Spelling suggestions: "subject:"predikciju"" "subject:"predikcije""
1 |
Informacioni model i softverska podrška za predviđanje uspješnosti studiranja / An Information Model and Software Support for Prediction of Student Success in StudyingSimeunović Vlado 11 May 2016 (has links)
<p>U radu je prikazan model podataka koji omogućava<br />predviđanje uspješnosti studiranja na visokoškolskim<br />ustanovama, kao i analizu više tehnika predikcije.<br />Pored toga, prikazuje i prototipsku implementaciju<br />informacionog sistema za upravljanje obrazovnim<br />procesom koji omogućava korišćenje predikcije u<br />realnim informacionim sistemima.</p> / <p>The paper presents a data model that facilitates<br />prediction of students success in studying, as well as<br />a review of prediction techniques. It also presents a<br />prototype implementation of a learning management<br />information system that enables the use of prediction<br />of success in studying and represents a real-world<br />use case.</p>
|
2 |
Struktura ličnosti, kognitivni stil, afektivna regulacija i demografske varijable kao prediktori agresivnog ponašanja kod počinilaca krivičnih dela / Structure of personality, cognitive style, emotionregulation and demographic factors as predictorsof aggressive behaviour in offendersKolundžija Ksenija 09 March 2015 (has links)
<p>Ekstremni vidovi ispoljavanja agresije u vidu krivičnih dela nasilja su univerzalni<br />fenomeni, prepoznati u svim društvima i kulturama. Iako se radi o relativno nefrekventnim<br />događajima, trend nasilničkog ponašanja raste i predstavlja problem od šireg društvenog značaja.<br />Ishod višedecenijskog izučavanja agresivnosti ogleda se u detektovanju velikog broja prediktora<br />agresivnog ponašanja, pri čemu su se faktori agresivnosti najčešće izučavali izolovano. Kao<br />referentni okvir za ovo istraživanje poslužio nam je Opšti model agresivnosti koji podrazumeva<br />međusobnu interakciju različitih faktora u generisanju agresivnog ponašanja. Osnovni cilj ovog<br />istraživanja se odnosi na rasvetljavanje glavnih i interaktivnih efekta prediktora, a što doprinosi<br />boljem razumevanju uslova pod kojima se povećava ili smanjuje verovatnoća realizacije<br />agresivnog ponašanja, u kontekstu krivičnih dela.<br />Istraživanjem je obuhvaćeno 200 ispitanika, muškog pola, podeljenih u dve grupe.<br />Kriterijsku grupu činilo je 100 ispitanika koji su bili na izdržavanju kazne u Kazneno popravnom<br />zatvoru u Sremskoj Mitrovici, zbog krivičnog dela nasilja. Kontrolnu grupu činilo je 100<br />ispitnanika koji u svojoj istoriji nisu imali izvršeno ni jedno krivično delo. Ispitanici su<br />ujednačeni u odnosu na psihijatrijsku dijagnozu.<br />Organizovan je korelacioni nacrt, a rezultati su obrađeni kroz transferzalnu perspektivu.<br />Ispitivanje interaktivnog uticaja prediktorskih varijabli sprovedeno je putem ispitivanja<br />moderacije.<br />Rezultati istraživanja pokazuju da je na osnovu personološko-dispozicionih, kognitivnoemocionalnih<br />i socio-emografskih prediktora moguće razlikovati grupu počinilaca krivičnog dela<br />nasilja u odnosu na ispitanike koji nikada nisu počinili krivično delo. Konkretnije, grupu<br />počinilaca krivičnih dela nasilja karakteriše viši stepen izraženosti sve tri Eysenck-ove<br />dimenzije, viši stepen sklonosti ka agresivnom ponašanju, viši stepen izraženosti psihopatske<br />devijacije, dok se po pitanju stepena samopoštovanja ne razlikuju u odnosu na kontrolnu grupu.<br />Počinioci krivičnog dela nasilja imaju specifičan kognitivni stil koji je obeležen većim<br />prisustvom agresivnih fantazija, neefikasnom kontrolom agresivnih i neprijatnih misli, većim<br />prisustvom iracionalnih uverenja, uz češće korišćenje supresije, kao neadekvatne strategije<br />vi<br />emocionalne regulacije. Takođe, počinioci krivičnog dela potiču iz porodica sa većim stepenom<br />alkoholizma (isključivo oca), u većoj meri su bili izloženi nasilju u formativnom periodu, imaju<br />niži stepen obrazovanja i ređe imaju stalno zaposlenje. Međutim, kada se ovi brojni faktori<br />agresivnosti posmatraju kroz prizmu multivarijatnog modela predikcije, samo mali broj ostvaruje<br />glavni prediktivni doprinos. Izdvojili su se sledeći prediktori: sklonost ka antisocijalnom<br />ponašanju, samopoštovanje, netolerancija životnih događaja, supresija, reprocenjivanje i<br />obrazovni status. Ispitujući interaktivan efekat prediktorskih varijabili i psihopatije, kao<br />moderator varijable, rezultati pokazuju da različit stepen izraženosti subdimenzija psihopatije<br />predstavlja uslov pod kojim personološko-dispozicione varijable ostvaruju značajan doprinos u<br />prdikciji agresivnog ponašanja.<br />Uzimajući u obzir da su se kognitivno-emocionalni faktori koji su podložni promeni<br />izdvojili kao značajni prediktori, praktičan cilj istraživanja ogleda se u primeni nalaza<br />istraživanja na proces rehabilitacije počinilaca agresivnih krivičnih dela</p> / <p>Extreme forms of aggression manifestations, in terms of violent crimes, are universal<br />phenomena recognized in all societies and cultures. Although these are relatively small<br />frequency events, the trend of violent behaviour is growing and represents a problem of wider<br />social significance. The result of multiple decades researches of human aggression is the<br />detection of a large number of aggressive behaviour predictors, where the aggression factors<br />were most commonly studied as isolated ones. As a reference framework for this research, the<br />General Aggression Model was used, as it comprehends different factors mutual interaction in<br />generation of aggressive behaviour. The basic aim of this research is to put some more light to<br />the main and interactive predictor effects, which contributes to better understanding of the<br />conditions under which the probability of realization of the aggressive behaviour is rising or<br />lowering, in terms of criminal acts.<br />The research was performed on 200 male subjects divided into two groups. The criteria<br />group was formed out of 100 subjects who are imprisoned in Sremska Mitrovica Penitentiary for<br />violent crimes. The control group was formed out of 100 subjects who do not have a criminal<br />history at all. The subjects are uniform with relation to psychiatric diagnosis.<br />Correlation design was organized and the results were processed through transversal<br />perspective. Examination of the interactive influence of the predictor variables was performed<br />through moderation.<br />Research results show that it is possible to distinguish the group of violence offenders<br />from the group of subjects with no criminal history at all, on the basis of personologicaldispositional,<br />cognitive-emotional and socio-demographical predictors. Specifically, the group of<br />violent offenders is characterized by the higher level of expression of all three Eysenck<br />dimensions, higher level of inclination to aggressive behaviour, higher level of expression of<br />psychopathic deviation, while the level of self-esteem is no different to the control group.<br />Violent offenders have a specific cognitive style which is marked by higher presence of<br />aggressive fantasies, non-efficient control of aggressive and unwanted thoughts, higher presence<br />of irrational beliefs, with more frequent use of suppression as inadequate strategy for emotional<br />viii<br />regulation. Also, violent offenders come from families with higher level of alcoholism (father<br />only), they have been exposed to violence to a bigger extent in their formation period, they have<br />a lower level of education and less frequently have a permanent employment. However, when<br />these numerous factors of aggression are observed through the prism of multivariate model of<br />prediction, only a small number of factors realize the main predictive effect. The following<br />predictors are noted as significant: inclination to antisocial behaviour, self-esteem, low<br />frustration tolerance beliefs, suppression, reappraisal and educational status. Examination of<br />interactive effect of predictor variables and psychopathy, as moderator variable, gives results<br />which show that different degree of expression of psychopathy sub-dimensions represents the<br />condition under which the personological-dispositional variables give significant contribution to<br />aggressive behaviour prediction.<br />Taking into account that the cognitive-emotional factors which are subject of change are<br />shown to be significant predictors, the practical aim of this research is to apply the research<br />results in violent offenders’ rehabilitation process.</p>
|
3 |
Application of innovative methods of machine learning in Biosystems / Примена иновативних метода машинског учења у биосистемима / Primena inovativnih metoda mašinskog učenja u biosistemimaMarko Oskar 22 February 2019 (has links)
<p>The topic of the research in this dissertation is the application of machine<br />learning in solving problems characteristic to biosystems, with special<br />emphasis on agriculture. Firstly, an innovative regression algorithm based on<br />big data was presented, that was used for yield prediction. The predictions<br />were then used as an input for the improved portfolio optimisation algorithm,<br />so that appropriate soybean varieties could be selected for fields with<br />distinctive parameters. Lastly, a multi-objective optimisation problem was set<br />up and solved using a novel method for categorical evolutionary algorithm<br />based on NSGA-III.</p> / <p>Предмет истраживања докторске дисертације је примена машинског учења у решавању проблема карактеристичних за биосистемe са нагласком на пољопривреду. Најпре је представљен иновативни алгоритам за регресију који је примењен на великој количини података како би се са предиковали приноси. На основу предикција одабране су одговарајуће сорте соје за њиве са одређеним карактеристикама унапређеним алгоритмом оптимизације портфолија. Напослетку је постављен оптимизациони проблем одређивања сетвене структуре са вишеструким функцијама циља који је решен иновативном методом, категоричким еволутивним алгоритмом заснованом на NSGA-III алгоритму.</p> / <p>Predmet istraživanja doktorske disertacije je primena mašinskog učenja u rešavanju problema karakterističnih za biosisteme sa naglaskom na poljoprivredu. Najpre je predstavljen inovativni algoritam za regresiju koji je primenjen na velikoj količini podataka kako bi se sa predikovali prinosi. Na osnovu predikcija odabrane su odgovarajuće sorte soje za njive sa određenim karakteristikama unapređenim algoritmom optimizacije portfolija. Naposletku je postavljen optimizacioni problem određivanja setvene strukture sa višestrukim funkcijama cilja koji je rešen inovativnom metodom, kategoričkim evolutivnim algoritmom zasnovanom na NSGA-III algoritmu.</p>
|
4 |
Предиктивни модел фреквенције саобраћајних незгода на руралним путевима / Prediktivni model frekvencije saobraćajnih nezgoda na ruralnim putevima / Accident frequency prediction model for rural roadsMićić Spasoje 07 December 2019 (has links)
<p>Примарни задатак ове докторске дисертације је развој предиктивног<br />модела фреквенције саобраћајних незгода на руралним путевима.<br />Секундарни циљ је процјена ефеката саобраћајних и геометријских<br />варијабли на фреквенцију саобраћајних незгода. Резултати<br />истраживања су показали да је најбоље перформансе, у погледу<br />слагања са стварним подацима и предвиђања саобраћајних незгода, у<br />односу на друге конкурентске моделе показао НБ модел. Постављено<br />ограничење брзине има највећи релативни утицај на фреквенцију<br />укупног броја саобраћајних незгода и саобраћајних незгода са<br />настрадалим лицима. На фреквенцију саобраћајних незгода са<br />материјалном штетом највећи релативни утицај има дужина сегмента.</p> / <p>Primarni zadatak ove doktorske disertacije je razvoj prediktivnog<br />modela frekvencije saobraćajnih nezgoda na ruralnim putevima.<br />Sekundarni cilj je procjena efekata saobraćajnih i geometrijskih<br />varijabli na frekvenciju saobraćajnih nezgoda. Rezultati<br />istraživanja su pokazali da je najbolje performanse, u pogledu<br />slaganja sa stvarnim podacima i predviđanja saobraćajnih nezgoda, u<br />odnosu na druge konkurentske modele pokazao NB model. Postavljeno<br />ograničenje brzine ima najveći relativni uticaj na frekvenciju<br />ukupnog broja saobraćajnih nezgoda i saobraćajnih nezgoda sa<br />nastradalim licima. Na frekvenciju saobraćajnih nezgoda sa<br />materijalnom štetom najveći relativni uticaj ima dužina segmenta.</p> / <p>The primary objective of this doctoral dissertation is the development of the<br />accident frequency predictive model on rural roads. The secondary objective<br />is to evaluate the effects of traffic and geometric variables on the accident<br />frequency. The results of the research showed that the best performance, in<br />terms of goodness-of-fit measures and predicting accidents, was shown by<br />the NB model in comparison with other competing models. Posted speed<br />limit has the highest relative influence on the accident frequency of the total<br />number of accidents and the fatal and injury accidents. The independent<br />variable segment lenht has the greatest relative influence on the accidents<br />with property damage frequency.</p>
|
5 |
Predlog nove mere za ocenu kvaliteta slike prilikom interpolacije i njena implementacija u računarskoj obradi signal slike / The proposal of new measures for assessing the picture quality when interpolation and its implementation in the computer processing of the image signalMaksimović-Moićević Sanja 21 October 2015 (has links)
<p>Osnovni doprinos ove doktorske disertacije je razvoj algortima i sistema za objektivnu procenu vizuelnog kvaliteta slike uzimajući u obzir najvažnija moguća oštećenja kao što su zamućenje ivica (oštrina) i poremećaj prirodnog izgleda teksture objekata na slici sa jedne strane i uticaj sadržaja slike (procenta ivica u slici) na procenu kvaliteta sa druge strane. Dakle, hipoteza izneta u ovom radu je da je potreban multiparametarski pristup da bi se dobila objektivna procena kvaliteta slike koja je što približnija subjektivnoj proceni.</p>
|
Page generated in 0.0496 seconds