<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=160196"><dc:title>Vpeljava obstoječega znanja v podatkovno vodene pristope modeliranja dinamskih sistemov</dc:title><dc:creator>Anko,	Matej	(Avtor)
	</dc:creator><dc:creator>Slavič,	Janko	(Mentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>podatkovno vodeni pristopi</dc:subject><dc:subject>dinamski sistemi</dc:subject><dc:subject>fizikalno obogateno strojno učenje</dc:subject><dc:subject>balansiranje togih rotorjev</dc:subject><dc:subject>tensorflow</dc:subject><dc:description>Pri razumevanju in reševanju dinamskih sistemov si lahko pomagamo z različnimi meritvami in podatkovno vodenimi pristopi, kot so metode strojnega učenja. Pogosto imamo o obravnavanem problemu že nekaj predhodnega znanja, ki ga lahko vključimo v proces strojnega učenja na več različnih načinov. Na primeru balansiranja togih rotorjev, si bomo pogledali več možnih načinov vpeljave predhodnega znanja za napoved lokacije in mase, potrebne za zmanjšanje masne neuravnoteženosti. S pomočjo knjižnice Tensorflow bomo izdelali več modelov in jih ocenili glede na definirane kriterije.</dc:description><dc:date>2024</dc:date><dc:date>2024-08-23 08:31:17</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>160196</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>