar je spodbuden rezultat za prepoznavanje fotografij hrane iz resničnega sveta. Poleg tega smo preskusili NutriNet na Bicocca 2016 (UNIMIB2016) naboru slik Univerze v Milanu, kjer smo tudi dosegli boljše rezultate od izhodiščnih. Razvili smo modul, ki omogoča sprotno učenje mreže na fotografijah iz resničnega sveta.
COBISS.SI-ID: 30597671
Vlažna atmosfera s kapljicami vode je med najbolj problematičnimi okolji za tlačne senzorje. Na splošno so senzorji zaščiteni pred škodljivimi učinki medija s primernimi zaščitnimi prevlekami, ki pa tudi same lahko vplivajo na karakteristike senzorja. Tehnologija LTCC omogoča izdelavo senzorskih struktur, ki lahko delujejo v zahtevnih okoljih brez zaščite. Neodvisno od izvedbe zaščite se je treba zavedati sprememb v odzivu senzorja zaradi občasnega stika s kapljicami vode, ki so posledica spremenjenih termičnih pogojev v senzorni strukturi. Naši poskusi so pokazali kakšen je lahko vpliv zaščitne prevleke na odziv LTCC senzorja, ko se ta nahaja v vlažnem okolju in ko je potopljen v vodo, kakor tudi kako se odziv spreminja zaradi kapljic vode, nanešenih na nezaščiten senzor. Ustrezni ukrepi, sprejeti na podlagi napovedovanja delovanja senzorjev v kondenzacijskih okoljih, so del proaktivnega vzdrževanja sistema.
COBISS.SI-ID: 30846247
Strokovno preverjeni podatki o prehrani, ki se dnevno nadgrajujejo z novimi znanstvenimi objavami, so predstavljeni kot nestrukturirano besedilo in so ključne informacije do katerih morajo dostopati dietetiki, da bi sledili novemu znanju. V preteklosti so bile za pridobivanje koristne informacije iz biomedicinske literature uvedene različne metode prepoznavanja poimenovane entitete (NER). Osredotočene so na primer na ekstrahiranje genov, omembe proteinov, odnose med geni in beljakovinami, kemijske koncepte in odnose med zdravili in boleznimi. V tem prispevku predstavljamo novo metodo NER, imenovano drNER, za pridobivanje znanj na osnovi dokazljivih prehranskih informacij. Po našem vedenju je to prvi poskus izločanja prehranskih entitet. drNER temelji na pravilih in ga sestavljata dve fazi. Prva vključuje odkrivanje in določanje omenjanih subjektov, druga pa vključuje izbiro in pridobivanje teh subjektov. Metodo ocenjujemo z uporabo besedilnih korpusov iz heterogenih virov, vključno z besedili več znanstveno potrjenih spletnih strani in besedili iz znanstvenih publikacij. Vrednotenje metode je pokazalo, da daje drNER dobre rezultate in se lahko uporablja za pridobivanje znanj na osnovi strokovno preverjenih prehranskih priporočil.
COBISS.SI-ID: 30594343
Sočasno optimalno razširjanje več sporočil iz istega vozlišča v sinhronih omrežjih smo obravnavali pod omejitvami, da vsako vozllišče v vsaki časovni enoti prejme največ eno sporočilo, vsako prejeto sporočilo je lahko razposlano le v naslednji časovni enoti in nobeno sporočilo ni poslano že informiranim vozliščem. Število odposalnih sporočil je neomejeno, sporočila imajo enotno dolžino in privzeta je popolna obojestranska komunikacija (“full-duplex” način). V prejšnih raziskavah smo razvili koncept nivojsko neodvisnih particij z namenom študiranja razširjanja informacij pod opisanim modelom. V tem delu pa preučujemo optimalno število nivojsko neodvisnih particij. Prav tako zagotavljamo potreben pogoj v smislu ekscentričnosti in ožine k nivojsko neodvisnih particij optimalne globine. Posebej smo določili strukturno karakterizacijo grafov, ki dovoljujejo dve nivojsko neodvisni particiji z istim korenom.
COBISS.SI-ID: 31040807