Računarstvo

Borenović Dorotea, III razred, Gimnazija “Dušan Vasiljev”, Kikinda

Mentor:
Tešmanović Stefan, Elektrotehnički fakultet, Univerzitet u Beogradu

Ovaj rad se bavi problemom automatskog generisanja plesnih koreografija sa ciljem stvaranja alata koji može ubrzati i inspirisati kreativni proces koreografa. Predstavljen je sistem zasnovan na Markovljevim lancima za generisanje sekvenci u stilovima muzičkog teatra i klasičnog baleta. Kao ključni doprinos, korišćene su matrice tranzicije koje su ručno definisane na osnovu plesnog i koreografskog znanja, dok su fluidni prelazi između pokreta osigurani primenom Catmull-Rom spline interpolacije. Sistem je evaluiran putem ankete na 152 validna ispitanika, podeljenih na osobe sa i bez plesnog iskustva. Rezultati pokazuju visok kvalitet generisanih sekvenci, posebno u stilu muzičkog teatra, gde je 86.4% ispitanika ocenilo pokrete kao glatke i prirodne. Analiza je takođe pokazala da je klasičan balet, kao tehnički stroži žanr, izazovniji za generisanje. Najvažnije, čak 87.5% ispitanika iz grupe osoba sa plesnim iskustvom je potvrdilo da bi im sistem bio koristan kao kreativni asistent. Zaključeno je da predstavljeni metod uspešno generiše estetski prihvatljive sekvence i ima značajan praktični potencijal.

Lejić Lana, III razred, JU SŠC “Jovan Cvijić”, Modriča

Mentor:
Lunić Vladimir, Institut za merenje, upravljanje i mikrotehniku, Univerzitet u Ulmu

Razvoj autonomnih vozila zahteva modele koji,sem optimizacije bezbednost, zahtevaju i oponašanje donošenja odluka kod ljudi i intuiciju u složenim saobraćajnim scenarijima. Ovaj rad predstavlja unapređenu verziju Polja rizika vozača (Driver’s Risk Field, DRF), psihološki inspirisanog okvira za procenu rizika u vožnji. Novi model uvodi nadogradnje poput proširenja vidnog polja na 360°, integraciju dinamičkih prepreka čije se kretanje predviđa uz pomoć prediktivnih modela, kao i definisanje taktičkih troškova za realističnije donošenje odluka u raskrsnicama i zonama sa pešacima. Model je evaluiran kroz simulacije koje obuhvataju scenarije od jednostavnih linearnih puteva do kompleksnih urbanih sredina. Rezultati pokazuju da prošireni DRF značajno smanjuje broj sudara, poboljšava anticipaciju rizika i generiše ponašanje bliže ljudskom načinu vožnje. Ovaj pristup predstavlja korak ka razvoju etički utemeljenih i praktično primenljivih algoritama za autonomna vozila.

Milivojević Sergej, III razred, Elektrotehnička škola “Mihajlo Pupin”, Novi Sad

Mentor:
Bebić Nikola, nezavisni umjetnik

U radu je predložena metoda detekcije funkcionalnih klonova koda u jednojezičnom i višeježičnom okruženju bogaćenjem semantičke reprezentacije programa dobijene od pred-treniranog “UniXcoder” modela sa strukturnim informacijama dobijenim iz grafa toka izvršavanja programa i primenom mehanizama pažnje. Arhitektura mreže koja je korišćena je sijamska neuronska mreža koja koristi kontrastivnu funkciju gubitka kako bi naučila funkciju sličnosti između dva programa. Skup podataka koji je korišćen u ovom radu dobijen je iz “CodeNet” skupa podataka namenjenog za različita istraživanja u mašinskom učenju. U radu je prikazano da u jednojezičnom okruženju eksplicitno razumevanje strukturnih informacija i implementacija mehanizma pažnje značajno poboljšava odziv i preciznost detekcije, a u višejezičnom značajno poboljšava odziv.

Stojanović Iva, III razred, Šesta beogradska gimnazija, Beograd

Mentor:
Korizma Dušan, Elektrotehnički fakultet, Univerzitet u Beogradu

Detekcija sarkazma u rečenicama koje sadrže emotikone predstavlja izazovan zadatak u analizi sentimenta i obradi prirodnog jezika. Emotikoni se često koriste kao vid neverbalnog izražavanja u digitalnoj komunikaciji. Njihova interpretacija može biti višeznačna, što otežava ispravno razumevanje poruke. Cilj istraživanja je da se uporede performanse dva različita modela – fino podešenog BERT i BiLSTM modela u prepoznavanju sarkastičnih rečenica. Korišćen je skup podataka sa preko 26.000 rečenica koje su sadržale emotikone. U fazi pretprocesiranja podataka simboli emotikona su zamenjeni tekstualnim tokenima kako bi modeli mogli da ih tretiraju kao deo lingvističkog konteksta. Eksperimentalni rezultati su pokazali da je BERT postigao ukupnu tačnost 90,02%, dok je BiLSTM model pokazao tačnost 85,52%. Iz rezultata se vidi da je BERT postigao bolje rezultate u odnosu na BiLSTM. Ovi rezultati su potvrdili da transformer arhitekture, poput BERT-a, pružaju naprednije razumevanje konteksta i semantičkih odnosa, što ih čini pogodnijim za rešavanje složenih zadataka kao što je detekcija sarkazma u rečenicama sa emotikonima.

Ramičić Marko, II razred, Gimnazija “Jovan Jovanović Zmaj”, Novi Sad

Mentor:
Kušlaković Nikola, Nordeus

U ovom radu analizirana je efikasnost izvršavanja MapReduce paradigme kroz K-mer algoritam na CPU i GPU arhitekturi. Primijenjene metode uključuju promenu veličine grupe niti, N i k, gde je redom lokalna veličina vrednost koja utiče na ukupan iskorišćeni broj niti, N dužina sekvence i broj k koliki će biti dugačak k-mer. Problem brojanja k-mera je problem koji se bavi nalaženjem jedinstvenih pod-reči dužine k u sekvenci i njihovim brojem pojavljivanja. Pri različitim vrednostima N i konstantnoj veličini grupe niti, može se uočiti linearan rast vremena izvršavanja za svako k. Za svaki broj niti u grupi kada je N konstantno se mogu uočiti varijacije u toku izvršavanja vremena, ali su linije približno paralelne gde je procesor najbrži za malo k, a grafički procesor najsporiji zbog zaokruživanja broja niti koji se ne koriste. Za veće k, program na GPU se brže izvršava. Na preciznost merenja je uticala specifična implementacija SYCL programskog modela, pored operativnog sistema i njegovog šuma. Iako su analizirani algoritmi već ranije uspostavljeni, doprinos ovog rada ogleda se u dobijenim rezultatima i primenjenoj metodologiji merenja.

Cvetković Nađa, IV razred, Gimnazija Mladenovac

Mentori:
Šikuljak Igor, AUMOVIO
Nožinić Stefan, NUTANIX

Numeričko modelovanje atmosferskih procesa predstavlja ključni alat za razumevanje dinamike i hemije stratosfere. U ovom radu korišćen je VULCAN model atmosfere za simulaciju vertikalnih hemijsko-transportnih procesa u Zemljinoj stratosferi. Postojeća verzija modela je obuhvatala osnovne fotohemijske reakcije, ali nije uključivala katalitičke procese razgradnje ozona posredovane azotnim oksidima (NOx). U kontekstu ovog rada, NOx se odnosi na azot-monoksid (NO) i azot-dioksid (NO₂), koji zajedno čine glavni katalitički par u ciklusu razgradnje ozona. U cilju poboljšanja tačnosti simulacije, model je proširen implementacijom NOx ciklusa i unapređenjem transportno-hemijskih parametara, uključujući difuzione koeficijente i izraze za saturaciju hemijskih jedinjenja. Simulacije proširenog modela pokazale su bolje slaganje sa referentnim i eksperimentalnim profilima ozona u stratosferi, u poređenju sa početnom verzijom. Posebno, ozonski maksimum pravilno je reprodukovan u sloju između 10-³ i 10-² bara, što potvrđuje da uključivanje azotnih oksida omogućava realističniji balans između fotoprodukcije i katalitičkog uništavanja ozona. Kvantitativna analiza pokazala je smanjenje srednje kvadratne greške (MSE) i srednje apsolutne procentualne greške (MAPE), uz povećanje koeficijenta determinacije (R²) za sve ispitivane komponente, a najizraženije poboljšanje zabeleženo je kod ozona (O3).

Začepilo Grigorije, III razred, Zrenjaninska gimnazija, Zrenjanin

Mentor:
Lunić Vladimir, Institut za merenje, upravljanje i mikrotehniku, Univerzitet u Ulmu

Održavanje čistoće i čitljivosti koda je jedan od ključnih zadataka u razvoju softvera. Kao način ocenjivanja koda često se koriste kôd smelovi (code smells) koji predstavljaju loše obrasce u programskom kodu, a koji ukazuju na loše strukturirane delove programa i potencijalne probleme u njegovom održavanju. U okviru ovog rada istražuje se primena grafovskih neuronskih mreža za zadatak detekcije kod smelova kompleksni metod i duplikovani kod. Predlaže se novi metod obogaćivanja čvorova grafova semantičkim informacijama dobijenim tokenizacijom izvornog koda preko velikog jezičkog modela CodeBERT. Pored toga, istražuje se uticaj različitih reprezentacija koda kao grafa. U radu se uvodi metod kreiranja multigrafovske reprezentacije koda koja objedinjuje apstraktno sintaksičko stablo i graf toka podataka, omogućavajući da se istovremeno modeluju sintaksičke i semantičke zavisnosti. Rezultati pokazuju da obogaćivanje čvorova kodom značajno poboljšava preciznost predikcije i omogućava efikasniju detekciju kompleksnih obrazaca, dok proširena grafovska reprezentacija dodatno unapređuje performanse modela.

Starović Mila, III razred, Računarska gimnazija, Beograd

Mentorka:
Milović Maja, Fakultet tehničkih nauka, Univerzitet u Novom Sadu

U ovom radu se ispituje problem harmonizacije melodije strogog harmonskog stava. Cilj je bio uspostaviti sistem pristupa problemu koji će funkcionisati nevezano za dužinu unete melodije i broja harmonskih pravila ugrađenih u algoritam i time prevaziđe nedostatke postojećih radova. Za generisanje harmonija korišćen je genetski algoritam. Ključna unapređenja u odnosu na dosadašnje pristupe odnosila su se na proširenje reprezentacije hromozoma i broja pravila implementiranih u funkciji cilja. Rezultati pokazuju da generisane harmonije odgovaraju linearnom ili korensko-eksponencijalnom modelu rasta i ostvaruju muzički stabilne rezultate, što ukazuje na uspešnu skalabilnost algoritma.

Mojašević Nataša, IV razred, Računarska gimnazija, Beograd
Bajčetić Marija, IV razred, Treća beogradska gimnazija, Beograd

Mentori:
Lunić Vladimir, Institut za merenje, upravljanje i mikrotehniku, Univerzitet u Ulmu
Stojanović Ana, Fakultet za inženjerstvo, računarske nauke i psihologiju, Univerzitet u Ulmu

Istraživanje se bavi ispitivanjem učenja kategorija kroz kombinovani psihološki i računarski pristup, koristeći konvolutivnu neuronsku mrežu sa višeglavim mehanizmom samopažnje. Model procenjuje odnose između delova slike kako bi klasifikovao stimuluse u kategorije definisane oblikom, bojom i ispunom, a treniran je na kontrolisanim binarnim skupovima stimulusa zasnovanim na Šepardovoj paradigmi učenja kategorija, obuhvatajući zadatke različite logičke složenosti. Ispitanici (N = 50) klasifikovali su stimuluse prema prethodno naučenim pravilima pod uslovima pojačane metakognitivne aktivacije, operacionalizovane kroz procenu sopstvene sigurnosti i refleksiju o strategijama. Značajne razlike između grupa pronađene su kod ispitanika u svim blokovima. Poređenje metakognitivnih performansi ljudi sa obrascima pažnje modela pruža jedinstvenu kombinovanu perspektivu na učenje kategorija. Rezultati pokazuju da se metakognitivna aktivacija može eksperimentalno povećati i da je ključna za efikasno učenje, dok neuronska mreža pokazuje paralelne obrasce adaptacije pri usvajanju apstraktnih pravila. Empirijski i kvalitativno je pokazano da ljudi i neuronske mreže uče na slične načine i konvergiraju ka sličnim strategijama tokom zadatka učenja kategorija.