Pretraživanje Python programskog koda predstavljenog dubokim značajkama na osnovi prirodnim jezikom zadane funkcionalnosti

Sažetak na hrvatskom: U radu je opisana primjena dubokog učenja za pretragu Python izvornih kodova na osnovu korisničkog upita. Objašnjeni su osnovni principi dubokog učenja i predložena je arhitektura za rješavanje zadanog problema. Ostvarena je implementacija s kojom je demonstrirana funkcionalnos...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:51146/Details
Glavni autor: Pacadi, Marko (-)
Ostali autori: Šilić, Marin (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, M. Pacadi, 2019.
Predmet:
LEADER 02154na a2200229 4500
003 HR-ZaFER
008 160221s2019 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid6600 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Pacadi, Marko  |9 40420 
245 1 0 |a Pretraživanje Python programskog koda predstavljenog dubokim značajkama na osnovi prirodnim jezikom zadane funkcionalnosti :  |b diplomski rad /  |c Marko Pacadi ; [mentor Marin Šilić]. 
246 1 |a Python Code Deep-Searching Based on the Functionality Description Given in Natural Language  |i Naslov na engleskom:  
260 |a Zagreb,  |b M. Pacadi,  |c 2019. 
300 |a 50 str. ;  |c 30 cm +  |e CD-ROM 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2019-06-28, datum završetka: 2019-07-08 
520 3 |a Sažetak na hrvatskom: U radu je opisana primjena dubokog učenja za pretragu Python izvornih kodova na osnovu korisničkog upita. Objašnjeni su osnovni principi dubokog učenja i predložena je arhitektura za rješavanje zadanog problema. Ostvarena je implementacija s kojom je demonstrirana funkcionalnost dubokog modela. Na kraju rada predložene su mjere za analizu implementacije. Analizom mjera pokazana je uspješnost izvođenja implementiranog modela dubokog učenja. 
520 3 |a Sažetak na engleskom: This paper discribes the application of deep learning to demonstrate search engine for Python source codes based on user query. Basic principles of deep learning have been explained and problem solving architecture is proposed. An implementation of search engine was implemented demonstrating the functionality of the deep model. At the end of this paper, measures for analysis of this implementation were presented. The analysis of the measures showed the success performace of implemented deep learning model. 
653 1 |a duboko učenje, umjetne neuronske mreže, povratne neuronske mreže, pretraga koda 
653 1 |a deep learning, artificial neural networks, recurrent neural network, code search 
700 1 |a Šilić, Marin  |4 ths  |9 40421 
942 |c Y 
999 |c 51146  |d 51146