|
2. Odkrivanje podskupin z uporabo algoritmov za učenje pravilBranko Kavšek, 2004, doktorska disertacija Ključne besede: strojno učenje, podatkovno rudarjenje, odkrivanje podskupin, učenje pravil, ROC analiza, evalvacijske mere, utežna relativna klasifikacijska točnost, računalništvo, disertacije Celotno besedilo (povezava drugam) |
|
|
|
6. Uporaba globokih konvolucijskih nevronskih mrež na jezikovnih problemihŽiga Pušnik, 2015, diplomsko delo/naloga Ključne besede: strojno učenje, obdelava naravnega jezika, nevronska mreža, nevron, konvolucija, konvolucijska nevronska mreža, klasifikacija, klasifikacijski model, klasifikator, klasifikacijska točnost, jezik, besedilo, vejica, lema, krn, moment, gradientni spust, vzratno širjenje napake, jezikovni korpus, atribut Celotno besedilo (povezava drugam) |
7. Uporaba globokih konvolucijskih nevronskih mrež na jezikovnih problemihŽiga Pušnik, 2015, diplomsko delo/naloga Ključne besede: strojno učenje, obdelava naravnega jezika, nevronska mreža, nevron, konvolucija, konvolucijska nevronska mreža, klasifikacija, klasifikacijski model, klasifikator, klasifikacijska točnost, jezik, besedilo, vejica, lema, krn, moment, gradientni spust, vzratno širjenje napake, jezikovni korpus, atribut Celotno besedilo (datoteka, 970,74 KB) |
8. Napovedovanje časovnih vrst s strojnim učenjemNina Zupančič, 2014, magistrsko delo Ključne besede: strojno učenje, časovne vrste, večslojni perceptron, klasifikacijska drevesa, regresijska drevesa, k-najbližjih sosedov, SMAPE, R, K-kratni validacijski postopek Celotno besedilo (datoteka, 1,89 MB) |
|
|