Lokacija
Storitve
Laboratorij za telekomunikacije (LTFE)
Uporaba umetne inteligence v telekomunikacijah in kibernetski varnosti vključuje avtomatizacijo, prepoznavanje slik/obrazov, obdelavo naravnega jezika, analizo podatkov in odločanje, pri čemer slednje vključuje izboljšano upravljanje informacij in sposobnost napovedovanja.
https://ltfe.org/
https://ltfe.org/
Laboratorij za strojno inteligenco (LSI)
Raziskovalno delo laboratorija je usmerjeno predvsem v: govorne in slikovne tehnologije, računalniški in strojni vid, strojno učenje, umetno inteligenco in razpoznavanje vzorcev. V okviru dela na govornih tehnologijah se člani laboratorija posvečajo problemom kot je samodejno razpoznavanje (slovenskega) govora, sintetiziranje (slovenskega, emocionalno obarvanega) govora, razpoznavanje govorcev, izgradnji sistemov za dialog, prostorsko lokalizacijo na podlagi akustičnih signalov, komunikaciji človek-stroj, ipd.
https://lmi.fe.uni-lj.si/sl/dom/
https://lmi.fe.uni-lj.si/sl/dom/
UIAs - UI asistent za izobraževanje in usposabljanje ter mikrodokazila
Asistent na podlagi umetne inteligence omogoča personalizirano izobraževanje, prilagojeno potrebam posameznega učenca, dijaka, študenta ali zaposlenega v okolju javne uprave. Bazira na lastnih, mednarodno preverjenih, verodostojnih virih. Analizira učne navade, predlaga prilagojene vsebine, nudi sprotna preverjanja znanja. Izboljšuje motivacijo, učinkovitost učenja ter zagotavlja podporo pri doseganju učnih ciljev. Rešitev ne zahteva kompleksnega znanja s strani izvajalcev pedagoškega procesa.
Razpoznavanje topologije NN omrežja z AI
Trenutno imajo elektro distribucije ogromne težave zaradi nepoznavanja topologije nizkonapetostnega omrežja in ročna ureditev topologije bi bila prepočasna in predraga. Rešitev se kaže v avtomatiziranem prepoznavanju topologije iz števčnih meritev z uporabo strojnega učenja.
CyberLab
CyberLab je platforma za spremljanje podatkov o kibernetskih grožnjah, ki deluje na osnovi analitike podatkov, zbranih preko honeypotov in drugih senzorjev doma in po svetu. Temelji na veliki količini in široki množici omrežnih in aplikacijskih podatkov, ki jih najprej obogatimo z zunajimi viri, za njihovo analizo pa uporabljamo različne pristope, vključno z umetno inteligenco (klasificiranje in razpoznava groženj, klasificiranje napadalcev, ocena škodljivosti napada, detekcija scannerjev).
Sistem za zaznavanje globokih ponaredkov (DeepFakes)
V Laboratoriju za strojno inteligenco (LSI) razvijamo metode za zaznavanje ponarejenih in manipuliranih video posnetkov in slik, ki se odlikujejo z visoko stopnjo uspešnosti zaznavanja globokih ponaredkov (angl. DeepFakes), tudi takšnih, ki niso bili zajeti v učnih podatkih. Razvili smo rešitev, ki jo je mogoče enostavno vgraditi v delujoč sistem za zaznavanje globokih ponaredkov, s čimer je mogoče zagotoviti učinkovitejše preverjanje avtentičnosti vizualnih vsebin, kot so različni video posnetki in slike.
Prilagojeni razpoznavalnik slovenskih narečij
V Laboratoriju za strojno inteligenco razvijamo prilagodljive razpoznavalnike govora, ki omogočajo razpoznavanje slovenskih narečij, kot je rezijanščina. Sistem temelji na naprednih metodah strojnega učenja ter vključuje akustične in jezikovne prilagoditve, kar omogoča natančno transkripcijo narečnega govora. Rešitev je uporabna za dokumentiranje kulturne dediščine, podnaslavljanje medijskih vsebin in izboljšanje komunikacije v javnem sektorju.
Odprava posledic potvarjanja v globalnih satelitskih navigacijskih sistemih (GNSS)
Sodobni GNSS se soočajo s povečanim obsegom napadov z namenom onemogočanja točne časovne sinhronizacije in določanja položaja. Orodja UI omogočajo rekonstrukcijo degradiranih signalov, kot posledice potvarjanja, za zagotavljanje nemotenega določanja položaja in precizne časovne sinhronizacije. Rešitev temelji na analizi časovnih vrst v realnem času, rekonstrukciji I/Q vzorcev po frekvenčni obdelavi in zagotavljanje povratne zanke pri učnem procesu dinamičnih modelov za adaptivno prilagajanje.
Senzorski sistemi z UI v športu in rehabilitaciji
Projekt se osredotoča na razvoj rešitve za podajanje povratne informacije v realnem času med izvedbo gibanja ali gibalnih vzorcev pri rekreaciji, športni vadbi in rehabilitaciji. Cilj je razviti nosljive senzorske naprave, ki bodo s pomočjo zajemanja gibanja in uporabo metod signalne analize in UI uporabnikom nudile raznovrstne uporabne informacije v zvezi z njihovimi aktivnostmi. Tu sta še posebej obetavni področji rehabiltacije po poškodbah in zmanjševanje možnosti poškodb med športno vadbo.
Eko asistent
Ideja Eko asistenta je ustvartiti "chat bot" podporo Borzenovi kontakti točki, ki bi bil naučen na Borzenovih/Slovenskih dokumentih, in bi hitro in točno odgovarjal na zastavljena vprašnja glede subvencij, postopkov, nasvetov in usmerjal na nadaljne korake. Chat bi tako pomagal končnim uporabnikom, notranjim Borzenovim delavcem ter zunanjim energetskim svetovalcem.
Vodenje nizkonapetostnega omrežja na osnovi globokega spodbujevanega učenja
Rešitev uporablja globoko spodbujevano učenje (ang. reinforcement learning) za napredno vodenje nizkonapetostnega omrežja. Sistem se sproti prilagaja spremembam v omrežju, optimizira delovanje in povečuje učinkovitost. S pomočjo podatkovnega učenja agent razvija strategije za optimalno odločanje, kar zmanjšuje stroške in povečuje zanesljivost omrežja. Avtomatizirano prilagajanje omogoča hitro odzivanje na dinamične razmere, ki jih povzroča nepredvidljivo obnašanje novih naprav v omrežju.
Dolgoročno načrtovanje nizkonapetostnega distribucijskega omrežja na dejanskih modelih z uporabno hibridne metode Monte Carlo
Rešitev bo temeljila na matematični formulaciji reprezentativnih scenarijev na podlagi gručenja, pomembnostnega vzorčenja in vpeljavi nadgrajene hibridne metode Monte Carlo. Predviden rezultat raziskave bo celovit pristop k dolgoročnemu načrtovanju nizkonapetostnega distribucijskega omrežja z upoštevanjem negotovosti s stališča novo priključenih naprav. Rešitev bo preizkušena na simulacijskih modelih realnih slovenskih distribucijskih omrežij za opazovano daljše časovno obdobje.
SimFit2Drive
Digitalna rešitev za ocenjevanje vozniških sposobnosti starostnikov in voznikov z nevrološkimi motnjami s pomočjo simuliranega okolja. Cilj je razvoj avtomatiziranega testa, ki preverja senzorno-motorične in kognitivne sposobnosti ter njihove kompenzacijske mehanizme. UI v analizi podatkov omogoča širšo diagnostiko različnih nevroloških in nevrodegenerativnih bolezni. Rešitev bo neposredno izboljšala varnost v prometu, posredno pa omogočila celostno rehabilitacijo tudi po nevroloških boleznih.
Kalkulator prihrankov uporabe baterijskega hranilnika
Na podlagi zgodovine porabe električne energije gospodinjstva zgradimo model, ki za prihodnost napove urno porabe električne energije. Na podlagi znane cene energije v prihodnosti in napovedane porabe krmilimo baterijski hranilnik tako, da je cena energije iz omrežja za uporabnika čim nižja.
Pametno kmetijstvo
Digitalna platforma in mobilna aplikacija podprta z umetno inteligenco analizirata vremenske razmere, vlago in stanje tal ter napovedujeta bolezni trte. Vinogradniki lahko na podlagi teh podatkov pravočasno ukrepajo, zmanjšajo uporabo škropiv in gnojil ter optimizirajo pridelavo. Rešitev prispeva k trajnostnemu upravljanju vinogradov, izboljšuje rodovitnost tal ter pomaga ohranjati biotsko raznovrstnost. Podobno rešitev razvijamo tudi za čebelarje, da bi podprli zdravje čebeljih družin.
Predmeti 1. in 2. stopnje smer Elektrotehnika: Osnove in Umetni inteligentni sistemi
Na predavanjih so podane teoretične osnove vseh obravnavanih modelov in metod. Predstavljeni so tudi računski primeri, ki ponazarjajo ključne značilnosti predstavljenih metod. Študentom je kot osnovno študijsko gradivo na razpolago skripta z drsnicami s predavanj. V okviru predavanja študenti dobijo neobvezne domače naloge, ki vključujejo nekaj teoretičnih vprašanj in tudi nekaj računskih nalog, katerih namen je sprotno preverjanje pridobljenega znanja. Praktično delo poteka v okviru laboratorijskih vaj, kjer študenti rešujejo predvsem zadane programerske naloge. V okviru laboratorijskih vaj študenti izvedejo še izbirne projekte, v okviru katerih udejanjijo izbrane umetne inteligentne sisteme ali njihovo izbrano ključno komponento za izbrano področje uporabe, oziroma izvedejo poglobljene študije obstoječih umetnih inteligentnih sistemov. O rezultatih izbirnih projektov poročajo v pisnih poročilih.
https://fe.uni-lj.si/predmeti/umetni-inteligentni-sistemi/
https://fe.uni-lj.si/predmeti/umetni-inteligentni-sistemi/
