prikaz prve stranice dokumenta Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja
No public access
master's thesis
Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:584821
Mijić, Andrija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Mijić, A. (2022). Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:584821

Mijić, Andrija. "Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:584821

Mijić, Andrija. "Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:584821

Mijić, A. (2022). 'Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:584821

Mijić A. Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:584821

A. Mijić, "Sustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:584821

Metadata
TitleSustav za stvarnovremensku procjenu parametara vožnje bicikla temeljen na metodama strojnog učenja
Title (english)Real-Time System for Bicycle Riding Parameters Estimation Based on Machine Learing Methods
AuthorAndrija Mijić
MentorHrvoje Džapo (mentor)
Committee memberHrvoje Džapo (predsjednik povjerenstva)
Committee memberMario Cifrek (član povjerenstva)
Committee memberŽeljka Lučev Vasić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-02-25, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U okviru diplomskog rada razvijen je sustav za prikupljanje podataka na električnom biciklu. Sustav se sastoji od STM32F4 Discovery kao centralne procesorske jedinice, inercijskog senzora ICM-20948, barometra DPS368 Shield2Go i RTK sustava za pozicioniranje Emlid Reach. Senzorski podaci snimaju se na SD karticu, pri čemu je posebna pažnja posvećena vremenskoj sinkronizaciji podataka iz različitih izvora. Podaci dobiveni eksperimentalnom vožnjom obrađeni su i korišteni za treniranje umjetne neuronske mreže. Za treniranje mreža korišteni su alati Tensorflow i Google Colab, pri čemu je Tensorflow korišten za razvoj umjetne neuronske mreže dok je Google Colab korišten kao razvojno okruženje. Proučene su mogućnosti postavljanje trenirane umjetne neuronske mreže na ugradbeni računalni sustav DART-MX.
Abstract (english)
In this thesis a system for sensor data acquisition for electric bicycle was developed. The system consists of: STM32F4 Discovery board (CPU unit), ICM-20948 inertial sensor, DPS368 Shield2Go barometer, and Emlid Reach RTK positioning system. Sensor data was recorded on the SD card, with special attention to the time synchronization of sensor data obtained from different sources. Data obtained by experimental driving were processed and used for training of artificial neural network. Tensorflow and Google Colab were used to train neural networks, where Tensorflow was used to develop neural network while Google Colab was used as a development environment. Process of transfering a neural network on the embedded computer system DART-MX was studied.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:584821
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 13:07:50