prikaz prve stranice dokumenta Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža
No public access
master's thesis
Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:967425
Kozlik, Marko
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kozlik, M. (2024). Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:967425

Kozlik, Marko. "Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:967425

Kozlik, Marko. "Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:967425

Kozlik, M. (2024). 'Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:967425

Kozlik M. Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 November 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:967425

M. Kozlik, "Određivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:967425

Metadata
TitleOdređivanje minimalnog nezavisnog dominantnog skupa primjenom grafovskih neuronskih mreža
Title (english)Minimal independent dominating set calculation based on graph neural networks
AuthorMarko Kozlik
MentorStjepan Bogdan (mentor)
Committee memberStjepan Bogdan (član povjerenstva)
Committee memberMatko Orsag (član povjerenstva)
Committee memberTamara Petrović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-08-28, Croatia
Abstract
Cilj ovog diplomskog rada je razviti metodu za određivanje minimalnog nezavisnog dominantnog skupa (MIDS) u općenitim grafovima zasnovanu na grafovskim neuronskim mrežama (GNN). Za postizanje ovog cilja, potrebno je najprije proučiti matematičku definiciju i svojstva MIDS-a, kao i postojeće metode za njegovo pronalaženje. Nadalje, potrebno je upoznati se s osnovnim modelima grafovskih neuronskih mreža i napraviti kratak pregled područja njihovih primjena u optimizacijskim problemima. U sljedećem koraku treba generirati skup podataka koji će se sastojati od velikog broja različitih grafova i njihovih MIDS, a služit će za treniranje vlastitog ili nekog od postojećih modela GNN-a. Razvijena metoda validirat će se uspoređujući točnost i brzinu s postojećim metodama te će se razmotriti njena potencijalna primjena na stvarne probleme poput određivanja najutjecajnijih čvorova u više-agentskim sustavima.
Abstract (english)
The goal of this thesis is to develop a method for determining the minimum independent dominant set (MIDS) in general graphs based on graph neural networks (GNN). To achieve this goal, it is first necessary to study the mathematical definition and properties of MIDS, as well as existing methods for finding it. Furthermore, it is necessary to become familiar with the basic models of graph neural networks and to make a brief overview of the field of their applications in optimization problems. In the next step, a data set should be generated, which will consist of a large number of different graphs and their MIDS, and will be used to train a custom or one of the existing GNN models. The developed method will be validated by comparing the accuracy and speed with existing methods, and its potential application to real problems such as determining the most influential nodes in multi-agent systems will be considered.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:967425
Study programmeTitle: Information and Communication Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 21:10:11