prikaz prve stranice dokumenta KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
  Download
PDF 2.28 MB
master's thesis
KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
2023. urn:nbn:hr:190:186797
Cestar, Toni
University of Rijeka
Faculty of Engineering

Cite this document

Cestar, T. (2023). KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, Toni. "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU." Master's thesis, University of Rijeka, Faculty of Engineering, 2023. https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, Toni. "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU." Master's thesis, University of Rijeka, Faculty of Engineering, 2023. https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, T. (2023). 'KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 27 November 2024, https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar T. KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2023 [cited 2024 November 27] Available at: https://urn.nsk.hr/urn:nbn:hr:190:186797

T. Cestar, "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:190:186797

Please login to the repository to save this object to your list.
Metadata
TitleKLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
Title (english)CLASSIFICATION OF INCIDENTS INVOLVING UNMANNED VEHICLES BASED ON MACHINE LEARNING
AuthorToni Cestar
MentorRenato Filjar (mentor)
MBZ: 222181
Committee memberJonatan Lerga (predsjednik povjerenstva)
Committee memberZoran Čarija (član povjerenstva)
Committee memberRenato Filjar (član povjerenstva)
MBZ: 222181
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2023-09-20, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Program Engineering
Abstract
Rast korištenja bespilotnih letjelica dovodi do uvođenja novih nacionalnih regulacija zračnog prostora 2017. godine. Istraživanje koristi opisnu statističku obradu podataka i klasifikacijske modele zasnovane na statističkom učenju za usporedbu sigurnosti zračnoga prometa u vremenskom periodu od početka 2000. godine do kraja 2016. godine i vremenskom periodu 2017. godine. Cilj istraživanja je pružiti uvid u rezultat novih nacionalnih regulacija zračnog prostora. Interpretacijom rezultata opisne statističke analize uočeno je povećanje sigurnosti zračnog prometa za područje Ujedinjenog Kraljevstva s iznimkom Londona i njemu šire okolice. Utvrđeno je da komercijalni zračni promet snosi daleko najveći pad u sigurnosti leta rastom korištenja bespilotnih letjelica. Razvijeni klasifikacijski modeli nisu mnogo bolji od nasumičnog pogađanja. Uzrok navedene performanse klasifikacijskih modela su neuravnotežen skup podataka.
Abstract (english)
The growth in the use of drones leads to the introduction of new national airspace regulations in 2017. The research uses exploratory statistical data processing and classification models based on statistical learning to compare air traffic safety in the time period from the beginning of 2000 to the end of 2016 and the time period of 2017. The goal of the research is to provide insight into the results of the new national airspace regulations. By interpreting the results of the exploratory statistical analysis, an increase in air traffic safety was observed for the territory of the United Kingdom with the exception of London and its wider surroundings. Commercial aviation has been found to bear by far the greatest decline in flight safety with the rise in the use of unmanned aerial vehicles. The classification models developed are not much better than random guesses. The cause of the mentioned performance of the classification models is an unbalanced data set.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:186797
Study programmeTitle: Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence Attribution 4.0 International (CC BY 4.0) icon
Created on2023-09-15 12:57:33