Sökning: "modell inlärning"

Visar resultat 1 - 5 av 140 uppsatser innehållade orden modell inlärning.

1. 1. ”Var ska omsorgen få plats?” : En studie kring förskollärares syn på sitt omsorgsuppdrag

   Uppsats för yrkesexamina på grundnivå, Malmö universitet/Institutionen för barndom, utbildning och samhälle (BUS)

   Författare :Karl Mårtensson; [2024]
   Nyckelord :Preschool; Curriculum theory; Care; Preschool teacher; Educare; Förskola; Läroplansteori; Omsorg; Förskollärare; Educare;

   Sammanfattning : Förskolan har varit och är en omsorgsinstitution där verksamma i förskolan bedriver omsorg i många olika former. Det kan vara allt från att knyta ett par skor till att prata om bilbarnstol med en vårdnadshavare; och allt där emellan. Omsorg definierar förskolan och vad förskolan har för uppdrag och uppgift i samhället. LÄS MER

3. 2. Topological regularization and relative latent representations

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Alejandro García Castellanos; [2023]
   Nyckelord :Algebraic Topology; Large Language Models; Relative Representation; Representation Learning; Model Stitching; Topological DataAnalysis; Zero-shot; Algebraisk topologi; Stora språkmodeller; Relativ representation; Representationsinlärning; Modell sömmar; Topologisk dataanalys; Zero-shot;

   Sammanfattning : This Master's Thesis delves into the application of topological regularization techniques and relative latent representations within the realm of zero-shot model stitching. Building upon the prior work of Moschella et al. LÄS MER

4. 3. Multi-Agent Deep Reinforcement Learning in Warehouse Environments

   Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :John Cao; Mikael Hammarling; [2023]
   Nyckelord :;

   Sammanfattning : This report presents a deep reinforcement algorithm for multi-agent systems based on the classicalDeep Q-Learning algorithm. The method considers a decentralized approach to controlling theagents, by equipping each agent with its own neural network and replay memory. LÄS MER

5. 4. Regression with Bayesian Confidence Propagating Neural Networks

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Raghav Rajendran Bongole; [2023]
   Nyckelord :Machine Learning; Neural Networks; Brain-like computing; Bayesian Confidence Propagating Neural Networks; Maskininlärning; neurala nätverk; hjärnliknande datorer; Bayesian Förtroendespridande neurala nätverk;

   Sammanfattning : Bayesian Confidence Propagating Neural Networks (BCPNNs) are biologically inspired artificial neural networks. These networks have been modeled to account for brain-like aspects such as modular architecture, divisive normalization, sparse connectivity, and Hebbian learning. LÄS MER

7. 5. Self-learning for 3D segmentation of medical images from single and few-slice annotation

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Côme Lassarat; [2023]
   Nyckelord :Self-supervised Learning; Segmentation; Medical images; Självövervakad inlärning; segmentering; medicinska bilder;

   Sammanfattning : Training deep-learning networks to segment a particular region of interest (ROI) in 3D medical acquisitions (also called volumes) usually requires annotating a lot of data upstream because of the predominant fully supervised nature of the existing stateof-the-art models. To alleviate this annotation burden for medical experts and the associated cost, leveraging self-learning models, whose strength lies in their ability to be trained with unlabeled data, is a natural and straightforward approach. LÄS MER