Računarstvo

Marko Milenković (2004), Subotica, 4. razred, Gimazija “Svetozar Marković”, Subotica

Mentori:
MSc Nikola Bebić, Tenderly d.o.o. Beograd
Miša Stefanović, Moonstruck d.o.o Beograd

Napravljena je praktična implementacija Shap-e modela kao nadogradnja računarske igre „Minecraft”. Konačni rezultati su izgenerisane građevine na osnovu tekstualnog upita, sa ciljem da se smanji količina vremena koju profesionalne ekipe igrača troše na građevinske projekte u ovoj računarskoj igri. Primenjeno je uzorkovanje STF funkcije za pravljenje mreže voxel-a. Nakon toga je urađeno smanjeno uzorkovanje da bi se uklonile anomalije i praznine. Za sva računanja i poređenja vezana za boje i teksture je korišćen CIE lab prostor boja zbog boljeg preklapanja sa ljudskom percepcijom boja i linearnosti u poređenju sa RGB prostorom boja. Da bi se napravilo mapiranje boja na blokove korišćen je median cut algoritam za pronalaženje boje koja najbolje predstavlja blok. Ta predstavljajuća boja se koristi za računanje euklidske distance boja u TF od Shap-e objekta i blokova u igri, time dobijajući podudarno predstavljanje boja Shap-e generisanog objekta unutar igre korišćenjem Minecraft blokova. Konačni rezultat je zadovoljavajući, uzevši u obzir ograničenja Shap-e generativnog modela, i pokazana je praktična primena Shap-e modela.

Sofija Stanojlović (2006), Požarevac, 2. razred, Požarevačka gimnazija, Požarevac

Mentori:
Vladimir Lunić, Continental Automotive d.o.o. Novi Sad
Miša Stefanović, Moonstruck d.o.o. Beograd

Svinjsko meso, pre nego što se konzumira, mora biti pregledano na trihinelozu. Trihinineloza je bolest koju izaziva opasan parazit Trichinella spiralis koji se nastanjuje u domaćim i divljim životinjama. U ovom radu je ispitivana metoda za klasifikaciju ovog parazita. Trihinela se najčešće nastanjuje u svinjama i moguće ju je uneti u organizam ako se pojede meso koje prethodno nije bilo pregledano od strane veterinara. Cilj rada je ispitati da li je moguće da konvoluciona neuronska mreža pravilno klasifikuje slike nastale pod trihinoskopom zdravog mesa od slika mesa zaraženog parazitom trihinelom. Radi izrade projekta napravljen je model za klasifikaciju slika mesa. Za treniranje i evaluaciju modela korišćena je K-fold cross validacija. Tokom evaluacije modela, prateći metrike evaluacije, dobijeni su sledeći prosečni rezultati: accuracy je 0.85, recall je 0.80, precision iznosi 0.89, dok vrednost F1-score-a iznosi 0.84. Model je u 70% slučajeva tačno klasifikovao sliku mesa. Dobijena je dobra tačnost, ali kako bi model zamenio posao veterinara trebalo bi da se postigne veća tačnost koja bi potencijalno mogla da se dobije korišćenjem većeg dataset-a sa potencijalno dubljom arhitekturom neuronske mreže.

Emilija Sredojević (2007), Čajetina, 2. razred, Užička gimnazija, Užice

Mentori:
Nikola Jovanović, YDrive.AI
Nikola Kušlaković, Fakultet Tehničkih nauka Univerziteta u Novom Sadu

U ovom radu se porede tri metoda za generisanje snežne pahuljice gde je akcenat stavljen na raznolikost pahuljica i sličnost sa pahuljicama iz prirode. Prvi metod koristi modifikovan algoritam za generisanje Kohove pahuljice. Nasumično se bira ugao generatora i on može imati vrednosti [25° -120°]. Nasumično se bira i položaj generatora koji može biti usmeren ka unutrašnjosti ili spoljašnjosti pahuljice. Drugi metod su L-sistemi koji se sastoje iz početnog niza simbola i pravila koja određuju u šta će se svaki od simbola preslikati. Radi dobijanja nasumičnih pahuljca početni niz simbola, aksiom, se bira iz skupa već definisanih aksioma, a prepisivačka pravila se nasumično generišu. Definisana su ograničenja za generisanje nasumičnih pravila i ona garantuju da će generisana pahuljica imati osobine pravih. Treći metod je Rejterov model za ćelijski automat. Ovaj metod koristi jednačinu difuzije i pravilo konstantne adicije za promenu stanja ćelija. Te jednačine sadrže konstante α, β i γ čija se vrednost bira nasumično radi dobijanja nasumičnih pahuljica. Uspešnost algoritama proveravana je putem ankete sa slikama reprezentativnih pahuljica za svaki metod. Ispitanici su ocenjivali sličnost pahuljica sa pravim, različitost pahuljica u okviru istog metoda i lepotu pahuljica. Rezultati pokazuju da 66% od ukupno 226 ispitanika pahuljice generisane Rejterovim modelom ocenjuje kao najrealističnije, dok L-sistemi daju najrazličitije pahuljice. Pahuljice dobijene modifikovanim algoritmom za Kohovu pahuljicu su ocenjene kao srednje realistične i njihova međusobna različitost najmanja je od sva tri istraživana metoda.

Ivan Bokor (2004), Padina, 4. razred, Zemunska gimnazija, Zemun

Mentori:
Stefan Nožinić, Nutanix d.o.o. Beograd
Nikola Kušlaković, Fakulteta tehničkih nauka Univerziteta u Novom Sadu

U ovom radu predstavljena je distribuirana verzija Girvan-Newman algoritma za detekciju zajednica. Zajednicom se naziva grupa čvorova u grafu za koju važi da je broj ivica između čvorova u toj grupi mnogo veći od broja ivica između čvorova te grupe i ostalih čvorova. One se često sreću u realnim mrežama te se njihovom detekcijom mogu dobiti korisna saznanja u vezi posmatrane mreže. Girvan-Newman algoritam funkcioniše tako što iterativno pronalazi i briše najcentralniju ivicu (ivica sa najvećom vrednošću centralnosti). Nakon svakog brisanja, izračuna se modularnost grafa koja zapravo predstavlja ocenu isturenosti zajednica u tom grafu. Rezultat algoritma predstavlja graf za koji je izračunata najveća modularnost. Mana ovog algoritma jeste što za grafove koji imaju više hiljada čvorova izvršavanje zahteva puno vremena. Ideja u ovom radu jeste ispitati da li je moguće smanjiti vreme izvršavanja ako se algoritam izvršava na više računara. Distribuirana verzija algoritma funkcioniše tako što se računanje centralnosti i modularnosti odvija na različitim računarima. Računari koji računaju centralnost čine jedan klaster, dok računari koji računaju modularnost čine drugi klaster. Svakom računaru u odgovarajućem klasteru se dodeljuje interval čvorova nad kojim on treba da izvrši računanje. Pored pomenutih klastera u sistemu postoji i glavni računar čiji je zadatak da inicijalizuje ceo sistem, koordiniše klasterima i konstruiše rezultat na osnovu vrednosti koje su računari u klasterima izračunali. Sistem je testiran sa klasterima koji su sadržali 1, 2 i 5 računara. Rezultati testiranja su pokazali da se vreme izvršavanja algoritma smanjuje povećanjem broja računara u sistemu. Optimalna veličina sistema nije pronađena, što predstavlja temu za dalja istraživanja.