Приказ основних података о дисертацији

Contribution to development of methodology for prediction and decision-making by applying artificial neural networks

dc.contributor.advisorBugarić, Uglješa
dc.contributor.otherMilanović, Dragan D.
dc.contributor.otherPetrović, Dušan
dc.contributor.otherMiljković, Zoran
dc.contributor.otherRadulović, Lidija
dc.creatorGerasimović, Milica R.
dc.date.accessioned2016-01-05T12:01:37Z
dc.date.available2016-01-05T12:01:37Z
dc.date.available2020-07-03T08:40:37Z
dc.date.issued2012-06-18
dc.identifier.urihttp://eteze.bg.ac.rs/application/showtheses?thesesId=355
dc.identifier.urihttps://nardus.mpn.gov.rs/handle/123456789/2286
dc.identifier.urihttps://fedorabg.bg.ac.rs/fedora/get/o:6004/bdef:Content/download
dc.identifier.urihttp://vbs.rs/scripts/cobiss?command=DISPLAY&base=70036&RID=513931939
dc.description.abstractУ раду је приказан развој методологије предвиђања и одлучивања применом вештачких неуронских мрежа. Развијена методологија је верификована на примеру управљања уписом на високошколским установама. Неизвесност у процесу доношења одлука средњошколаца о свом будућем професионалном статусу је био разлог опредељења за коришћење вештачких неуронских мрежа као парадигме вештачке интелигенције. Извршена је упоредна анализа добијених резултата моделирања предикције уписа коришћењем система вештачких неуронских мрежа и регресионе анализе (логистичка регресија), као и анализа значајности улазних, предикторских величина. Спроведено је истраживање на узорку од 159 испитаника, матураната две београдске средње стручне школе. Креиран је упитник на бази идентификованих фактора који утичу на професионално опредељење средњошколаца. Све предикторске величине су груписане у 9 улазних параметара: пол, успех у другом, трећем и четвртом разреду средње школе, ниво образовања и радни стaтус родитеља, и финансијска подршка родитеља за наставак школовања. Професионално опредељење матураната по завршетку средње школе груписано је у три категорије представљене излазним параметрима: посао, наставак школовања на Машинском факултету, наставак школовања на неком другом факултету. У даљем току истраживања анализирана је база Јединственог информационог система који је у надлежности Министарства просвете и науке, са посебним освртом на могућност имплементације података за потребе развијања модела предикције уписа. Резултати спроведеног истраживања показују да је применом вештачких неуронских мрежа могуће предвидети број и структуру уписаних студената на високошколске установе и да су вештачке неуронске мреже успешније у предвиђању од класичне статистичке методе - регресионе анализе (логистичке регресије). Развијени модел може да пружи подршку одлучивању у процесу управљања уписом на високошколске институције.sr
dc.description.abstractDevelopment of methodologies for forecasting and decision-making by applying Artificial Neural Networks was presented is this study. An analytical predicting model of enrollement probability was desinged with acquisition and data processing for the target group of higher education institutions. Uncertainty in decision-making of high school students about their future professional status was the reason why the Artificial Neural Networks as a paradigm of artificial intelligence were used. Comparative analysis of modeling results using Artificial Neural Networks and Regression Analysis (Logistic Regression) was performed as well as significance analysis of input predictor variables. The prediction of professional choices for graduates has been verified on the sample of 159 graduates from two Belgrade VET (Vocation Education and Training) schools. Created questionnaire was based on factors which influence the professional choice of VET school students. Predictor variables are grouped in nine input variables: gender, success in the second, third and fourth grades of secondary school, level of education and work status of parents, schooling financial support. Professional choices of graduates after finishing VET school are grouped into three output variables: job, continuation of schooling at the Faculty of Mechanical Engineering in Belgrade or at some other faculty. In further research the base of the Uniform informational system from Ministry of Education of the Republic of Serbia was analysed with special reference to the possibility of implementing the data for developing models to predict enrollment. Obtained results show that the application of Artificial Neural Networks can predict the number and structure of students enrolled in higher education and that Artificial Neural Networks are more successful in predicting than traditional statistical methods - Regression Analysis (Logistic Regression). The developed model can provide decision support in the process of admission to higher education institutions.en
dc.formatapplication/pdf
dc.languagesr
dc.publisherУниверзитет у Београду, Машински факултетsr
dc.rightsopenAccessen
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceУниверзитет у Београдуsr
dc.subjectпредвиђањеsr
dc.subjectpredictionen
dc.subjectодлучивањеsr
dc.subjectуправљање уписомsr
dc.subjectпрофесионално опредељење матуранатаsr
dc.subjectвештачке неуронске мрежеsr
dc.subjectлогистичка регресијаsr
dc.subjectdecision-makingen
dc.subjectеnrollment managementen
dc.subjectgraduate’s professional choiceen
dc.subjectArtificial Neural Networksen
dc.subjectLogistic Regressionen
dc.titleПрилог развоју методологија предвиђања и одлучивања применом вештачких неуронских мрежаsr
dc.titleContribution to development of methodology for prediction and decision-making by applying artificial neural networksen
dc.typedoctoralThesisen
dc.rights.licenseBY-NC-ND
dcterms.abstractБугарић, Угљеша; Петровић, Душан; Радуловић, Лидија; Миљковић, Зоран; Милановић, Драган Д.; Герасимовић, Милица Р.; Prilog razvoju metodologija predviđanja i odlučivanja primenom veštačkih neuronskih mreža;
dc.identifier.fulltexthttps://nardus.mpn.gov.rs/bitstream/id/6913/Disertacija.pdf
dc.identifier.fulltexthttp://nardus.mpn.gov.rs/bitstream/id/6913/Disertacija.pdf
dc.identifier.doi10.2298/bg20120618gerasimovic
dc.identifier.rcubhttps://hdl.handle.net/21.15107/rcub_nardus_2286


Документи за докторску дисертацију

Thumbnail

Ова дисертација се појављује у следећим колекцијама

Приказ основних података о дисертацији