Sökning: "model inlärning"

Visar resultat 1 - 5 av 235 uppsatser innehållade orden model inlärning.

1. 1. 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. 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. Matematiklärarens förutsättningar att använda digitala lärspel i undervisningen : En kvalitativ studie om lärares teknikacceptans

   Uppsats för yrkesexamina på avancerad nivå, Högskolan i Halmstad/Akademin för lärande, humaniora och samhälle

   Författare :Anton Olsson; Alexander Jeppsson; Ebba Kvarnström; [2023]
   Nyckelord :Digital learning games; mathematics; mathematics teachers; mathematics education; teachers technology acceptance; technology acceptance; implementation; Technology Acceptance Model; TAM; Digitala lärspel; matematik; matematiklärare; matematikundervisning; lärares teknikacceptans; teknikacceptans; implementering; Technology Acceptans Model; TAM;

   Sammanfattning : Genom att använda välutformade digitala lärspel med tydligt syfte kanelevers inlärning förbättras och deras positiva attityder gentemotmatematikämnet främjas. För att framgångsrikt införa digitala lärspel imatematikundervisningen är det avgörande att lärare visar acceptans förtekniken. LÄS MER

5. 4. Analyzing How Blended Emotions are Expressed using Machine Learning Methods

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

   Författare :Disen Ling; [2023]
   Nyckelord :Blended emotion; Supervised learning; Model generalization capability; Ablation study; Blandade känslor; Övervakad inlärning; Modellens generaliseringsförmåga; Ablationsstudie;

   Sammanfattning : Blended emotion is a classification of emotional experiences that involve the combination of multiple emotions. Research on the expression of blended emotions allows researchers to understand how different emotions interact and coexist in an individual’s emotional experience. LÄS MER

7. 5. Active learning for text classification in cyber security

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

   Författare :Amanda Carp; [2023]
   Nyckelord :Interactive machine learning; Active learning; Cost-effective active learning; Cyber environment; Interaktiv maskininlärning; Aktiv inlärning; Kostnadseffektiv aktiv inlärning; Cyberdomänen;

   Sammanfattning : In the domain of cyber security, machine learning promises advanced threat detection. However, the volume of available unlabeled data poses challenges for efficient data management. This study investigates the potential for active learning, a subset of interactive machine learning, to reduce the effort required for manual data labelling. LÄS MER