prikaz prve stranice dokumenta Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
No public access
undergraduate thesis
Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:546822
Bošnjak, Danijel
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Bošnjak, D. (2021). Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak, Danijel. "Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak, Danijel. "Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak, D. (2021). 'Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 28 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak D. Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 December 28] Available at: https://urn.nsk.hr/urn:nbn:hr:168:546822

D. Bošnjak, "Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:546822

Metadata
TitlePredviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
Title (english)Prediction of relative humidity and air freshness in a room by using machine learning
AuthorDanijel Bošnjak
MentorMario Vašak (mentor)
Committee memberMario Vašak (predsjednik povjerenstva)
Committee memberVinko Lešić (član povjerenstva)
Committee memberAnita Banjac (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-02-23, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Strojno učenje je učenje računala prepoznavanju uzoraka koji se ponavljaju u setu za treniranje kojeg smo mu poslali, da bi prema njima mogao predvidjeti izlazne rezultate, tj. neko buduće ponašanje.. Model se uči na danom setu za treniranje, nakon kojih može uspješno procesuirati i nove, nepoznate podatke te predvidjeti stanja. U strojnom učenju postoji velik broj tipova modela, od kojih smo odabrali linearnu regresiju. Najprije podatke razvrstavamo na set za treniranje i testiranje, zatim popunjavamo praznine u podatcima interpolacijom, skaliramo varijable, obavljamo linearnu regresiju, inverzno skaliramo te na kraju računamo srednju kvadratnu grešku i grafički prikazujemo izlaznu varijablu.
Abstract (english)
Machine learning is defined as learning a computer to recognize repetitive patterns in a training set that we send it, so that it can predict the output, ie some future behavior. The model is trained on a given training set, after which it can successfully process new, unknown data and predict conditions. In machine learning, there is a large number of types of models, from which we have chosen linear regression. We first sort the data into a training and testing set, then fill in the gaps in the data by interpolation, scale the variables, perform linear regression, inversely scale, and finally calculate the mean square error and graphically display the output variable.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:546822
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 14:36:08