Računarstvo

Ekstrakcija melodije iz polifonih zvučnih izvora

Nemanja Milanović*

*II razred, Požarevačka gimnazija, Požarevac[poster]

U ovom radu je istraživana ekstrakcija melodije iz polifonih zvučnih izvora. Cilj istraživanja je bio dobijanje osnovne melodije iz komercijalne muzike. To je sprovedeno pomoću analize spektrograma dobijenih furijeovom transformacijom. Pre prolaska kroz furijeovu transformaciju, izvorni signal se filtrira. Rezultati dobijeni iz spektrograma se zatim na različite načine obrađuju radi uklanjanja grešaka pri detekciji nota. Rezultati istraživanja su pokazali da je moguće kvalitetno izvući melodiju kada su u pitanju jednostavni uzorci sintetičke muzike. Kod klavirske muzike je preciznost zadovoljavajuća, ali niža u odnosu na sintetičke uzorke. Kada je u pitanju komercijalna muzika, rezultati nisu bili zadovoljavajući.

Upoređivanje tačnosti metoda K najbližih komšija i neuronske mreže na prepoznavanje cifara

Vladimir Lunić*

*III razred, Gimnazija "Isidora Sekulić", Novi Sad[poster]

Urađena je analiza karakterističnih komponenti na MNIST bazi podataka slika ručno napisanih cifara. Nakon analize komponenti, uzete su glavne karakteristične komponente i urađen je algoritam K najbližih komšija i neuronska mreža. Upoređivana je tačnost neuronske mreže i algoritma K najbližih komšija. Neuronska mreža je pokazala manju tačnost sa prosekom od 26.5 odsto tačnosti dok je algoritam K najbližih komšija imao prosek od 88.5 odsto. Rezultati ukazuju da je bolje i brže raditi algoritam K najbližih komšija nakon odrađene analize karakterističnih komponenti nego da se radi neuronska mreža nakon analize karakterističnih komponenti.

Poređenje strategija za igru Jamb

Matija Stanković*

*III razred, Tehnička škola Pirot, Pirot[poster]

Implementacija i poređenje strategija koje imaju za cilj ostvarivanje što većeg broja poena u igri jamb. Implementirano je pet strategija koje se zasnivaju na istoj algoritamskoj osnovi, ali sa promenom i modifikovanjem parametara. Algoritamski deo se zasniva na manipulaciji histograma vrednosti kockica. Strategije koje su implementirane su: P1 strategija, P2 strategija, PB strategija, MS strategija i Random strategija. P1 (prva strategija verovatnoće) i P2 (druga strategija verovatnoće) uzimaju kao parametar verovatnoću polja. PB strategija je strategija koja kao parametar uzima verovatnoću i broj bodova, tj. kao parametar uzima matematičko očekivanje. MS strategija je modifikacija PB strategija, samo što kao parametar uzima važnost polja. Kolone koje se koriste u strategijama su donja, slobodna, gornja, spoljašnja I unutrašnja. Strategije su implementirane u programskom jeziku python. Implementirana je igra sa 5 kockica.

Generisanje optimalne mreže tranzitnih ruta koristeći GA

Jovan Petrović*

*IV razred, Matematička gimnazija, Beograd[poster]

Ovaj rad ispituje rešavanje problema generisanja mreža tranzitnih ruta. Cilj pri dizajniranju jedne takve mreže je maksimalan broj zadovoljnih korisnika, minimalan broj presedanja i minimalno vreme putovanja svakog korisnika. Predložen algoritam za generisanje ovih mreža je genetski algoritam. Uspešnost mreže se određivala na osnovu njene: efikasnosti u prevozu korisnika i njene (ne)mogućnosti da preveze korisnike po celoj mreži. Algoritam je bio korišćen nad Swiss modelom i rezultati su bili poređeni sa onima iz literature. Može se zaključiti da su rezultati predloženog algoritma u nekim slučajevima bolji od već poznatih rezultata.

Rukovodilac programa: Dragan Toroman