prikaz prve stranice dokumenta Razumijevanje prirodnog jezika korištenjem dubokog učenja
  Preuzmi
PDF 2.27 MB
završni rad
Razumijevanje prirodnog jezika korištenjem dubokog učenja
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. urn:nbn:hr:200:016691
Müler, Marko
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Müler, M. (2021). Razumijevanje prirodnog jezika korištenjem dubokog učenja (Završni rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:016691

Müler, Marko. "Razumijevanje prirodnog jezika korištenjem dubokog učenja." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:016691

Müler, Marko. "Razumijevanje prirodnog jezika korištenjem dubokog učenja." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2021. https://urn.nsk.hr/urn:nbn:hr:200:016691

Müler, M. (2021). 'Razumijevanje prirodnog jezika korištenjem dubokog učenja', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:016691

Müler M. Razumijevanje prirodnog jezika korištenjem dubokog učenja [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2021 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:016691

M. Müler, "Razumijevanje prirodnog jezika korištenjem dubokog učenja", Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:016691

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:016691
Podaci o radu
NaslovRazumijevanje prirodnog jezika korištenjem dubokog učenja
Naslov (engleski)Understanding natural language using deep learning
AutorMarko Müler
MentorIrena Galić (mentor)
MentorHrvoje Leventić (sumentor)
Član povjerenstvaIrena Galić (predsjednik povjerenstva)
Član povjerenstvaČaslav Livada (član povjerenstva)
Član povjerenstvaKrešimir Romić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za vizualno računarstvo)
Osijek
Datum i država obrane2021-10-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Programsko inženjerstvo
Sažetak
U ovom radu obrađena je podjela strojnog učenja, osnove dubokog učenja, neuroni i njihova funkcionalnost, što su neuronske mreže, kako se optimiziraju parametri modela, načini sprječavanja prenaučenosti i obrada prirodnog jezika. Kod obrade opisane su tradicionalne metode pred obrade, reprezentacija riječi i arhitekture dubokog učenja namijenjene za obradu. Navedeni su nedostatci povratnih neuronskih mreža i razvijene arhitekture koje su smanjile te nedostatke. U praktičnom dijelu rada riješen je problem razumijevanja teksta tj. klasifikacije teksta. Prilikom rješavanja problema klasifikacije korišten je ULMFiT pristup, koji se temelji na prijenosnom učenju, korištenju diskriminativnih stopa učenja i 1cycle pravila. Istrenirani model postigao je točnost od 91.5%. U svrhu prikaza mogućnosti istreniranog modela napravljeno je jednostavno korisničko sučelje.
Sažetak (engleski)
This paper deals with the division of machine learning, the basics of deep learning, neurons and their functionality, neural networks, how model parameters are optimized, how to prevent overfitting and natural language processing. Within natural language this paper delas with preprocessing, word representation and deep learning architectures for natural language processing. The shortcomings of recurrent neural networks and developed architecture that reduce these shortcomings are presented. Practical part of the paper solves the problem of understanding text i.e. text classification. Problem was solved with ULMFiT approach, based on transfer learning, usage of discriminative learning rates and 1cycle policy. The trained model achieved 91.5% accuracy. In order to show the capability of trained model, a simple user interface was made.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:016691
Studijski programNaziv: Elektrotehnika; smjerovi: Elektroenergetika, Automatika, Informatika
Smjer: Informatika
Vrsta studija: stručni
Stupanj studija: preddiplomski
Akademski / stručni naziv: stručni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike (bacc.ing.el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-11-23 14:06:00