Sökning: "Maskininlärning"

Visar resultat 1 - 5 av 874 uppsatser innehållade ordet Maskininlärning.

1. 1. Property Valuation by Machine Learning and Hedonic Pricing Models : A Case study on Swedish Residential Property

   Master-uppsats, KTH/Fastigheter och byggande

   Författare :Kanha Teang; Yiran Lu; [2021]
   Nyckelord :Real estate valuation; Machine learning; Hedonic Pricing Models; Random Forest; Stockholm; Fastighetsvärderingar; Maskininlärning; hedoniska prissättningsmodeller; Random Forest; Stockholm;

   Sammanfattning : Property valuation is a critical concept for a variety of applications in the real estate market such as transactions, taxes, investments, and mortgages. However, there is little consistency in which method is the best for estimating the property value. LÄS MER

3. 2. IDENTIFIKATION AV RISKINDIKATORER I FINANSIELL INFORMATION MED HJÄLP AV AI/ML : Ökade möjligheter för myndigheter att förebygga ekonomisk brottslighet

   Uppsats för yrkesexamina på avancerad nivå, Umeå universitet/Institutionen för matematik och matematisk statistik

   Författare :Kristoffer Ahlm; [2021]
   Nyckelord :financial crime; ecocrime; ecocrime; machine learning; fraud; risk; riskwork; authorites; artificial intelligence; ai; ml; financial information; annual reports; prevention; criminality; detect; fraudster; fradulent; detect economic crimes; ekobrott; ekobrottslighet; maskininlärning; bedrägeri; risk; riskarbete; myndigheter; artificiell intelligens; ai; ml; finansiell information; årsredovisningar; förebygga; brottslighet; riskindikatorer; upptäcka; upptäcka ekonomisk brottslighet; förebygga ekonomisk brottslighet;

   Sammanfattning : Ekonomisk brottslighet är mer lukrativt jämfört med annan brottslighet som narkotika, häleri och människohandel. Tidiga åtgärder som försvårar att kriminella kan använda företag för brottsliga syften gör att stora kostnader för samhället kan undvikas. LÄS MER

4. 3. Computer Vision for Camera Trap Footage : Comparing classification with object detection

   Uppsats för yrkesexamina på avancerad nivå, Uppsala universitet/Avdelningen för visuell information och interaktion

   Författare :Fredrik Örn; [2021]
   Nyckelord :computer vision; camera traps; classification; object detection; neural networks; artificial intelligence; machine learning; datorseende; kamerafällor; klassificering; detektering; neurala nätverk; artificiell intelligens; maskininlärning;

   Sammanfattning : Monitoring wildlife is of great interest to ecologists and is arguably even more important in the Arctic, the region in focus for the research network INTERACT, where the effects of climate change are greater than on the rest of the planet. This master thesis studies how artificial intelligence (AI) and computer vision can be used together with camera traps to achieve an effective way to monitor populations. LÄS MER

5. 4. Classification of a Sensor Signal Attained By Exposure to a Complex Gas Mixture

   Master-uppsats, Linköpings universitet/Statistik och maskininlärning

   Författare :Rabnawaz Jan Sher; [2021]
   Nyckelord :Classification; Random Forest; Linear Discriminant Analysis; Naive Bayes; Principal Component Analysis; Drift; Baseline Compensation; Normalization; Sensor; Signal Preprocessing.;

   Sammanfattning : This thesis is carried out in collaboration with a private company, DANSiC AB This study is an extension of a research work started by DANSiC AB in 2019 to classify a source. This study is about classifying a source into two classes with the sensitivity of one source higher than the other as one source has greater importance. LÄS MER

7. 5. A Literature Study Concerning Generalization Error Bounds for Neural Networks via Rademacher Complexity

   Master-uppsats, Umeå universitet/Institutionen för matematik och matematisk statistik

   Författare :Oskar Nordenfors; [2021]
   Nyckelord :machine; learning; neural; networks; generalization; error; rademacher; complexity; maskininlärning; neurala; nätverk; generaliseringfel; rademachers; komplexitet;

   Sammanfattning : In this essay some fundamental results from the theory of machine learning and neural networks are presented, with the goal of finally discussing bounds on the generalization error of neural networks, via Rademacher complexity. ... LÄS MER