prikaz prve stranice dokumenta KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
  Preuzmi
PDF 2.28 MB
diplomski rad
KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
2023. urn:nbn:hr:190:186797
Cestar, Toni
Sveučilište u Rijeci
Tehnički fakultet

Citirajte ovaj rad

Cestar, T. (2023). KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, Toni. "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, Toni. "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar, T. (2023). 'KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 11.04.2024., https://urn.nsk.hr/urn:nbn:hr:190:186797

Cestar T. KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2023 [pristupljeno 11.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:186797

T. Cestar, "KLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:186797

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:186797
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovKLASIFIKACIJA INCIDENATA SA SUDJELOVANJEM BESPILOTNIH LETJELICA ZASNOVANA NA STROJNOM UČENJU
Naslov (engleski)CLASSIFICATION OF INCIDENTS INVOLVING UNMANNED VEHICLES BASED ON MACHINE LEARNING
AutorToni Cestar
MentorRenato Filjar (mentor)
MBZ: 222181
Član povjerenstvaJonatan Lerga (predsjednik povjerenstva)
Član povjerenstvaZoran Čarija (član povjerenstva)
Član povjerenstvaRenato Filjar (član povjerenstva)
MBZ: 222181
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
Rijeka
Datum i država obrane2023-09-20, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Programsko inženjerstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:186797
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2023-09-15 12:57:33