prikaz prve stranice dokumenta Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
Rad nije dostupan
završni rad
Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:546822
Bošnjak, Danijel
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bošnjak, D. (2021). Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak, Danijel. "Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 28.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:546822

Bošnjak D. Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 28.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:546822

D. Bošnjak, "Predviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:546822

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:546822
Podaci o radu
NaslovPredviđanje vremenskih profila relativne vlažnosti i svježine zraka u prostoriji korištenjem strojnog učenja
Naslov (engleski)Prediction of relative humidity and air freshness in a room by using machine learning
AutorDanijel Bošnjak
MentorMario Vašak (mentor)
Član povjerenstvaMario Vašak (predsjednik povjerenstva)
Član povjerenstvaVinko Lešić (član povjerenstva)
Član povjerenstvaAnita Banjac (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-02-23, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:546822
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 14:36:08