Sökning: "Machine Learning ML"

Visar resultat 1 - 5 av 385 uppsatser innehållade orden Machine Learning ML.

1. 1. Cross project Just-In-Time bug detection

   Master-uppsats, Karlstads universitet/Institutionen för matematik och datavetenskap (from 2013)

   Författare :Axel Pettersson; [2024]
   Nyckelord :JITLine; Bug detection; Software Development; JITLine; Bugg identifiering; Mjukvaruutveckling;

   Sammanfattning : Software is present in almost all aspects of our lives, and with more parts of life beingdriven by code, the importance of limiting bugs is critical. Studies have shown that thelonger a bug is present in a system increases the complexity of finding and handlingthe bug. LÄS MER

3. 2. ML implementation for analyzing and estimating product prices

   Kandidat-uppsats, Karlstads universitet/Institutionen för matematik och datavetenskap (from 2013)

   Författare :Abel Getachew Kenea; Gabriel Fagerslett; [2024]
   Nyckelord :Machine Learning; ML; Regression; Deep Learning; Artificial Neural Network; ANN; TensorFlow; ScikitLearn; CUDA; cuDNN; Estimation; Prediction; AI; Artificial Intelligence; Price Tracking; Price Logging; Price Estimation; Supervised Learning; Random Forest; Decision Trees; Batch Learning; Hyperparameter Tuning; Linear Regression; Multiple Linear Regression; Maskininlärning; Djup lärning; Artificiellt Neuralt Nätverk; Regression; TensorFlow; SciktLearn; ML; ANN; Estimation; Uppskattning; CUDA; cuDNN; AI; Artificiell Intelligens; pris loggning; pris estimation; prisspårning; Batchinlärning; Hyperparameterjustering; Linjär Regression; Multipel Linjär Regression; Supervised Learning; Random Forest; Decision Trees;

   Sammanfattning : Efficient price management is crucial for companies with many different products to keep track of, leading to the common practice of price logging. Today, these prices are often adjusted manually, but setting prices manually can be labor-intensive and prone to human error. LÄS MER

4. 3. Verktyg för tolkning av äldre planbestämmelser : Systematisk och automatiserad översättning av äldre planbestämmelser för framtidens samhällsbyggnadsprocess

   Master-uppsats, KTH/Urbana och regionala studier

   Författare :Linn Nordlund; [2024]
   Nyckelord :Digitization; detailed development plans; zoning plans; planning regulations; Värmdö municipality; machinelearning; ML; AI; Digitalisering; detaljplaner; planbestämmelser; tolkning av planbestämmelser; Värmdö kommun; maskininlärning; AI;

   Sammanfattning : I samhället finns en stor efterfrågan på digitala detaljplaner eftersom digital och enhetlig data gör informationen analyserbar och sökbar. Även om nya detaljplaner ska vara digitala är den stora majoriteten av befintliga planer fysiska kartor med tillhörande bestämmelser på papper. LÄS MER

5. 4. Evaluation of Deep Q-Learning Applied to City Environment Autonomous Driving

   Uppsats för yrkesexamina på avancerad nivå, Uppsala universitet/Signaler och system

   Författare :Jonas Wedén; [2024]
   Nyckelord :Machine Learning; ML; Reinforcement Learning; RL; Neural Network; Deep Learning; Autonomous Vehicle; Vehicle; CARLA; Convolutional Neural Network; CNN; Precisit; Q-learning; Deep Q-learning; DQN;

   Sammanfattning : This project’s goal was to assess both the challenges of implementing the Deep Q-Learning algorithm to create an autonomous car in the CARLA simulator, and the driving performance of the resulting model. An agent was trained to follow waypoints based on two main approaches. LÄS MER

7. 5. Android Malware Detection Using Machine Learning

   Kandidat-uppsats, Blekinge Tekniska Högskola/Institutionen för datavetenskap

   Författare :Rahul Sai Kesani; [2024]
   Nyckelord :Malware; Machine Learning; Random Forest; Sequential Neural Network.;

   Sammanfattning : Background. The Android smartphone, with its wide range of uses and excellent performance, has attracted numerous users. Still, this domination of the Android platform also has motivated the attackers to develop malware. The traditional methodology which detects the malware based on the signature is unfit to discover unknown applications. LÄS MER