Croatian Digital Dissertations Repository
Not a member yet
10487 research outputs found
Sort by
Clinical otoneurological features and psychiatric comorbidities in patients with vestibular migraine
No full textUVOD: Vestibularna migrena (VM) najčešći je neurološki uzrok ponavljajućih vrtoglavica, pri čemu se dijagnoza temelji uglavnom na anamnezi zbog nedostatka specifičnih dijagnostičkih testova. Vestibularna migrena često je povezana sa psihijatrijskim komorbiditetima i smanjenom kvalitetom života. Cilj ovog istraživanja bio je sveobuhvatno ispitati bolesnike sa sigurnom VM-om (sVM) analizirajući kliničke otoneurološke značajke, vestibulo-okularne reflekse (VOR) i subjektivnu vizualnu vertikalu (SVV), uspoređujući rezultate između simptomatske i asimptomatske faze sVM-a te procjenjujući psihijatrijske komorbiditete i kvalitetu života. METODE: Istraživanje je provedeno u dvije kliničke vizite i obuhvatilo je 31 bolesnika sa sVM-om. Vestibularna funkcija procijenjena je s pomoću video Head Impulse Testa (vHIT) za evaluaciju VOR-a i testiranjem SVV-a za procjenu vertikalnosti. Dodatno, u drugom presječnom kliničkom istraživanju sudjelovalo je 104 ispitanika [19 bolesnika sa sVM-om, 22 bolesnika s migrenom bez vrtoglavice (MO) i 63 zdrava ispitanika (HC)] koji su ispunili upitnike Hospital Anxiety and Depression Scale (HADS), Dizziness Handicap Inventory (DHI) i Short Form - 36 (SF-36). REZULTATI: Analiza je pokazala značajno veća odstupanja SVV-a tijekom simptomatske faze u usporedbi s asimptomatskom fazom sVM-a (β = 0,678, p = 1,51 × 10-6). Nasuprot tome, vrijednosti VOR-a ostale su stabilne kroz obje faze sVM-a (p > 0,05). Simptomi povezani s migrenom, uključujući mučninu, fotofobiju i fonofobiju, bili su značajno češći tijekom simptomatske faze bolesti (p 0.05). Migraine-associated symptoms, including nausea, photophobia, and phonophobia, were significantly more frequent during the symptomatic phase (p < 0.001). According to the psychiatric clinical examination, 11 out of 19 (57.89%) dVM patients were diagnosed with anxiety. Furthermore, dVM patients exhibited significantly higher anxiety, depression, and dizziness scores in questionnaires compared to the MO and HC groups, indicating greater impairment. They also reported lower physical functioning in the SF-36 health survey, which was strongly correlated with dizziness symptoms. CONCLUSIONS: Patients with dVM exhibited phase-dependent alterations in spatial orientation and vestibular function, with increased SVV deviations during the symptomatic phase despite stable VOR. Psychiatric comorbidities such as anxiety and depression, along with reduced physical functioning, significantly affect the quality of life in dVM patients. These findings highlight the necessity for a multidisciplinary approach involving otolaryngologists, neurologists, and psychiatrists to ensure comprehensive health care and timely screening for psychiatric comorbidities in dVM patients, improving diagnostic accuracy and patient well-being
Immunohistochemical expression of cytokeratin 5/6 and transcription factor GATA3 in muscle-invasive urothelial bladder cancer
No full textIzbor terapije za pacijente s mišićnoinvazivnim karcinom mokraćnog mjehura mogao bi u budućnosti ovisiti o molekularnom podtipu tumora. Trenutno dobro definirani molekularni podtipovi temelje se na tzv. konsenzus klasifikaciji razvijenoj koristeći podatke iz mRNA microarray-ja. Jasno definirane kategorije temeljene na imunohistokemijskoj analizi potrebne su ne bi li molekularna klasifikacija zaživjela u rutinskom patohistološkom laboratoriju. Cilj ovog istraživanja bio je uspostavljanje pojednostavljene imunohistokemijske klasifikacije koristeći protutijela za proteine GATA3, CK5/6 i p16 čija je ekspresija mjerena u mišićnoinvazivnim dijelovima tumora na cjelovitom prerezu rutinski obrađenih arhivskih tkiva. Retrospektivno su analizirana 92 slučajeva dijagnostičkih biopsija mišićnoinvazivnog karcinoma mokraćnog mjehura dobivenih transuretralnom resekcijom. Podaci o pacijentima i doživljenju dobiveni su iz bolničke elektronske medicinske arhive te iz Registra za rak. Srednja dob pacijenata bila je 69,7 godina, a 73% bili su muškog spola. Konzervativno liječenje primijenjeno je u 56% slučajeva, a cistektomija s kemoterapijom u 44%. Ekspresija proteina GATA3 i CK5/6 podijelila je slučajeve u tri skupine: luminalnu (GATA3+/CK5/6-), bazalnu/skvamoznu (GATA3-/CK5/6+) i dvostruko negativnu (GATA3-/CK5/6-). Ekspresija p16 unutar luminalne skupine je dodatno podijelila luminalne slučajeve u luminalne papilarne (p16-) i luminalne nestabilne (p16+) podtipove prema konsenzus molekularnoj klasifikaciji. Na multivarijatnoj analizi doživljenja dvostruko negativni slučajevi pokazali su značajno lošije doživljenje od ostalih skupina (medijan=20 mjeseci). U odnosu na ovu skupinu, najbolje doživljenje pokazali su luminalni nestabilni slučajevi (medijan=66 mjeseci, HR=0,09, p<0,001), potom bazalni/skvamozni slučajevi (medijan=49 mjeseci, HR=0,19, p<0,05) te luminalni papilarni (medijan=48 mjeseci, HR=0,15, p<0,01). Muškarci su pokazivali bolje doživljenje u odnosu na žene (medijan=62 vs. 43 mjeseca, HR=0,54, p<0,05). Dob, terapija i histološki podtip nisu statistički značajno utjecali na ishod. Imunohistokemijska molekularna tipizacija koristeći 3 rutinska protutijela na cjelovitim prerezima s mišićnoinvazivnim tumorom je efikasna i ekonomski isplativa metoda detekcije najčešćih molekularnih podtipova invazivnog karcinoma mokraćnog mjehura. Za daljnji razvoj ovog klasifikacijskog pristupa potrebna je integracija morfoloških te imunohistokemijskih podataka.Muscle-invasive bladder cancer (MIBC) therapy choice could be influenced by the tumour molecular subtype. Currently well-defined consensus subtypes are based on tumour micro-array mRNA data. In order to aid the development of a simple immunohistochemical classifier a retrospective single centre series of 92 diagnostic biopsy cases obtained via transurethral resection was identified. Routine immunohistochemistry for GATA3, CK5/6 and p16 was performed on whole tissue slides containing muscle-invasive disease. The mean population age was 69.7 years, and 73% were males. Conservative treatment was used in 56% of cases, while cystectomy with chemotherapy was applied in 44%. GATA3 and CK5/6 expression segregated cases into broad luminal (GATA3+/CK5/6-), basal/squamous (GATA3-/CK5/6+) and double negative (GATA3-/CK5/6-) subtypes, while p16 expression was used to subclassify luminal cases into luminal papillary (p16-) and luminal unstable (p16+) types according to the consensus molecular classification. On multivariate survival analysis double- negative cases showed the worst overall survival (median=20 months). Compared to this group, luminal unstable cases showed greater survival (median=66 months), followed by basal/squamous (median=49 months) and luminal papillary cases (median=48 months). Molecular subtyping of MIBC on whole slides containing muscle-invasive tumour using only 3 commonly used antibodies is a feasible and cost-effective method for detecting the three most common molecular subtypes of MIBC. Future work combining morphological analysis and immunohistochemistry is needed to fully translate the consensus molecular classification into a comprehensive cost-effective subtyping strategy
Otkrivanje dinamike populacije neurona pomoću interpretabilnih modela dubokog učenja
No full textThis thesis introduces the Deep Convolutional Interpreter for Time Series (DCIts), a novel architecture designed to bridge the gap between predictive performance and interpretability in multivariate time series analysis. DCIts addresses the critical need for transparent AI models by providing both accurate predictions and actionable insights into the underlying dynamics of complex systems. DCIts employs a modular two-step architecture consisting of the Focuser and Modeler modules. The Focuser identifies significant temporal lags and interactions, while the Modeler determines transition coefficients that describe system dynamics. This design enables DCIts to generate interpretable transition tensors that reveal key relationships among time series and their respective lags. The model’s versatility is demonstrated across a variety of datasets with diverse complexities, including synthetic benchmarks, chaotic systems, neural population data, and real-world biological recordings. Notably, DCIts consistently delivers accurate forecasts while being completely interpretable, matching state-of-the-art models in predictive accuracy and outperforming them in interpretability correctness and faithfulness. Key contributions of this work include:
1. DCIts- A completely interpretable model for multivariate time series analysis.
2. Extension of DCIts to incorporate higher-order dynamics, enabling the model to handle
nonlinear systems.
3. Applying DCIts to synthetic and real-world neural datasets, successfully uncovering bio
logically plausible connectivity patterns and task-specific interactions.
Through its interpretability, DCIts facilitates cross-disciplinary collaboration between AI researchers, physicists and domain experts, enabling them to uncover fundamental principles of the analysed system. In this thesis, we applied DCIts to a neural dynamics example, which allowed us to link connectivity patterns to physiological or behavioural outcomes. This research advances the state of the art in interpretability in AI without sacrificing predictive power.Glavna tema ovog rada je razvoj i primjena interpretabilnih modela dubokog učenja za analizu multivarijantnih vremenskih nizova, s posebnim naglaskom na njihovu interpretabilnost i sposobnost razumijevanja dinamiˇ ckih sustava. Predloženi model, nazvan DCIts (eng. Deep Convolutional Interpreter for Time Series), dizajniran je kako bi omogućio analizu linearnih i nelinearnih interakcija među vremenskim nizovima, što ga čini posebno pogodnim za složene sustave s višedimenzionalnim podacima. Istraživanje obuhvaća razvoj arhitekture koja kombinira preciznost predviđanja s mogućnošću identifikacije ključnih uzoraka i odnosa u podacima, uključujući uzročno-posljedične veze i funkcionalne podskupine u analiziranim sustavima. DCIts model je testiran na sintetičkim i stvarnim podacima, pri čemu su stvarni podaci uključivali neuronske signale, poput više elektrodnih zapisa aktivnosti ganglijskih stanica mrežnice daždevnjaka te kalcijevih snimaka iz regije CA1 mozga miševa. Rezultati pokazuju da model omogu´ cuje preciznu detekciju interakcija i vremenskih kašnjenja između vremenskih nizova, čime pruža dublje razumijevanje nelinearnih sustava. Poseban naglasak stavljen je na njegovu primjenu u neuroznanosti, gdje je interpretabilnost ključna za dobivanje znanstvenih uvida, a korištenje DCIts modela otvorilo je nove mogućnosti za analizu uzoraka aktivnosti u neuronskim mrežama
Dizajniranje kemijskog sastava čelika prema traženoj prokaljivosti računalnim metodama : doktorski rad
No full textThe objective of this research was to develop a predictive model using artificial neural networks to determine the optimal chemical composition to achieve required hardenability in steel. The chemical composition of steel has great influence on its
hardenability; however, the contribution of alloying elements is not purely additive or linear. The correlation between hardness values at various distances from the quenched end of the Jominy specimen and the chemical composition of steel, based on
current knowledge of the subject is impossible mathematically defined. Since hardness is affected by both microstructure and chemical composition, microstructural data was also incorporated into the research. Supervised artificial neural networks were employed to create a sophisticated regression models which are based on a representative dataset of steels for heat treatment. A representative dataset of 470 steel samples was collected, with each sample including Jominy test results and chemical compositions. Additionally, an indication of significant martensite presence in the microstructure was included in the input data. Four distinct approaches to dataset representation were investigated. Each new approach offered ANN models with be er results and more options for future research. The developed models were experimentally validated, demonstrating its effectiveness. This innovative approach enables automated and precise prediction of chemical composition based on the required Jominy curve (hardenability), offering significant benefits to the mechanical engineering and manufacturing industries.Cilj istraživanja u ovom doktorskom radu bio je razviti model koji predviđa optimalni kemijski sastava čelika potreban za postizanje zahtijevane prokaljivosti pomoću umjetnih neuronskih mreža. Kemijski sastav čelika utječe na prokaljivosti. Međutim, utjecaj legirajućih elemenata nije strogo aditivan niti linearan. Korelacija između vrijednosti tvrdoće na različitim udaljenostima od gašenog čela Jominyjevog uzorka i kemijskog sastava čelika je složena i ne može se precizno definirati tradicionalnim matematičkim metodama. Prikupljen je reprezentativni skup podataka od 470 uzoraka čelika, pri čemu svaki
uzorak uključuje rezultate Jominyjeva testa (tvrdoću izražena u HRC, na 13 udaljenosti od gašenog čela) i kemijski sastav (maseni udjeli ugljika, mangana, silicija, kroma, nikla, molibdena i bakra). Budući da na tvrdoću utječu i mikrostruktura i kemijski sastav, mikrostrukturni podaci također su uključeni u istraživanje. U ulazne podatke uključen je i pokazatelj prisutnosti martenzita u mikrostrukturi. Pokazatelj značajne prisutnosti martnezita definiran je s prisutnosti od 50% martenzita u mikrostrukturi. Nadzirane umjetne neuronske mreže korištene su za razvoj sofisticiranih regresijskih modela temeljenih na reprezentativnom skupu podataka čelika za toplinsku obradu. Istražena su četiri različita pristupa predstavljanju skupa podataka, pri čemu je svaki novi pristup omogućio poboljšane modele umjetnih neuronskih mreža i otvorio nove mogućnosti za buduća istraživanja. Za modeliranje je korišten program MATLAB 2023b, uključujući aplikacije Neural Network Fitting i Experiment Manager. Najoptimalniji modeli odabrani su na temelju najnižeg parametra korijena srednje kvadratne pogreške (engleski root mean squared error - RMSE). Za eksperimentalnu validaciju modela korišteno je pet čelika različitih prokaljivosti. Predviđeni maseni udjeli kemijskih elemenata za svih pet čelika nalazili su se unutar granica definiranih klasama čelika. Razvijeni modeli eksperimentalno su potvrđeni, čime je dokazana njihova učinkovitost. Ovaj inovativni pristup omogućuje automatizirano i precizno predviđanje kemijskog sastava na temelju zahtijevane Jominyjeve krivulje (prokaljivosti), nudeći značajne prednosti za strojarstvo i proizvodnu industriju
Diels-Alder and 1,3-dipolar cycloaddition reactions of selected guanidine cycloaddends
No full textVeliki broj prirodnih organskih spojeva sadržava gvanidinsku funkcionalnost, a među najpoznatijima su nukleotid gvanin i aminokiselina arginin. Njihova raznolikost u prirodi je golema, spojevi mogu biti strukturno vrlo kompleksni, policiklički s višestrukim podjedinicama koje sadrže gvanidin kao strukturni motiv. Gvanidinska skupina zanimljiva je zbog svoje gotovo planarne strukture te visoke bazičnosti. Derivati gvanidina primjenjuju se stoga u baznoj katalizi, kao receptori za anione te kao aktivna mjesta u molekulskim preklopnicima. U ovome radu sustavno su istražene mogućnosti priprave novih derivata gvanidina koristeći Diels- Alderove i 1,3-dipolarne cikloadicijske reakcije. Ispitani su cikloadicijski reagensi za uvođenje gvanidinske funkcionalnosti; gvanilirani derivati pirola, izoindola, azidi i izatini. Pripravljen je i novi reagens za dobivanje antracen-2,3-arina. Istražena je sposobnost kompleksiranja organskih aniona s pripravljenim spojevima sa slobodnom gvanidinskom funkcionalnošću.A large number of natural organic compounds contain the guanidine functionality, among the most well-known being the nucleotide guanine and the amino acid arginine. Their diversity in nature is immense – these compounds can be structurally very complex, polycyclic, with multiple subunits that contain guanidine as a structural motif. The guanidine group is interesting due to its nearly planar structure and high basicity. Guanidine derivatives are therefore used in base catalysis, as receptors for anions, and as active sites in molecular switches. This work systematically investigates the possibilities of synthesizing new guanidine derivatives using Diels-Alder and 1,3-dipolar cycloaddition reactions. Cycloaddition reagents for the introduction of guanidine functionality were examined, including guanylated derivatives of pyrrole, isoindole, azides, and isatins. A new reagent for the synthesis of anthracene-2,3-aryne was also prepared. The potential for complexation of organic anions with the synthesized compounds containing a free guanidine functionality was also explored
Unapređenje dubinsko-geološke karakterizacije istočne Dravske depresije – prostorno prognoziranje litoloških karakteristika na temelju seizmičkih i bušotinskih podataka : doktorski rad
No full textThis dissertation presents the development of an AI-supported methodology that integrates artificial neural networks (ANNs) to enhance subsurface characterization of the Pannonian age clastic interval in the Drava Basin. The aim was to improve the accuracy of the geological model and reduce economic and technical risks in mature basins with incomplete datasets by combining machine learning with geological expertise. The research was conducted in three phases. In the first phase, ANNs were combined with conventional geostatistical methods to improve lithology prediction. Although the approach showed potential, its limitations became evident in the overestimation of certain lithological categories, particularly sandstone, as it was predicted with greater certainty during the process preceding the definition of lithological values in the model (upscaling). Nevertheless, the integration of ANN models with fundamental geological knowledge proved successful in modeling lithological composition. The second phase introduced an ANN-supported approach for time-to-depth relationship prediction, significantly outperforming traditional techniques. Models achieved correlation coefficients above 0.99, attributed to their ability to capture complex geological patterns. Results also highlight the importance of developing locally specific ANN models and provide recommendations for potential adaptations for broader application. The third phase focused on lithology distribution using well log and 3D seismic attributes. Data preprocessing proved to be crucial, as it was found that standardized input data produced the most geologically consistent results. Normalized and raw data led to less reliable predictions. Application to a 2D seismic profile confirmed the methodology’s suitability for regional-scale studies. Beyond lithology prediction and time-to-depth conversion, the developed models support subsurface characterization for geoenergy applications, including hydrocarbon exploration, geothermal assessment, and CO2 storage. By capturing complex geological relationships, ANN-supported workflows offer improved prediction accuracy and form a replicable framework adaptable to other basins. This research establishes a foundation for advanced modelling approaches in future resource management.Ova doktorska disertacija predstavlja razvoj i vrednovanje metodologije osnovane na umjetnoj inteligenciji (Artificial Intelligence, AI) koja koristi umjetne neuronske mreže (Artificial Neural Networks, ANN) za poboljšanje geološke karakterizacije podzemlja panonskog stratigrafskog intervala u Dravskom bazenu. Primarni cilj istraživanja bio je unaprijediti preciznost i pouzdanost geoloških modela korištenjem strojnog učenja u područjima s visokim stupnjem istraženosti koja sadrže brojne, ali često nepotpune geološke informacije.
Početni skup podataka obuhvaćao je četiri bušotine i 3D seizmički volumen od 36,25 km3. Cilj ovog prostorno ograničenog skupa podataka bio je obuhvatiti velik broj karotažnih dijagrama, kao i seizmički volumen visoke rezolucije kako bi se osiguralo da utjecaj kvalitete podataka na sposobnost predviđanja bude znatno smanjen. Unutar naslaga panonske starosti karakterizirane su tri litologije, pješčenjaci, lapori i ugljen na podacima iz četiri bušotine. Podinska i krovinska granica panonskih naslaga određene su na temelju bušotinskih podataka te su iste interpretirane unutar seizmičkog volumena. Navedene stratigrafske granice korištene su za definiranje granica modela. Za unapređenje ulaznih podataka za ANN analizu izračunato je sljedećih 16 seizmičkih atributa: Original Amplitude, Reflection Intensity, Root Mean Square (RMS) Amplitude, Sweetness, Amplitude Contrast, Chaos, Edge Evidence, Iso-frequency Component, RMS Iterative, RMS Time Gain, t*Attenuation, Variance (Edge Method), Instantaneous Frequency, Instantaneous Phase, Cosine of Phase i Relative Acoustic Impedance (RAI).
Litološki podaci su preneseni na rezoluciju modela procesom upscale, a za ANN analizu izdvojeno je 800 ulaznih vrijednosti. Prosječna visina ćelija modela iznosila je 25 m, u skladu s vertikalnom rezolucijom seizmičkih podataka prikupljenih 1990-ih. ANN analiza načinjena je s ukupno 15.480 podataka, uključujući vrijednosti seizmičkih atributa. Fiksni parametri mreže sastojali su se od 16 neurona (16 seizmičkih atributa) u ulaznom sloju i tri neurona u izlaznom sloju (odgovarajući trima litološkim kategorijama). Korištene su dvije stohastičke metode DAANN (diferent architecture artificial neural network) i SAANN (same architecture artificial neural network) kako bi se procijenio utjecaj arhitekture neuronske mreže i distribucije vrijednosti na uspješnost predikcije. DAANN pristup koristio je različite arhitekture neuronskih mreža s različitim brojem neurona u skrivenom sloju i aktivacijskim funkcijama, dok je SAANN koristio istu arhitekturu, ali s varijacijama u razdiobi ulaznog seta podataka u skupu podataka za uvježbavanje, testiranje i validaciju ANN-a. Za predviđanje Prošireni sažetak II litološkog sastava korišteno je ukupno 2.000 ANN mreža (1.000 DAANN i 1.000 SAANN), a odabrano je 200 najuspješnijih za daljnju predikciju (100 po svakom pristupu). ANN analiza proizvela je veliki broj podataka za variogramsku analizu, pri čemu se broj podataka smanjivao kako je rasla vjerojatnost podudaranja (P50, P75, P90). Variogramska analiza pokazala je da prostorna korelacija litoloških kategorija značajno varira ovisno o tipu podataka i uspješnosti predviđanja. Zbog dominacije pješčenjaka u P75 i P90 modelima, rezultati zahtijevaju opreznu interpretaciju jer veća preciznost u ovom slučaju nije značila i nužnu geološku vjerodostojnost.
Prva faza istraživanja istaknula je izazove u razvoju metodologije za karakterizaciju distribucije litološkog sastava u podzemlju pomoću ANN-a, čak i kada su primijenjeni sveobuhvatni skupovi podataka visoke rezolucije. Glavni izazovi proizlaze iz neadekvatne obrade podataka (upscale-a) te prilikom koreliranja podataka u dubinskoj domeni (bušotinski podaci) s onima iz vremenske domene (seizmički podaci). Mnoge bušotine nemaju podatke o vremensko-dubinskom odnosu (Time-to-Depth Relationship, TDR), koji se obično određuje na temelju vertikalnog seizmičkog profiliranja (VSP) ili zvučnim karotažama.
Kako bi se svladale opisane poteškoće, druga faza istraživanja fokusirala se na razvoj nove metodologije za precizniju odredbu vremensko-dubinskog odnosa podataka. Ova metodologija posebno je značajna za bušotine bez VSP-a ili zvučne katoraže, gdje su prethodne metode određivanja odnosa vrijeme-dubina (TDR) uglavnom uključivale interpolaciju između bušotina s i bez uspostavljenih TDR-a. Novi pristup uzima u obzir i bušotinske i seizmičke podatke, koristeći ANN za povećanje preciznosti i smanjenje pogrešaka uzrokovanih ekstrapolacijom funkcije brzina iz susjednih bušotina. Ovaj pristup pruža ekonomično i učinkovito rješenje za istraživanje podzemlja, nadmašujući tradicionalne metode.
Predložena metodologija koristi ANN za predviđanje odnosa vrijeme-dubina na temelju interpretacije karotažnih dijagrama i stratigrafskih intervala. Na taj način rješava probleme povezane s definiranjem odnosa vremensko-dubinskih domena i značajno poboljšava točnost predviđanja, čak i za bušotine s ograničenim geofizičkim podacima. Nadalje, integracija ANN-a s litološkim podacima iz osnovnih karotažnih dijagrama – uključujući one iz starijih bušotina – omogućila je smanjenje pogrešaka, odnosno povećanje točnosti u uspostavljanju vremensko-dubinskih odnosa, što rezultira preciznijim modeliranjem podzemlja.
Ključan čimbenik u uspješnosti primjene ANN-a bio je odabir reprezentativnog skupa podataka za uvježbavanje. Odabrano je 18 bušotina, od kojih je 14 korišteno za uvježbavanje Prošireni sažetak III modela, dok su četiri bušotine korištene za testiranje uspješnosti izgrađenih neuronskih mreža. Testne bušotine odabrane su kako bi predstavljale različite scenarije taloženja litostratigrafskih jedinica (različite debljine), odnosno slučajeve s prisutnošću svih četiriju interpretiranih stratigrafskih intervala te slučajeve gdje su bušotine zahvatile samo prva dva intervala. Prilikom odabira uzet je u obzir i njihov geografski položaj u donosu na bušotine za uvježbavanje kako bi se omogućila procjena utjecaja udaljenosti na uspješnost predviđanja. Interpretacija bušotinskih podataka bila je usmjerena na izdvajanje propusnih i nepropusnih jedinica korištenjem osnovnih karotažnih dijagrama. Njihova interpretacija omogućila je definiranje vertikalne distribucije litološkog sastava, kao i odredbu triju regionalnih markera α (granica pliocen-miocen), Rs7 (granica srednji – kasni miocen) i PNg (podloga neogena). Na temelju ovih glavnih granica, za svaku bušotinu interpretirana su do četiri stratigrafska intervala, grupirajući naslage prema starosti, litološkom sastavu i okolišu taloženja. Ovi intervali definiraju četiri stratigrafske jedinice koje se međusobno razlikuju po petrofizičkim svojstvima, pri čemu ta svojstva variraju i s dubinom zalijeganja. Prvi interval čine slabo vezane naslage pliocensko-kvartarne starosti, drugi uključuje gornjomiocenske pješčenjake i lapore, treći obuhvaća donjomiocenske i srednjemiocenske heterogene naslage, dok četvrti interval uključuje starije predneogenske stijene koje čine podlogu bazenske ispune. Najizraženiji kontrast seizmičke brzine očekivan je na prijelazu neogena u podlogu bazena.
ANN analiza provedena je pomoću softvera TIBCO Statistica, koristeći analizu Time series (regression) kako bi se osiguralo predviđanje u skladu s geološkim i geofizičkim načelima. Umjetne neuronske mreže višeslojno su konfigurirane (Multi-layer percepton, MLP) kao arhitekture s minimalno 3 i maksimalno 17 neurona u skrivenom sloju. Kako bi se izbjeglo pre-uvježbavanje modela, korištena je tehnika weight decay, čime se potaknula jednostavnija i generaliziranija mreža. Za treniranje modela korišteno je više od 27.000 slučajeva iz 14 bušotina, a 10 najuspješnijih neuronskih mreža združeno je u jedan model za analizu. ANN model postigao je korelacijski koeficijent veći od 0,99 za skupove podataka korištene za uvježbavanje, testiranje i validaciju, s prosječnom apsolutnom pogreškom (mean absolute error, MAE) od oko 25 ms i korijenom srednje kvadratne pogreške (root mean square error, RMSE) od približno 34 ms. Uspješnost skupa mreža testirana je na četiri bušotine koje nisu bile uključene u predviđanje, pokazujući visoku uspješnost predviđanja. Vrednovanje točnosti predviđanja otkrila je da ANN pristup nadmašuje tradicionalne metode ekstrapolacije dvostrukog vremena putovanja vala (two way travel time, TWT-a) u više od 75% slučajeva, pri čemu je pet bušotina pokazalo superiorne rezultate u odnosu na ekstrapolaciju, postižući u 100% slučajeva najuspješnije rezultate. Testne bušotine također su pokazale visoku točnost, čak i u usporedbi s predviđanjima temeljenima na ekstrapolaciji iz susjednih bušotina. Analiza je pokazala da blizina bušotina ne jamči nužno uspješnost ekstrapolacije, naglašavajući složen odnos između prostorne blizine i varijabilnosti litološkog sastava. Rezultati sugeriraju da geološki odnosi i uvjeti u podzemlju imaju značajniju ulogu u preciznosti predviđanja nego sama udaljenost između bušotina.
Iako je dokazano da umjetne neuronske mreže (ANN) mogu biti uspješno primijenjene za rješavanje poteškoća prilikom određivanja odnosa vrijeme-dubina, odnosno za predviđanje dvostrukog vremena putovanja vala (TWT) iz stratigrafskih i petrofizikalnih parametara u slučajevima kada konvencionalni podaci nisu dostupni, određeni izazovi i dalje su prisutni. Među njima se posebno ističe problem neadekvatnog skaliranja (upscale) bušotinskih zapisa. U trećoj fazi istraživanja primijenjeni su inovativni procesi pripreme podataka s ciljem poboljšanja performansi ANN modela te predviđanja raspodjele litologije korištenjem seizmičkih atributa. Stoga je razvijen ANN-model temeljen na analizi 3D seizmike koja pokriva površinu od 4365 km², s fokusom na panonske naslage.
Ključna inovacija ove metodologije bila je uvođenje volumena šejla (Vsh) kao kontinuirane varijable, umjesto dosadašnjeg pristupa gdje se litološki sastav tretirao kao diskretna kategorijska varijabla. Vsh izračunat je na temelju karotaže spontanog potencijala (SP). Kako bi se optimizirali procesi uvježbavanja i predviđanja ANN modela te smanjila subjektivnost interpretacije, razvijena su četiri modela podzemlja s različitim brojem slojeva (20, 50, 100 i 200). Model s 200 slojeva, prosječne visine ćelije od 6,5 metara, pokazao se najuspješnijim jer je omogućio smanjenje pogrešaka precjenjivanja dominantnog litološkog sastava uz očuvanje geološke rezolucije i statističke vjerodostojnosti. ANN modeli uvježbani na podacima sa 100 ili manje slojeva pokazali su slabije performanse ili potpuni neuspjeh, što naglašava osjetljivost ANN modela na rezoluciju ulaznih podataka. Za treniranje ANN modela kreirano je 747.800 ćelija s pripadajućim seizmičkim atributima. Kao ključni ulazni parametri odabrano je 12 seizmičkih atributa: Sweetness, 3D Curvature, Variance, Original Amplitude, Instantaneous Frequency, Envelope, Instantaneous Phase, Generalized Spectral Decomposition, Apparent Polarity, Reflection Intensity, RMS Amplitude i Relative Acoustic Impedance.
Standardizirani ulazni podaci rezultirali su najboljim predviđanjima, dok su sirovi (raw) podaci pokazali najslabije performanse. Predviđene Vsh vrijednosti podijeljene su u tri Prošireni sažetak V litološke klase (pješčenjak, pješčenjak-lapor i lapor) te su ugrađene u litološki model. Model izveden iz standardiziranih podataka sadržavao je 52,17% lapora, 29,89% pješčenjaka-lapora i 17,94% pješčenjaka, dok su modeli temeljeni na normaliziranim i sirovim podacima pokazali značajna odstupanja u raspodjeli litološkog sastava.
Za testiranje hipoteze o primjenjivosti razvijene metodologije na 2D seizmičkim podacima odabran je jedan seizmički profil. Odabir profila temeljen je na mogućnosti procjene uspješnosti ANN-a prilikom predviđanja te da djelomično pokriva 3D seizmički volumen i jednu bušotinu. Prvi korak bila je interpretacija gornje i donje granice panona (α i Rs7). Zatim su izračunati seizmički atributi. Izdvojeno je 12 seizmičkih atributa koji su prethodno prepoznati kao visoko učinkoviti za predviđanje litološkog sastava. Podaci su obrađeni u tri skupa podataka: sirovi, normalizirani i standardizirani. Svaki skup podataka kasnije je korišten kao ulazni podatak za ANN predviđanje. Razvijene neuronske mreže korištene su za predviđanje volumena šejla (Vsh), koji je zatim podijeljen u tri litološke klase: pješčenjak (≤0,5), pješčenjak-lapor (0,5-0,7) i lapor (≥0,7).
Konačni rezultati ponovo su pokazali ključnu važnost obrade podataka za predviđanje raspodjele litološkog sastava u podzemlju. Sirovi ulazni podaci doveli su do značajnog precjenjivanja pješčenjaka, dosegnuvši maksimalnih 100%, čineći rezultate potpuno neupotrebljivima za bilo kakvu interpretaciju. S druge strane, normalizirani podaci značajno su podcijenili kategoriju pješčenjak-lapor (1,67%), međutim, predviđena raspodjela pješčenjaka (43,36%) i lapora (64,97%) odgovarala je geološki očekivanim rezultatima. Standardizirani podaci, iako su malo precijenili lapor, proizveli su geološki najsmislenije rezultate, sa sljedećim raspodjelama pješčenjaka (18,92%), pješčenjaka-lapora (19,91%) i lapora (61,17%). Rezulati potvrđuju standardizaciju, kao alat obrade podataka, koji značajno poboljšava geološku vjerodostojnost dobivenu na temelju predviđanja raspodjele litološkog sastava podzemlja. Uz pomoć uspješnog predviđanja litološkog sastava i odnosa vrijeme-dubina, razvijeni ANN modeli značajno doprinose karakterizaciji podzemlja u geoenergetskim primjenama, uključujući istraživanje ugljikovodika, geotermalne energije i skladištenje ugljikovog dioksida
Model for software management of wireless networks with emphasis on seamless vertical handover between Wi-Fi and Li-Fi environment
No full textCilj doktorskog rada je pronaći model koji bi premostio razliku između Wi-Fi i Li-Fi mrežnog okruženja s pomoću SDN kontrolera potpomognutog novim modelom algoritma za vertikalno prebacivanje korisnika u mreži. U ovom radu definiran je model softverski kontrolirane hibridne mreže s naglaskom na povećanje kvalitete usluge korisnika posebno prilikom vertikalnog prebacivanja. U doktorskom radu definirani je algoritam SDN kontrolera sa sučeljima prema različitim komponentama hibridne mreže. Kontroler koristi strojno učenje za analizu povijesnih podataka i obrasce mrežnog prometa, s ciljem proaktivnog predviđanja zagušenja na pristupnim točkama ili preklopnicima. Također, umjesto statičkog definiranja klasa usluga (DGS, DSS, TSS, BES), implementirano je dinamičko prilagođavanje klasa usluge ovisno o trenutačnim uvjetima mreže, s ciljem povećanja propusnosti. Predložen je postupak za dinamičko prebacivanje iz Wi-Fi u Li-Fi i obrnuto u stvarnome vremenu baziran na kombinaciji neizrazite logike i algoritma ravnoteže opterećenja, s povećanim brojem parametara koji ulaze u proces fuzifikacije, te optimiziranom složenošću u odnosu na postojeće algoritme. Simulirana je sposobnost prebacivanja predloženog modela prema glavnim parametrima mreže, kao što su propusnost, kašnjenje i pravednost. Simulacija je uspoređena s konvencionalnim modelima te modelima predloženim u istraženim radovima. Rezultati istraživanja poslužili su kao temelj za definiranje radnog okvira programski kontrolirane mreže.The aim of the dissertation is to develop a model that bridges the gap between Wi-Fi and Li-Fi network environments using an SDN controller, supported by a new algorithm model for vertical user handover within the network. This research defines a software-controlled hybrid network model, with a focus on improving the quality of service for users, especially during vertical handovers. The dissertation introduces an SDN controller algorithm with interfaces to various components of the hybrid network. The controller uses machine learning to analyze historical data and network traffic patterns with the aim of proactively predicting congestion at access points or switches. Furthermore, instead of statically defining classes of service (DGS, DSS, TSS, BES), dynamic adaptation of classes of service based on real-time network conditions is implemented to increase throughput. A dynamic real-time switching mechanism between Wi-Fi and Li-Fi networks based on a combination of fuzzy logic and a load-balancing algorithm is proposed. This approach incorporates an increased number of parameters in the fuzzification process and optimizes the complexity compared to existing algorithms. The handover capability of the model was simulated based using important network parameters such as throughput, latency and fairness. The simulation results were compared with conventional models and those proposed in previous research. The results served as the basis for defining the framework for a software-controlled network
Croatian speech synthesis based on natural language generation from smart IoT environment structured data
No full textStrojna tvorba govora znatno je napredovala u prošlom desetljeću zahvaljujući metodama dubokog učenja. Ostvareni rezultati omogućili su da sintetizirani govor postane kvalitetom usporediv s ljudskim govorom. Ovaj napredak doveo je do širenja područja primjene govornih tehnologija, uključujući njihovu integraciju u pametne okoline. Unatoč tome, za hrvatski jezik nije razvijeno rješenje koje bi pružalo usporedivu razinu kvalitete. U ovoj disertaciji predstavljen je sustav za strojnu tvorbu hrvatskoga govora temeljen na modelu VITS (engl. Variational Inference with Adversarial Learning for End-to-End Text-to-Speech). Sustav je evaluiran putem korisničkog ispitivanja te je pokazao vrlo dobre rezultate u pogledu kvalitete sintetiziranoga govora.
Kako bi se razvijeni sustav primijenio u pametnim okolinama Interneta stvari, razvijen je i sustav za generiranje obavijesti na temelju podataka dostupnih u takvim okolinama. Početni pristup koristio je predefinirane predloške za generiranje obavijesti, što je rezultiralo morfološki nepravilnim obavijestima. Radi poboljšanja kvalitete generiranih obavijesti, implementiran je postupak ispravljanja morfoloških oblika temeljen na n-gramskom sustavu. Zbog ograničenja ovog pristupa, evaluiran je i postupak koji se oslanja na jezične transformatore, što je rezultiralo morfološki ispravnim obavijestima. Za potrebe validacije razvijen je prototip usluge za govorne obavijesti u pametnoj okolini Interneta stvari i provedeno korisničko ispitivanje koje je potvrdilo učinkovitost rješenja u praktičnim scenarijima.Speech synthesis has significantly advanced over the past decade thanks to deep learning methods. The results achieved have enabled synthesized speech to reach a quality level comparable to human speech. This progress has led to the expansion of applications for speech technologies, including their integration into smart environments. Nevertheless, there is currently no solution for the Croatian language that provides a comparable level of quality. This dissertation presents a system for Croatian speech synthesis based on the VITS (Variational Inference with Adversarial Learning for End-to-End Text-to-Speech) model. The system was evaluated through user testing and demonstrated very good results in terms of synthesized speech quality.
In order to apply the developed system in Internet of Things (IoT) smart environments, a system for generating notifications based on available data in such environments was also developed. The initial approach used predefined templates for generating notifications, which resulted in morphologically incorrect notifications. To improve the quality of generated notifications, a procedure for correcting morphological forms based on an n-gram system was implemented. Due to the limitations of this approach, a method relying on language transformers was also evaluated, resulting in morphologically correct notifications. For validation purposes, a prototype service for voice notifications in an IoT smart environment was developed, and user testing confirmed the solution’s effectiveness in practical scenarios
The impact of key economic factors on the development opportunities of Croatian islands
No full textSvjetski i hrvatski znanstvenici koji se bave istraživanjem otočnog razvoja navode kako izučavanje otoka, kao područja s razvojnim posebnostima, zahtijeva specifičnu i prilagođenu metodologiju proučavanja, istraživanja i planiranja. Osnovni cilj ove doktorske disertacije je identificirati i odrediti utjecaj ključnih ekonomskih čimbenika na razvoj i razvojne mogućnosti otoka te predložiti smjernice njihovog budućeg razvoja polazeći od teorijske razrade razvojne problematike otočnog područja te provedenog empirijskog istraživanja. Analizom teorija ekonomskog razvoja te dosadašnjih znanstvenih istraživanja otoka, utvrđeno je da su ekonomski čimbenici koji utječu na njihov razvoj vrlo slični onima koji se identificiraju u analizama regionalnog razvoja, pri čemu se nešto veći naglasak stavlja na turizam.
Provedbom panel analize podataka na uzorku od 18 hrvatskih otoka, utvrđen je pozitivan utjecaj turizma, ljudskog kapitala i mjera ekonomske politike na gospodarski rast kao jednu od komponenti razvoja. Uz spomenute varijable, u model su uvrštene i dvije kontrolne varijable za koje je utvrđeno da su povezane s gospodarskim rastom (nezaposlenost i kretanje stanovništva) kako bi rezultati regresijske analize bili što vjerodostojniji.
Potom je istražen utjecaj prometne povezanosti, turizma i kretanja stanovništva na ekonomski rast. S obzirom na minimalne promjene u kretanju pokazatelja prometne povezanosti tijekom godina, u analizi se koristio vremenski presjek i jednostavna linearna regresija s OLS procjeniteljem.
Analizom gospodarske strukture otoka te izračunom Herfindahl-Hirschmann indeksa i indeksa ogive, u disertaciji se utvrdila uloga pojedinih sektora u otočnim gospodarstvima. Istraženo je na koji način sektori doprinose i ograničavaju ekonomski razvoj te imaju li razvijeniji otoci složeniju gospodarsku strukturu. U disertaciji je također analizirano kako sektori i pojedine gospodarske djelatnosti mogu oblikovati ekonomske izazove i razvojne prilike otoka, nudeći pritom dublje razumijevanje dinamike njihovog razvoja.
Rezultati pokazuju da su postojeći trendovi utjecaja ključnih ekonomskih čimbenika na razvoj otoka u Republici Hrvatskoj u skladu s trendovima na drugim svjetskim i europskim otocima.
Nakon dijela istraživanja u kojem se nastojalo doći do općih spoznaja o utjecaju ključnih ekonomskih čimbenika na razvoj otoka, otoci su rangirani na osnovu 15 pokazatelja primjenom višekriterijske analize. Dobiveni kompozitni indeksi poslužili su kao podloga za grupiranje otoka u četiri razvojne skupine s obzirom na dostignutu razinu razvijenosti.
U posljednjem dijelu empirijskog istraživanja provedeno je anketno ispitivanje eksperata s ciljem evaluacije važnosti pojedinih kriterija unutar definiranih razvojnih dimenzija otoka.
Rezultati anketnog upitnika omogućili su određivanje relativne važnosti pojedinih kriterija za svaki od razmatranih razvojnih scenarija. Slijedom toga, provedena je analiza razvojnih potreba otoka. Primjenom višekriterijske analize, procijenjene su razvojne mogućnosti otočnih razvojnih skupina te je time osigurana znanstveno utemeljena osnova za oblikovanje strateških razvojnih smjernica i ciljanih politika. Na temelju teorijskih spoznaja i dobivenih rezultata, formulirane su smjernice za razvoj otoka koje mogu doprinijeti ubrzanom i uravnoteženom gospodarskom i društvenom napretku, uz istovremeno očuvanje ekološke ravnoteže.International and Croatian scientists engaged in the research of island development note that the study of islands as areas with development peculiarities requires a specific and adapted study, research and planning methodology. The main objective of this doctoral dissertation is to identify and determine the influence of key economic factors on the development and development opportunities of islands and to propose guidelines for their future development based on the theoretical elaboration of the development issues of island territories and the empirical research conducted. By analyzing the theory of economic development and previous scientific research on islands, it was found that the economic factors influencing their development are very similar to those identified in analyzes of regional development, with a slightly greater emphasis on tourism.
A panel analysis of data conducted for a sample of 18 Croatian islands revealed the positive influence of tourism, human capital and economic policy measures on economic growth as one of the components of development. In addition to the above variables, two control variables related to economic growth (unemployment and population movement) were included in the model to make the results of the regression analysis as credible as possible.
The impact of transport connectivity, tourism and population movement on economic growth were then examined. Since the minimal changes in the movement of transport connectivity indicators during the year, a time cross-section and a simple linear regression with the OLS estimator were used for the analysis.
By analyzing the economic structure of the islands and calculating the HHI index and the Ogiven index, the dissertation determined the role of each sector in the island economies. It examined how sectors contribute to or limit economic development and whether more developed islands have a more complex economic structure. The thesis analyzed how sectors and individual economic activities can shape the economic challenges and development opportunities of islands, providing a deeper understanding of the dynamics of their development.
The results show that the existing trends in terms of the influence of key economic factors on the development of islands in the Republic of Croatia are in line with the trends on other islands worldwide and in Europe.
After a part of the research aimed at gaining general insights into the influence of key economic factors on the development of islands, the islands were ranked on the basis of 15 indicators using a multi-criteria analysis. The composite indices determined served as the basis for categorizing the islands into four development groups in terms of the level of development achieved.
In the last part of the empirical research, an expert survey was conducted with the aim of evaluating the importance of individual criteria within the defined development dimensions of the islands. The results of the survey questionnaire made it possible to determine the relative importance of the criteria for each of the development scenarios under consideration. Subsequently, an analysis of the islands' development needs was carried out. By applying the multi-criteria analysis, the development possibilities of the island development groups were assessed, thus providing a scientifically based basis for the formation of strategic development guidelines and targeted policies. Based on the theoretical findings and the results obtained, guidelines for the development of the islands were formulated that can contribute to an accelerated and balanced economic and social progress while maintaining the ecological balance
Private Law Regime of the Fluvial Domain
No full textU hrvatskom je pravu uspostavljeno posebno stvarnopravno uređenje nad zemljištem koje je u neposrednoj vezi s površinskim kopnenim vodama i u funkciji njihovog korištenja i kontrole, a naziva se vodnim dobrom.
U radu je postavljena hipoteza da sadašnje stvarnopravno uređenje vodnog dobra, iako je postavljeno na dobrim temeljima, nije zadovoljavajuće, jer u potpunosti ne osigurava funkcije vodnog dobra te ne udovoljava zahtjevima tržišnog gospodarstva i drugim interesima. Cilj istraživanja rada je provjera te hipoteze i određivanje optimalnog sadržaja stvarnopravnog uređenja vodnog dobra. Provjera hipoteze i ostvarenje cilja istraživanja provodi se kroz dva istraživačka pitanja: prvo, osigurava li sadašnje stvarnopravno uređenje vodnog dobra ostvarivanje funkcija vodnog dobra i zadovoljavanje zahtjeva tržišnog gospodarstva u pogledu gospodarskog korištenja vodnog dobra te ekoloških, drugih javnih i osobnih interesa; te drugo, koje bi sve zemljište trebalo biti obuhvaćeno vodnim dobrom i kakvo bi mu uređenje najviše odgovaralo, u korelaciji s vodnim građevinama koje se grade na vodnom dobru ili imaju istu namjenu kao vodno dobro.
Rad sadrži povijesni, teorijski i normativni prikaz vodnog dobra u hrvatskom pravu, zajedno s ustavnim i konvencijskim okvirom te zakonodavstvom Europske unije, kao i komparativni prikaz stranih uređenja.
Ispitivanje hipoteze i odgovori na istraživačka pitanja rezultiraju određivanjem optimalnog sadržaja stvarnopravnog uređenja vodnog dobra sa zakonskim prijedlozima.In Croatian law, a special private law regime is established over land that is directly connected with surface inland waters and serves the purpose of their use and control, and it is referred to as fluvial domain.
The hypothesis set forth in this paper is that the current private law regime of fluvial domain, although founded on good principles, is not satisfactory because it does not fully ensure the functions of fluvial domain, nor does it meet the demands of a market economy and other interests. The aim of the research in this paper is to test that hypothesis and to determine the optimal content of the private law regime of fluvial domain. The verification of this hypothesis is carried out through two main research questions: first, does the current private law regime of fluvial domain ensure the fulfilment of its functions and meet the requirements of a market economy in terms of its economic use, as well as ecological, other public, and individual interests; and second, what land should be included in the scope of fluvial domain, in correlation with water infrastructures.
The paper includes a historical, theoretical, and normative overview of fluvial domain in Croatian law, the constitutional and convention-based framework, European Union legislation, and a comparative analysis.
The testing of the hypothesis and the answers to the research questions result in the determination of the optimal content of the private law regime of fluvial domain, along with specific legislative proposals