prikaz prve stranice dokumenta Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja
  Download
PDF 4.48 MB
master's thesis
Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja
Zagreb: University of Zagreb, Faculty of Science, 2021. urn:nbn:hr:217:132676
Jelić, Borna
University of Zagreb
Faculty of Science
Department of Physics

Institutional repository: Repository of the Faculty of Science

Cite this document

Jelić, B. (2021). Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:132676

Jelić, Borna. "Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2021. https://urn.nsk.hr/urn:nbn:hr:217:132676

Jelić, Borna. "Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2021. https://urn.nsk.hr/urn:nbn:hr:217:132676

Jelić, B. (2021). 'Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja', Master's thesis, University of Zagreb, Faculty of Science, accessed 13 May 2024, https://urn.nsk.hr/urn:nbn:hr:217:132676

Jelić B. Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2021 [cited 2024 May 13] Available at: https://urn.nsk.hr/urn:nbn:hr:217:132676

B. Jelić, "Istraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:217:132676

Metadata
TitleIstraživanje temperatura taljenja i kristalnih struktura metala primjenom strojnog učenja
Title (english)Study of melting temperatures and crystal structures of metals using machine learning
AuthorBorna Jelić
MentorGoranka Bilalbegović (mentor)
Committee memberGoranka Bilalbegović (predsjednik povjerenstva)
Committee memberIvan Kupčić (član povjerenstva)
Committee memberMaja Planinić (član povjerenstva)
Committee memberMario Basletić (član povjerenstva)
Committee memberDanko Radić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Physics)
Zagreb
Defense date and country2021-03-26, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Physics
Abstract
Strojno učenje postaje sve značajnije za znanost i gospodarstvo. U ovom diplomskom radu se za analizu osobina elementarnih metala koriste metode nadziranog strojnog učenja linearna regresija i neuronske mreže. Metodom linearne regresije analizirane su korelacije temperatura taljenja za Youngove module elastičnosti, konstante rešetke i koeficijente linearne termičke ekspanzije. Primjenom neuronskih mreža ispitana je mogućnost predviđanja strukture kristalne rešetke metala. U metodičkom poglavlju predstavljeno je upoznavanje sa strojnim učenjem za učenike četvrtog razreda srednjih škola i to za k-sredine, algoritam nenadziranog strojnog učenja. Korišten je programski jezik Python i njegove biblioteke za strojno učenje.
Abstract (english)
Machine learning is becoming increasingly important for science and economics. In this diploma thesis, the methods of supervised machine learning, linear regression and neural networks, are used to analyze the properties of elemental metals. The correlations of melting temperatures for Young ’s modulus of elasticity, lattice constants and coefficients of linear thermal expansion were analyzed by the linear regression method. The possibility of predicting the structure of the metal crystal lattice was investigated using neural networks. The methodical section presents the introduction to machine learning for fourth grade high school students using k-means, an algorithm of unsupervised machine learning. The Python programming language and its machine learning libraries were used.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:217:132676
Study programmeTitle: Physics and Computer Science; specializations in: Education
Course: Education
Study programme type: university
Study level: integrated undergraduate and graduate
Academic / professional title: magistar/magistra fizike i informatike (magistar/magistra fizike i informatike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2021-04-28 11:29:20