Sökning: "inlärning och minne"

Visar resultat 1 - 5 av 62 uppsatser innehållade orden inlärning och minne.

  1. 1. Exploring serial positioning effects in Claeson-Dahl's Test for verbal learning and retention – a naturalistic study

    Uppsats för yrkesexamina på avancerad nivå, Lunds universitet/Institutionen för psykologi

    Författare :Hampus Fritz; [2024]
    Nyckelord :serial positioning effect; Claeson-Dahl’s Test for verbal learning and retention; neuropsychology; memory; word list; Seriepositionseffekten; Claeson-Dahls Test för inlärning och minne; neuropsykolog; minne; ordlista; Social Sciences;

    Sammanfattning : Serial positioning effects and the derived recency ratio has shown increasing promise as clinical tools for evaluating neurocognitive disorders. These measures have remained unexplored in Claeson-Dahl’s Test for verbal learning and retention (CDT). LÄS MER

  2. 2. Utilizing energy-saving techniques to reduce energy and memory consumption when training machine learning models : Sustainable Machine Learning

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

    Författare :Khalid El Yaacoub; [2024]
    Nyckelord :Sustainable AI; Machine learning; Quantization-Aware Training; Model Distillation; Quantized Distillation; Siamese Neural Networks; Continual Learning; Experience Replay; Data Efficient AI; Energy Consumption; Energy-Savings; Sustainable ML; Computation resources; Hållbar maskin inlärning; Hållbar AI; Maskininlärning; Quantization-Aware Training; Model Distillation; Quantized Distillation; siamesiska neurala nätverk; Continual Learning; Experience Replay; Dataeffektiv AI; Energiförbrukning; Energibesparingar; Beräkningsresurser;

    Sammanfattning : Emerging machine learning (ML) techniques are showing great potential in prediction performance. However, research and development is often conducted in an environment with extensive computational resources and blinded by prediction performance. LÄS MER

  3. 3. Fallenhet för media multitasking och prestation i episodiska minnesuppgifter: En experimentell kvantitativ studie

    Kandidat-uppsats, Lunds universitet/Institutionen för psykologi

    Författare :Nicole Ciba Andersson; Elin Härefelt; [2023]
    Nyckelord :media multitasking; episodic memory; mmt-r; memory performance; learning; Artificial Intelligence; multitasking; episodiskt minne; minnesprestation; inlärning; artificiell intelligens; Social Sciences;

    Sammanfattning : I denna studie undersökte vi korrelationen mellan fallenhet till multitasking och minnesprestation i episodiska minnesuppgifter för detaljer och associationer. Hypotesen var att personer med hög fallenhet till multitasking skulle prestera bättre i minnesuppgifter gällande minnen för associationer, och personer med låg fallenhet till multitasking skulle prestera bättre i minnesuppgifter gällande minnen för detaljer. LÄS MER

  4. 4. Kan VR-stödd undervisning bidra till förbättrade elevresultat?

    Uppsats för yrkesexamina på grundnivå, Malmö universitet/Fakulteten för lärande och samhälle (LS)

    Författare :Meyrem Elmazoska; [2023]
    Nyckelord :Inlärning; Minne; Motivation; Multimodal undervisning och virtuell verklighet;

    Sammanfattning : Mitt arbete handlar om VR (virtuell verklighet) och vilka möjliga fördelar det bidrar till undervisningen i grundskolan. Jag har inriktat mig på att studera VR-teknikens effekter och syftet med denna undersökning har varit att få reda på huruvida lärande resultat och utbildningen kan förbättras med hjälp av VR samt vilka utvecklingsmöjligheter det finns för undervisningen. LÄS MER

  5. 5. 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