Sökning: "C- inlärning"
Visar resultat 1 - 5 av 84 uppsatser innehållade orden C- inlärning.
1. Evaluating the effects of data augmentations for specific latent features : Using self-supervised learning
M1-uppsats, KTH/Hälsoinformatik och logistikSammanfattning : Supervised learning requires labeled data which is cumbersome to produce, making it costly and time-consuming. SimCLR is a self-supervising framework that uses data augmentations to learn without labels. This thesis investigates how well cropping and color distorting augmentations work for two datasets, MPI3D and Causal3DIdent. LÄS MER
2. Du kan lära dig mycket av andra, men mer av dig själv
L3-uppsats, Luleå tekniska universitet/Pedagogik, språk och ämnesdidaktikSammanfattning : Detta är ett utvecklingsarbete som genomförts under särskild Kompletterande Utbildning (sKPU) vid Luleå Tekniska Högskola (LTU), höstterminen 2020. Syftet med utvecklingsarbetet har varit att fördjupa bilden av hur eleverna kan utveckla sin förmåga och förståelse med stöd av portföljmetodik, bedömningsmatris och självbedömning under ett praktiskt moment i teknik. LÄS MER
3. INDIVIDUELLA IDROTTARES FÖRUTSÄTTNINGAR FÖR SJÄLVREGLERAT LÄRANDE
Master-uppsats, Umeå universitet/Institutionen för psykologiSammanfattning : Självreglerat lärande (SRL) har visat sig vara en användbar strategi för både idrottslig inlärning och utveckling. Vilka miljömässiga förutsättningar idrottaren ges kan både främja och hämma denna utveckling, vilket få studier undersökt i en idrottslig kontext. LÄS MER
4. Analysis of Eye Tracking Data from Parkinson’s Patients using Machine Learning
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Parkinson’s disease is a brain disorder associated with reduced dopamine levels in the brain, affecting cognition and motor control in the human brain. One of the motor controls that can be affected is eye movements and can therefore be critically affected in patients with Parkinson’s disease. LÄS MER
5. Pushing the boundary of Semantic Image Segmentation
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : The state-of-the-art object detection and image classification methods can perform impressively on more than 9k classes. In contrast, the number of classes in semantic segmentation datasets are fairly limited. This is not surprising , when the restrictions caused by the lack of labeled data and high computation demand are considered. LÄS MER