1.

Distributed embedded control systems : improving dependability with coherent design, (Advances in industrial control)

Monografija obravnava vgrajene sisteme predvsem z vidika povečanja njihove zanesljivosti. Med drugim podaja glavne rezultate projekta IST-2001-32122; IFATIS - Intelligent Fault Tolerant Control in Integrated Systems, WP4: Fault Tolerance in Computer Systems (pod vodstvom naše programske skupine); Evropski projekt iz 5. okvirnega programa.

COBISS.SI-ID: 11970070

2.

Bpel cookbook : best practices for SOA-based integration and composite applications development

Monografija Best practices for SOA-based integration and composite applications development je v letu 2007 prejela nagrado SYS-CON za najboljšo knjigo s področja SOA na svetu.

COBISS.SI-ID: 11580438

3.

Knowledge discovery with classification ruls in a cardiovascular dataset

V članku je predstavljena študija evolucijskega pristopa k avtomatskemu učenju za izkopavanje podatkov in odkrivanje znanja, ki temelji na indukciji klasifikacijskih pravil. Razvita je metoda za samodejno indukcijo pravil AREX, ki združuje evolucijsko gradnjo odločitvenih dreves in avtomatskega programiranja. Študija primera prikazuje uporabo metode AREX za klasifikacijo pacientov in odkrivanje morebitnega novega znanja iz podatkov. Končni rezultat postopka v študiji primera je odkrit vzorec, ki bi morebiti lahko predstavljal novo odkrito znanje.

COBISS.SI-ID: 10103062

4.

Automated software size estimation based on function points using UML models

Predstavljeni rezultati raziskovalnega dela omogočajo sistematično ocenjevanje obsega programskih projektov, ki temelji na vpeljanem formalnem modelu in formalnih preslikavah modelov jezika za objektno modeliranje UML v abstrakcijo funkcijskih točk. Formalni pristop omogoči avtomatizacijo ocenitev, s tem pa vpliva na enostavnost uporabe, zmanjšanje subjektivnosti v ocenah in povečanje natančnosti ocenitev obsega.

COBISS.SI-ID: 10010134

5.

Autonomous evolutionary algorithm in medical data analysis

Pri strojnem učenju na medicinskih podatkih je izredno pomembno, da lahko dobljene rezultate uporabimo za preučevanje še nevidenih podatkov, torej v pomoč zdravnikom pri odločanju. Zaradi specifičnosti zahtev je potrebno narediti odločitveni model, ki je preprost za uporabo, in ki ga je mogoče znova in znova ustvarjati iz novih in novih podatkov. Ustvarjen je bil algoritem za evolucijsko gradnjo odločitvenih dreves, ki uporablja nestandardno rešitev - implicitno ocenjevanje v fazi selekcije pri koevoluciji dveh populacij.

COBISS.SI-ID: 10102550