Title
Прилог развоју методологија предвиђања и одлучивања применом вештачких неуронских мрежа
Creator
Gerasimović, Milica R.
Copyright date
2012
Object Links
Select license
Autorstvo-Nekomercijalno-Bez prerade 3.0 Srbija (CC BY-NC-ND 3.0)
License description
Dozvoljavate samo preuzimanje i distribuciju dela, ako/dok se pravilno naznačava ime autora, bez ikakvih promena dela i bez prava komercijalnog korišćenja dela. Ova licenca je najstroža CC licenca. Osnovni opis Licence: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/deed.sr_LATN. Sadržaj ugovora u celini: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/legalcode.sr-Latn
Language
Serbian
Cobiss-ID
Theses Type
Doktorska disertacija
description
Датум одбране: 18.06.2012.
Other responsibilities
mentor
Bugarić, Uglješa, 1965-
član komisije
Milanović, Dragan D., 1960-
član komisije
Petrović, Dušan, 1957-
član komisije
Miljković, Zoran, 1961-
član komisije
Radulović, Lidija, 1963-
Academic Expertise
Tehničko-tehnološke nauke
University
Univerzitet u Beogradu
Faculty
Mašinski fakultet
Alternative title
Contribution to development of methodology for prediction and decision-making by applying artificial neural networks
Publisher
[М. Герасимовић]
Format
PDF/A (124 lista)
description
Машинство - Индустријскo инжењерство - операциона истраживања / Mechanical engineering - Industrial Engineering - Opeartions Research
Abstract (sr)
У 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.
Abstract (en)
Development 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.
Authors Key words
предвиђање, одлучивање, управљање уписом, професионално
опредељење матураната, вештачке неуронске мреже, логистичка регресија
Authors Key words
prediction, decision-making, еnrollment management, graduate’s
professional choice, Artificial Neural Networks, Logistic Regression
Classification
519.8
Subject
Operaciona istraživanja
Type
Tekst
Abstract (sr)
У 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.
“Data exchange” service offers individual users metadata transfer in several different formats. Citation formats are offered for transfers in texts as for the transfer into internet pages. Citation formats include permanent links that guarantee access to cited sources. For use are commonly structured metadata schemes : Dublin Core xml and ETUB-MS xml, local adaptation of international ETD-MS scheme intended for use in academic documents.