Волумен 10 - 2018
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.
Планирање радио мрежа
У овом раду је дат опис и начин планирања радио мрежа. Највећа пажња рада је поклоњена планирању радио мрежа у мобилним ћелијским системима. Описано је које кораке треба предузети и на које параметре треба обратити пажњу како би бежична радио мрежа задовољила потребе корисника.
Алгоритми класификације за детекцију примарног тумора на основу микроскопских слика метастаза у костима
У овом раду представљене су технике анализе микроскопских слика у циљу налажења примарног тумора на основу метастаза у костима. Рађена је алгоритамска класификација у три групе, бубрег, плућа и дојка. Са циљем да се убрза лечење пацијента и олакша посао лекарима и тиме смањи простор за људску грешку. Анализиране су дигиталне микроскопске слике метастаза у костима, за које је познато да је примарни тумор у једном од три органа, бубрегу, плућима или дојци. Тестирали смо више решења за класификацију. Тестирана су два метода анализе слике. Мултифрактална анализа и конволуционе неуралне мреже. Оба метода су тестирана са и без предпроцесирања слика. Резултати мултифракталне анализе су затим класификовани помоћу различитих алгоритама. Слике су обрађене помоћу CLAHE и k-means алгоритама. На крају су приказани резултати добијени употребом различитих техника.
Препознавање и класификација саобраћајних знакова засновано на конволуционим неуралним мрежама
Неуралне мреже омогућују решавање великог броја проблема којима класично рачунарство није дорасло. Неуралне мреже и учење обезбеђују најбоља решења у препознавању слике, препознавању говора, обради природних језика. У овом раду, неуралне мреже, конкретно конволуционе неуралне мреже, су предложено решење за препознавање и класификацију саобраћајних знакова. Овакво решење може да се користи код аутономних возила, а слична решења се лако могу применити у било којој примени која захтева препознавање слике.