prikaz prve stranice dokumenta Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža
  Preuzmi
PDF 1.28 MB
diplomski rad
Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2023. urn:nbn:hr:217:593276
Sesartić, Luka
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Fizički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Sesartić, L. (2023). Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:593276

Sesartić, Luka. "Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:217:593276

Sesartić, Luka. "Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:217:593276

Sesartić, L. (2023). 'Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 22.03.2025., https://urn.nsk.hr/urn:nbn:hr:217:593276

Sesartić L. Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2023 [pristupljeno 22.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:593276

L. Sesartić, "Određivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:593276

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:593276
Podaci o radu
NaslovOdređivanje dinamike fizikalnog sustava pomoću dubokih neuralnih mreža
Naslov (engleski)Determining the dynamics of a physical system using deep neural networks
AutorLuka Sesartić
MentorDavor Horvatić (mentor)
Član povjerenstvaDavor Horvatić (predsjednik povjerenstva)
Član povjerenstvaKatarina Jeličić (član povjerenstva)
Član povjerenstvaMatko Glunčić (član povjerenstva)
Član povjerenstvaNikola Poljak (član povjerenstva)
Član povjerenstvaMaro Cvitan (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Fizički odsjek)
Zagreb
Datum i država obrane2023-09-25, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Fizika
Sažetak
Brz napredak dubokih neuronskih mreža otvorio je nove načine razumijevanja kompleksnih fizičkih sustava. Ovaj diplomski rad istražuje primjenu dubokih neuronskih mreža u određivanju dinamike fizičkih sustava. Ciljevi istraživanja obuhvaćaju razvoj novih metodologija za modeliranje i predviđanje ponašanja dinamičkih sustava, koristeći snagu umjetne inteligencije. Kako bismo postigli ove ciljeve, istražili smo principe rada dubokog učenja i neuronskih mreža. Duboke neuronske mreže učene su i... Više prilagođene korištenjem stvarnih podataka iz fizičkih sustava, omogućavajući relativno precizno karakteriziranje dinamike sustava. Rezultati su pokazali učinkovitost ovog pristupa u modeliranju jednostavnih fizičkih sustava i potencijal za primjenu na složenim sustavima. Ključni nalazi uključuju sposobnost bilježenja jednostavnijih i složenijih obrazaca u ponašanju sustava, parirajući tradicionalnim tehnikama modeliranja u točnosti i prilagodljivosti. Implikacije ovog istraživanja proširuju se na različite domene, uključujući fiziku, strojarstvo i odlučivanje temeljeno na podacima. Zaključno, ovaj diplomski rad pokazuje potencijal dubokih neuronskih mreža kao alata za određivanje dinamike fizičkih sustava. Primjena umjetne inteligencije na takve probleme obećava poboljšanje našeg razumijevanja kompleksnih sustava i olakšavanje stvaranje rješenja temeljenih na podacima. Sakrij dio sažetka
Sažetak (engleski)
The rapid advancement of deep neural networks has opened new avenues for understanding complex physical systems. This master’s thesis explores the application of deep neural networks in determining the dynamics of physical systems. The research objectives include the development of new methodologies for modelling and predicting the behaviour of dynamic systems, and harnessing the power of artificial intelligence. To achieve these objectives, we investigated the principles of deep learning... Više and neural networks. Deep neural networks were trained and adapted using real data from physical systems, enabling a relatively accurate characterization of system dynamics. The results demonstrated the effectiveness of this approach in modelling simple physical systems and its potential for application on more complex systems. Key findings include the ability to capture both simple and more complex patterns in system behaviour, approaching the level of precision and adaptability characteristic of conventional modelling techniques. The implications of this research extend to various domains, including physics, engineering, and data-driven decision-making. In conclusion, this master’s thesis showcases the potential of deep neural networks as tools for determining the dynamics of physical systems. Applying artificial intelligence to such problems promises to enhance our understanding of complex systems and facilitate data-driven solutions. Sakrij dio sažetka
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:593276
Studijski programNaziv: Matematika i fizika; smjerovi: Nastavnički
Smjer: Nastavnički
Vrsta studija: sveučilišni
Stupanj studija: integrirani prijediplomski i diplomski
Akademski / stručni naziv: sveučilišni magistar edukacije matematike i fizike (univ. mag. educ. math. et phys.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-11-23 13:50:05
accessibility

closePristupačnostrefresh

Ako želite spremiti trajne postavke, kliknite Spremi, ako ne - vaše će se postavke poništiti kad zatvorite preglednik.