Pregled bibliografske jedinice broj: 963973
Kalibracija modela nadziranog učenja optimizacijom modelskih parametara
Kalibracija modela nadziranog učenja optimizacijom modelskih parametara // Zajednički temelji '17 : Peti skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti - zbornik radova / Gilja, Gordon ; Haladin, Ivo ; Lukačević, Ivan (ur.).
Zagreb: Građevinski fakultet Sveučilišta u Zagrebu, 2017. str. 73-80 doi:10.5592/CO/ZT.2017.1 (predavanje, domaća recenzija, cjeloviti rad (in extenso), znanstveni)
CROSBI ID: 963973 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Kalibracija modela nadziranog učenja optimizacijom modelskih parametara
(Calibration of supervised learning models using model parameters optimization algorithms)
Autori
Berbić, Jadran ; Ocvirk, Eva ; Oskoruš, Dijana ; Vujnović, Tatjana
Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), znanstveni
Izvornik
Zajednički temelji '17 : Peti skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti - zbornik radova
/ Gilja, Gordon ; Haladin, Ivo ; Lukačević, Ivan - Zagreb : Građevinski fakultet Sveučilišta u Zagrebu, 2017, 73-80
ISBN
978-953-8168-19-2
Skup
Zajednički temelji '17 : Peti skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti
Mjesto i datum
Zagreb, Hrvatska, 18.09.2017. - 19.09.2017
Vrsta sudjelovanja
Predavanje
Vrsta recenzije
Domaća recenzija
Ključne riječi
nadzirano učenje ; parametri modela ; optimizacijski algoritmi
(supervised learning ; model parameters ; optimization algorithms)
Sažetak
Pretraživanje optimalnih parametara modela nadziranog učenja u svrhu hidrološkog modeliranja može biti zahtjevno u vremenskom smislu. Trajanje pretraživanja parametara ovisi o reprezentaciji modela, količini primjera za gradnju i kalibraciju modela, količini variranih parametara, rasponu i količini parametara unutar raspona, broju ispitanih kombinacija podjele skupa podataka na dijelove za gradnju i kalibraciju, prirodi modela za odabrane parametre. Ovisnost preciznosti modela o odabiru parametara smanjuje se s povećanjem količine primjera za gradnju modela te je u slučaju smanjene količine primjera potrebno više pažnje posvetiti odabiru parametara. U radu su prikazani rezultati pretraživanja parametara za tri modela nadziranog učenja različitih konfiguracija ulaznih varijabli. Pretraživanje je provedeno pomoću dva osnovna principa: odabirom najboljeg rješenja za odabrane raspone i količinu parametara te korištenjem optimizacijskog algoritma – simuliranog kaljenja.
Izvorni jezik
Hrvatski
Znanstvena područja
Građevinarstvo, Interdisciplinarne tehničke znanosti
POVEZANOST RADA
Ustanove:
Državni hidrometeorološki zavod,
Građevinski fakultet, Zagreb