| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Optimizacija podatkov vremenskega modela z uporabo naprednih metod strojnega učenja
Avtorji:ID Rajzman, Rene (Avtor)
ID Zorman, Milan (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf VS_Rajzman_Rene_2024.pdf (3,32 MB)
MD5: EA870D02B1373277155AE22CF42226B5
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Diplomsko delo prikazuje uporabo različnih kombinacij metod strojnega učenja, kot sta naključni gozd in gradientno povečevanje, ki jih ponuja Python knjižnica Sklearn, pri optimizaciji rezultatov vremenskih napovednih modelov. Obravnavani vremenski napovedni modeli se uporabljajo na področju elektroenergetskih sistemov za izračun dinamične termične meje daljnovodov. Končni sistem, ki za optimizacijo podatkov vremenskih napovednih modelov uporablja metode strojnega učenja, lahko izboljša natančnost izračunane termične meje, ki je ključnega pomena za dobro elektroenergetsko logistiko.
Ključne besede:strojno učenje, Python, DTR, vremenski modeli, optimizacija podatkov
Kraj izida:Maribor
Leto izida:2024
PID:20.500.12556/DKUM-90005 Novo okno
Datum objave v DKUM:19.09.2024
Število ogledov:0
Število prenosov:10
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:20.08.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Optimizing weather model data using advanced machine learning methods
Opis:This thesis demonstrates the use of different combinations of machine learning methods, such as random forest and gradient boosting, provided by the Python library Sklearn, to optimise the results of weather forecasting models. The weather prediction models considered are used in the field of power systems to calculate the dynamic thermal limit of transmission lines. The final system, which uses machine learning methods to optimise the data from the weather prediction models, can improve the accuracy of the calculated thermal boundary when applied, which is crucial for good power logistics.
Ključne besede:machine learning, Python, DTR, weather models, data optimization


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici