Porast porabe električne energije na svetovni ravni je v zadnjih letih vedno več vplivala na okolje. Iniciativa za uporabo sončne energije je tudi vedno bolj vpletena za reševanje dane problematike, pri čemer je zelo prominentna namestitev fotovoltaičnih (angl. photovoltaic, PV) sistemov nad večjimi naseljenimi območji. Pri čemer niso vsa površja primerna za dano namestitev iz ekonomskega kot tudi iz okoljskega stališča. V zadnjih letih je povečana količina podatkov daljinskega zaznavanja omogočila avtomatsko iskanje danih površij nad večjimi geografskimi območji z izračunom PV potenciala. Članek predstavlja novo metodo za izračun neto sedanje vrednosti (angl. net present value) nad potencialnimi PV sistemi, pri čemer se uporabljajo podatki LiDAR (Light Detection And Ranging) ter nelinearne karakteristike učinkovitosti PV sistemov. Prav tako se izračuna okoljski vpliv potencialnega PV sistema z metrikama EPBT (angl. energy payback time) ter GGER (angl. greenhouse gas emission rate), kjer se upošteva celotni življenjski cikel dane PV tehnologije. Obe analizi sta nato združeni, tako da se poiščejo najbolj primerna površja iz ekonomskega in okoljskega stališča za namestitev PV sistemov. Rezultati predstavljajo študijo nad podatki LiDAR urbanega območje, kjer se izračuna ekonomski in okoljski vpliv za vsako stavbo, kot tudi za celotno območje.
COBISS.SI-ID: 19549718
Pri primerjavi metahevrističnih algoritmov je potrebno uporabite najboljše krmilne parametre za vse primerjane algoritme. Vendar slednje vedno ni tako navkljub številnim pristopom za uglaševanje parametrov. Z namenom, da nadalje populariziramo uglaševanje parametrov predstavljamo novo metodo CRS-Tuning, ki temelji na meta-evoluciji in naši novi metodi za primerjavo in rangiranje evolucijskih algoritmov - Šahovski sistem rangiranja za evolucijske algoritme (CRS4EAs). Uspešnost konfiguracije parametrov temelji na rating točkah, odstopanju in intervalu. Tekom vsake iteracije odstranimo signifikantno slabše konfiguracije in nove konfiguracije tvorimo s križanjem in mutacijo. Predlagam pristop smo empirično primerjali z dvema dobro poznanima metodama F-Race in Revac. Vse predstavljene metode imajo svoje prednosti in slabosti. Konfiguracije najdene s CRS-Tuning so primerljive tistim, ki jih najdemo s F-Race in Revac. Kljub temu, da CRS-Tuning ni vedno signifikantno boljša metoda pa ima naslednji prednosti. Uglaševanje parametrov je hitrejše kot v primeru F-Race, kadar imamo opravka s primerljivimi konfiguracijami. Nasprotno od metode Revac pa nima omejitev glede uglaševanja kategoričnih parametrov.
COBISS.SI-ID: 19750166
Ciljno usmerjena mišična reinervacija (CMR) je kirurški postopek, ki se uporablja za preusmeritev živcev iz prvotno nadzorovanih mišic amputiranega uda v preostale mišice nad mestom amputacije, z namenom zdravljenja fantomske bolečine v okončinah in podpore naprednemu upravljanju protetičnih naprav. Kljub njeni učinkovitosti je malo znanega o obnašanju in lastnostih reinerviranih motoričnih enot. V tej študiji smo primerjali lastnosti motoričnih enot mišice pectoralis pri petih osebah po CMR in devetih nevrološko nepoškodovanih preiskovancih (kontrolna skupina). V ta namen smo posneli večkanalne površinske elektromiograme (EMG) in jih dekomponirali v prispevke posameznih akcijskih potencialov motoričnih enot (APME). Površino APME smo normalizirali glede na velikost polja merilnih elektrod. Osebe s CMR so izkazale statistično značilno manjšo normalizirano površino APME (0,25 ± 0,17 v primerjavi s 0,81 ± 0,46, p ( 0,001) in trajanje APME (10,92 ± 3,89 ms v primerjavi s 14,03 ± 3,91 ms, p ( 0,01) kot kontrolna skupina. Povprečna amplituda APME ni bila statistično različna (0,19 ± 0,11 mV v primerjavi s 0,14 ± 0,06 mV, p = 0,07). Ugotovili smo tudi, da se površine APME izdatneje prekrivajo v osebah s CMR. Ti rezultati kažejo, da lahko manjše površine APME pri osebah s CMR zaradi prostorskega prekrivanja otežijo nadzor protetičnih naprav. Dekompozicijo signalov EMG rešuje problem prostorskega prekrivanja APME in lahko bistveno pripomore k učinkovitosti protetičnih naprav.
COBISS.SI-ID: 19367702
Na področju računske inteligence smo povezali evolucijske algoritme z umetnimi nevronskimi mrežami. Pri tem smo umetno nevronsko mrežo uporabili kot lokalno iskanje, s katerim smo hibridizirali ansambel strategij v diferencialni evoluciji, s čemer smo vplivali na način iskanja rešitev v prostoru preiskovanja in na testnih funkcijah CEC-14 pokazali, da je mogoče s to hibridizacijo dodatno izboljšati rezultate diferencialne evolucije.
COBISS.SI-ID: 19305750
Upragovljanje je postopek ločevanja zanimivih predmetov na sliki od ozadja. Izbiro optimalnega pragu lahko obravnavamo kot optimizacijski problem, kjer je izbira optimalne rešitve računsko in časovno zahtevna še posebej takrat, ko število pragov znatno naraste. Ta članek predlaga hibridni algoritem diferencialne evolucije za izbiro optimalnih pragov za vhodno sivinsko sliko s pomočjo Otsujevega kriterija. Hibridizacija je izvedena tako, da znotraj evolucijske zanke diferencialne evolucije, dodamo strategijo za ponastavitev rešitve, ki jo lahko najdemo v algoritmu kukavičje iskanje. Izvedli smo študijo mnogih evolucijskih algoritmov za problem upragovljanja z večjim število pragov, saj mnogo realno-časovnih aplikacij to tudi običajno zahteva za nadaljnje procesiranje. Eksperimente smo izvedli na 11 slikah, ki so tudi pogosto uporabljene v literaturi. Učinkovitost hibrida smo primerjali z naslednjimi algoritmi: kukavičje iskanje, diferencialno evolucijo, diferencialno evolucijo s samo prilagajanjem krmilnih parametrov, optimizacijo z roji delcev in algoritmom na osnovi umetnega roja čebel. Rezultati so pokazali, da hibridni algoritem sivinske slike segmentira bolje kot ostali algoritmi, zajeti v primerjavo, še posebej takrat, ko število pragov povečamo. Ker predlagana metoda potrebuje le dva krmilna parametra je zato tudi primernejša za uporabo v realnih aplikacijah.
COBISS.SI-ID: 19733526