<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=90005"><dc:title>Optimizacija podatkov vremenskega modela z uporabo naprednih metod strojnega učenja</dc:title><dc:creator>Rajzman,	Rene	(Avtor)
	</dc:creator><dc:creator>Zorman,	Milan	(Mentor)
	</dc:creator><dc:creator>Meolic,	Robert	(Komentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>Python</dc:subject><dc:subject>DTR</dc:subject><dc:subject>vremenski modeli</dc:subject><dc:subject>optimizacija podatkov</dc:subject><dc:description>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.</dc:description><dc:publisher>[R. Rajzman]</dc:publisher><dc:date>2024</dc:date><dc:date>2024-08-20 23:10:25</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>90005</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>