hrvatski

Učenje prijenosom znanja iz vremenskih serija - u kojoj su mjeri značajke prenosive?

Ovaj rad se fokusira na usporedbu performansi modela strojnog učenja koji su trenirani prijenosom znanja i onih koji nisu, a sve to u okviru vremenskih serija. Sustavno se promatra i analizira točnost odabranih modela prilikom prelaska unutar iste domene primjene (seizmologija), ali i između međusobno različitih domena primjene (seizmologija, govor i zvuk, medicina, financije). Kako bi se valjanost dobivenih rezultata potvrdila, primijenjeni su određeni statistički testovi. Kroz rad je pokazano kako je unutar postavljenih eksperimentalnih okvira prijenos znanja donio poboljšanje u performansama modela i brzini konvergencije prilikom treniranja, a u nekoliko problematičnih i rubnih slučajeva su provedena dodatna ispitivanja i ponuđena obrazloženja. Uzimajući u obzir sve rezultate, pokušao se ponuditi odgovor na temeljna pitanja prilikom prijenosa znanja: „Što prenijeti”, „Kako prenijeti” i „Kada prenijeti”. U konačnici, rad nudi zaključak kada je učenje prijenosom znanja korisno, a ponuđena obrazloženja, iako su ponuđena unutar okvira ovog rada, mogu pružati dobru polazišnu točku za prijenos znanja u području vremenskih serija.

strojno učenje ; prijenos znanja ; vremenske serije ; seizmologija

nije evidentirano