<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Uporaba zveznega učenja za napoved prekinljivosti v mobilnem računalništvu</dc:title><dc:creator>Kocjančič,	Anže	(Avtor)
	</dc:creator><dc:creator>Pejović,	Veljko	(Mentor)
	</dc:creator><dc:subject>zvezno učenje</dc:subject><dc:subject>android</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>flower</dc:subject><dc:description>Diplomska naloga obravnava izziv ugotavljanja primernih trenutkov za dostavo obvestil na mobilne naprave. Klasični modeli strojnega učenja, ki uporabljajo podatke o uporabnikovi lokaciji, aktivnosti in stanju naprave, lahko učinkovito napovedujejo te trenutke, vendar zahtevajo pošiljanje podatkov v oblak, kar ogroža zasebnost. V tej nalogi uporabimo zvezno učenje, ki omogoča grajenje modela na distribuiran način, brez pošiljanja osebnih podatkov na strežnik. Razvili smo Android aplikacijo z ogrodjem TensorFlow Lite in Flower, ki omogoča učenje na mobilni napravi. Testiranje na dejanskih mobilnih napravah je pokazalo, da zvezno učenje omogoča učinkovito in zasebno napovedovanje prekinljivosti uporabnika.</dc:description><dc:date>2024</dc:date><dc:date>2024-12-02 11:35:01</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>165319</dc:identifier><dc:identifier>VisID: 37632</dc:identifier><dc:identifier>COBISS_ID: 218107651</dc:identifier><dc:language>sl</dc:language></metadata>
