prikaz prve stranice dokumenta Klasifikacija potrošača lijekova primjenom umjetne inteligencije
Pristup korisnicima matične ustanove
diplomski rad
Klasifikacija potrošača lijekova primjenom umjetne inteligencije
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2020. urn:nbn:hr:190:152370
Tolja, Katarina
Sveučilište u Rijeci
Tehnički fakultet
Zavod za automatiku i elektroniku
Katedra za elektroniku, robotiku i automatiku

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Tolja, K. (2020). Klasifikacija potrošača lijekova primjenom umjetne inteligencije (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:152370

Tolja, Katarina. "Klasifikacija potrošača lijekova primjenom umjetne inteligencije." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:152370

Tolja, Katarina. "Klasifikacija potrošača lijekova primjenom umjetne inteligencije." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:152370

Tolja, K. (2020). 'Klasifikacija potrošača lijekova primjenom umjetne inteligencije', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 16.05.2024., https://urn.nsk.hr/urn:nbn:hr:190:152370

Tolja K. Klasifikacija potrošača lijekova primjenom umjetne inteligencije [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2020 [pristupljeno 16.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:152370

K. Tolja, "Klasifikacija potrošača lijekova primjenom umjetne inteligencije", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:152370

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:152370
Podaci o radu
NaslovKlasifikacija potrošača lijekova primjenom umjetne inteligencije
Naslov (engleski)Classification of medication consumers using artificial intelligence methods
AutorKatarina Tolja
MentorZlatan Car (mentor)
Član povjerenstvaIvan Volarić (predsjednik povjerenstva)
Član povjerenstvaZlatan Car (član povjerenstva)
Član povjerenstvaDario Matika (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za automatiku i elektroniku)
(Katedra za elektroniku, robotiku i automatiku)
Rijeka
Datum i država obrane2020-11-26, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Elaine Fehrman je u vremenskom razdoblju od ožujka 2011. do ožujka 2012. godine prikupio podatke o konzumacije lijekova. Upotrebljiv uzorak sačinjavao se od 1885 sudionika. Rad je osvrnut na 4 bitne supstance: alkohol, ecstasy, kanabis i nikotin. Za svaku supstancu će primijeniti binarna i višeklasna klasifikacija Potom se u svrhu rješavanja problema klasifikacije na bazu podataka se primjenjuju sljedeći algoritmi: višeslojni perceptron (MLP), metoda potpornih vektora (SVM) i k- najbliži susjedi (KNN). Implementiraju se različiti parametri pojedinog algoritma te se promatraju dobivene metrike. Eksperimentalni rezultati su na kraju doveli do zaključka da KNN i SVM metode postižu najviše AUC vrijednost u usporedbi s MLP metodama. Između te dvije metode ne postoje prevelike razlike u AUC vrijednostima. Taj rezultat se odnosi na binarnu klasifikaciju, kako višeklasna klasifikacija ne pridonosi efektivnom rješavanju problema klasifikacije. Eksperimentalni rezultati na višeklasnu klasifikaciju doveli su do zaključka da SVM metoda postiže najviše AUC vrijednosti.
Sažetak (engleski)
Elaine Fehrman collected data on drug consumption in the period from March 2011 to March 2012. The usable sample consisted of 1885 participants. The paper looks at 4 essential substances: alcohol, ecstasy, cannabis and nicotine. Binary and multiclass classification are applied to each substance. The following algorithms are then applied to the database to solve the classification problem: multilayer perceptron (MLP), Support Vector method (SVM) and k-nearest neighbors (KNN). Different parameters of each algorithm are implemented and the obtained metrics are observed. The experimental results eventually led to the conclusion that KNN and SVM methods achieve the highest AUC value compared to MLP methods. There are not too large differences in AUC values between the two methods. This result refers to binary classification, as multiclass classification does not contribute to the effective solution of the classification problem. Experimental results on multiclass classification led to the conclusion that the SVM method achieves the highest AUC values.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:152370
Studijski programNaziv: Elektrotehnika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike (mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-09-28 07:00:57