Volumen 10 - 2020
Упоредна анализа моделом-управљаних решења за оркестрацију сервиса
Насупрот монолитним системима који имају свест о унутрашњој структури и организацији компоненти, код сервисне архитектуре чија оркестрација не подразумева познавање унутрашње организације појединачних сервиса, главни проблем је повезивање елемената и формирање подршке за њихову сарадњу. Један од приступа у моделовању дистрибуираних система јесте да се механизми оркестрације делегирају средњем слоју који поред окупљања сервиса може бити задужен и за њихово слагање. Карактеристично за оркестрацију у сервисним окружењима је да она може бити статичке или динамичке природе, где динамичка оркестрација подразумева било промену статички дефинисане оркестрације било промену правила оркестрирања у зависности од контекста. Циљ овог рада је да представи нека од досадашњих решења за оркестрирање сервиса, истакне предности и мане тих приступа и да подлогу за креирање мета-модела који ће служити као основ за моделовање контекст-зависног средњег слоја у сервисно-оријентисаним архитектурама.
Planiranje radio mreža
U ovom radu je dat opis i način planiranja radio mreža. Najveća pažnja rada je poklonjena planiranju radio mreža u mobilnim ćelijskim sistemima. Opisano je koje korake treba preduzeti i na koje parametre treba obratiti pažnju kako bi bežična radio mreža zadovoljila potrebe korisnika.
Algoritmi klasifikacije za detekciju primarnog tumora na osnovu mikroskopskih slika metastaza u kostima
U ovom radu predstavljene su tehnike analize mikroskopskih slika u cilju nalaženja primarnog tumora na osnovu metastaza u kostima. Rađena je algoritamska klasifikacija u tri grupe, bubreg, pluca i dojka. Sa ciljem da se ubrza lečenje pacijenta i olakša posao lekarima i time smanji prostor za ljudsku grešku. Analizirane su digitalne mikroskopske slike metastaza u kostima, za koje je poznato da je primarni tumor u jednom od tri organa, bubregu, plućima ili dojci. Testirali smo više rešenja za klasifikaciju. Testirana su dva metoda analize slike. Multifraktalna analiza i konvolucione neuralne mreže. Oba metoda su testirana sa i bez predprocesiranja slika. Rezultati multifraktalne analize su zatim klasifikovani pomoću različitih algoritama. Slike su obrađene pomoću CLAHE i k-means algoritama. Na kraju su prikazani rezultati dobijeni upotrebom različitih tehnika.
Prepoznavanje i klasifikacija saobraćajnih znakova zasnovano na konvolucionim neuralnim mrežama
Neuralne mreže omogućuju rešavanje velikog broja problema kojima klasično računarstvo nije doraslo. Neuralne mreže i učenje obezbeđuju najbolja rešenja u prepoznavanju slike, prepoznavanju govora, obradi prirodnih jezika. U ovom radu, neuralne mreže, konkretno konvolucione neuralne mreže, su predloženo rešenje za prepoznavanje i klasifikaciju saobraćajnih znakova. Ovakvo rešenje može da se koristi kod autonomnih vozila, a slična rešenja se lako mogu primeniti u bilo kojoj primeni koja zahteva prepoznavanje slike.