1. |
2. |
3. Razvoj, ovrednotenje in primerjava odločitvenih modelov za napovedovanje delovanja čistilne naprave : diplomska nalogaMarko Štemberger, 2023, diplomsko delo Opis: V diplomski nalogi raziskujemo, kako lahko odločitvene modele v programu Orange
uporabimo za čiščenje odpadne vode. Glavno vprašanje, ki nas zanima, je, kako dobro lahko ti
modeli napovedujejo učinkovitost čistilnih naprav za odpadne vode, še posebej ko gre za
razmerje med različnimi vhodnimi in izhodnimi parametri. Da bi to ugotovili, smo se lotili
kombinacije empirične analize in strojnega učenja. Uporabili smo tri različne algoritme: Neural
Networks (NN), Random Forest (RF) in Naivni Bayes (NB). Da bi še dodatno izboljšali naše
modele, smo vključili tudi algoritem ReliefF, ki nam je pomagal izbrati tiste spremenljivke, ki
najbolj vplivajo na naše rezultate. Glavni cilj naše raziskave je bil razjasniti, kako lahko
odločitveni modeli pomagajo pri čiščenju odpadne vode. Končni cilji so bili jasni: ustvariti
robustne odločitvene modele, preveriti, kako dobro delujejo, in ugotoviti, katere spremenljivke
so ključne za uspešno čiščenje odpadne vode.
Ključne besede: strojno učenje, nevronske mreže, naključni gozd, naivni Bayes, algoritem ReliefF, odločitveni modeli, Orange
Objavljeno v ReVIS: 06.12.2023; Ogledov: 822; Prenosov: 44
 Celotno besedilo (3,71 MB) |
4. Projekt deblo++Tadeja Primožič, 2022, strokovni članek Ključne besede: gozd, lastniki, trajnostno upravljanje, podnebne spremembe, vroče točke, forest, owners, sustainable management, climate change, hotspots
Objavljeno v ReVIS: 28.06.2023; Ogledov: 803; Prenosov: 25
Celotno besedilo (922,89 KB) |
5. |
6. |
