Search

Cilj diplomske naloge je raziskati področje upodabljanja podatkov in računalniške grafike ter s pomočjo pridobljenega znanja razviti spletno aplikacijo za upodabljanje gibanja togih predmetov v stvarnem času. V prvem delu diplomske naloge sta obravnavani področji upodabljanja podatkov in računalniške grafike. Opisana je vloga grafičnih elementov v upodobitvah, predstavljenih je nekaj uveljavljenih vrst upodobitev podatkov, razložen je vpliv interaktivnosti in dinamičnosti upodobitev. V poglavju o računalniški grafiki je analiziran proces ustvarjanja in upodabljanja navideznega trirazsežnega prostora. Opisana je predstavitev trirazsežnih predmetov, vpliv osvetljevanja na odboje svetlobe od površin v prostoru, projekcija trirazsežnega prostora v dvorazsežno sliko in ustvarjanje animirane grafike. Drugi del diplomske naloge zajema razvoj spletne aplikacije za prikazovanje poljubnega števila dvo- in trirazsežnih upodobitev podatkov. Najprej je opisan razvoj uporabniškega vmesnika z uporabo JavaScript ogrodja Vue.js. Sledi implementacija pretoka podatkov od strežnika do aplikacije z uporabo protokola WebSocket. Nato je predstavljen razvoj modula za centralizirano upravljanje stanja aplikacije oziroma spremenljivk, s katerimi je nadzorovano delovanje aplikacije ob dogodkih, ki vplivajo ne njeno stanje, ne glede na njihov vir (izvirajo lahko iz novih podatkov v pretoku ali pa jih proži uporabniška interakcija). Na koncu s primeroma ponazorimo še razvoj trirazsežne upodobitve podatkov gibanja teniškega loparja v stvarnem času s pomočjo knjižnice Three.js in črtnega diagrama podatkov o hitrosti gibanja teniške žogice s knjižnico Plotly.js. The goal of the thesis was to research the field of data visualization and develop a web application that visualizes the movement of rigid objects from data received in real time. The first part of the thesis examines the fields of data visualization and computer graphics. This part explains the role of graphic elements, interactivity and animations in visualizations, and presents some established types of data visualizations. The chapter of computer graphics analyzes the process of building a virtual three dimensional space and rendering it to a two dimensional projection. It explains the presentation of virtual three dimensional objects, influences of light on the surfaces of objects, projections of three dimensional spaces to two dimensional images and creation of animated graphics. The second part of the thesis describes the development of a web application which enables users to create multiple two and three dimensional visualizations from a real time stream of data. Firstly, the chapter describes the development of the graphical user interface with the JavaScript framework Vue.js. Secondly, it presents the implementation of a real time data stream from a server to the visualization application using the WebSocket protocol. Next described is the centralized state management system of the developed application, which is used to control the application from a single point, no matter where the source of a state mutating event occurs (it can be caused either by new data in the data stream or by user interaction). Finally, we use code examples to explain the development of a tennis racket movement visualization using a JavaScript library Three.js, and development of a dynamic line diagram which visualizes the speed of a moving tennis ball using the external library Plotly.js.

Z današnjo tehnologijo je mogoče preprosto neprekinjeno zbiranje podatkov. Kljub temu predstavlja pridobivanje znanja iz potencialno neskončnih podatkovnih tokov odprt problem. Zaradi določenih omejitev morajo biti metode za procesiranje podatkov dobro zasnovane, prostorsko učinkovite, računsko enostavne in hitre. Pogosto se analiza opravi na fiksni zgodovini podatkovnega toka, ki je določena z drsečim oknom. Kvaliteto napovedi algoritmov običajno ocenimo glede na njihovo povprečno točnost. Vendar, ko imamo opravka s podatki v realnem času, je lahko prav tako pomembna zanesljivost izhodnih vrednosti. V diplomskem delu obravnavamo ocenjevanje zanesljivosti posameznih napovedi pri učenju na podatkovnih tokovih. Raziskali smo različne metode, ki tvorijo intervalne ocene zanesljivosti s pristopom maksimalnega verjetja, stremljenja in lokalnih okolic, za delo na neprekinjenih dinamičnih podatkih. Metode smo implementirali z različnimi algoritmi strojnega učenja in jih preizkusili na več realnih in umetnih regresijskih problemih pri različnih velikostih drsečega okna. Uspešnost intervalnih cenilk smo ovrednotili z ocenami pokrivna verjetnost, relativni povprečni napovedni interval in kombinirana statistika. Primerjali smo izvajalne čase učnih algoritmov z in brez ocen zanesljivosti ter dosežene točnosti napovedi pri enakih časovnih omejitvah. Rezultate analiziramo tudi vizualno. With today's technology it is easy to collect data continuously. Still, how to extract knowledge from potentially infinite data streams remains an open problem. Because of specific constraints, stream processing methods have to be well designed, space-efficient, computationally simple and fast. Typically, data analysis is done on a fixed history of the data stream defined by a sliding window. We usually define the quality of predictions by their average accuracy. However, when dealing with real-time data it can be also important to know the reliability of the models’ output values. In this thesis we deal with online reliability estimation of individual predictions on data streams. We consider different interval reliability estimators based on maximum likelihood, bootstrap and local neighborhood approach for working on continuous dynamic data. We implement these methods on different regression models and test them on several real and artificial regression problems with various sizes of the sliding window. Performance of the interval estimates are evaluated using the estimates of prediction interval coverage probability, the relative mean prediction interval and the combined statistic. We compare the execution times of learning algorithms with and without the reliability estimates as well as their prediction accuracy when given the same time constraint. We also analyze results visually.