Examensarbeten på grundnivå // Basic Level Theses
Länka till denna samling:
Browse
Browsar Examensarbeten på grundnivå // Basic Level Theses efter Ämnesord "algoritmer"
Visar 1 - 2 av 2
Sökresultat per sida
Sortera efter
- PostAssisterad zonindelning – Zonindelningsförslag baserade på lastdata från entreprenadmaskiner(2023) Sargent, Jonathan; Claesson, Martin; Chalmers tekniska högskola / Institutionen för data och informationsteknik; Chalmers University of Technology / Department of Computer Science and Engineering; Svensson, Lars; Andreasson, CPAC, MathiasStenbrotts storlek och förändringshastighet är båda faktorer för hur resurskrävande det är för bolag att hålla kartor uppdaterade. I projektet används information genererat från existerande system i dumprar och hjullastare i en algoritm med 2 uppgifter, att kategorisera informationen och generera zoner baserat på de olika grupperna av noder. Vilket möjliggörs genom tillgång till geografisk, temporal information, samt information angående vad maskinen gjorde. Målet är att en potentiell integration till existerande system, som sedan skulle kunna vara hjälpmedel för maskin-förare. Genom problemdomänen definierar rapporten mål för en algoritm som ska kunna användas i produktion och vara till störst användning för maskinarbetare möjligt. En initial design har i samarbete med produktägaren använts som utgångspunkt och en mvp har utvecklats och raffinerats. Algoritmen har utvecklats genom agilt arbete med inspiration från scrum. Först skapades en simpel version som sedan förbättrades och reviderades efter bedömning från både utvecklare och produktägare. Genom användandet av biblioteket förenklar projektet utvärdering av de olika iterationerna. Som resultat erhåller projektet en algoritm som utöver att klara av prestandakraven genererar beskrivningar av information som kan vara till hjälp vid gruvdrift. För vidare utveckling rekommenderas undersökande av alternativ som exempelvis gruppering av noder genom maskinlärning. Ytterliggare förbättringar skulle kunna involvera förmåga för algoritmen att utgå från existerande resulterande zoner för att hoppa över delar av arbetet och därmed ytterligare optimeras i prestanda.
- PostFörstärkningsinlärning för rekommendationssystem – Utforskning av algoritmer och alternativa modeller för rekommendationer av bilder(2023) Stålbert Holm, Wincent; Marrero Engström, Oscar; Chalmers tekniska högskola / Institutionen för data och informationsteknik; Chalmers University of Technology / Department of Computer Science and Engineering; Svensson, Lars; von Hacht, JoachimRekommendationssystem som drivs av maskininlärning är en viktig del av många e-tjänster. De föreslår produkter, filmer, bilder och dylikt till användare i hopp om att de ska vara intressanta och driva engagemang. Att rekommendationer är välanpassade för varje användare är målet med ett rekommendationssystem och maskininlärning används i växande utsträckning för detta ändamål. Ett paradigm inom maskininlärning som visat sig högst aktuell för rekommendationssystem är förstärkningsinlärning. Forskning kring användningen av förstärkningsinlärning för rekommendationssystem är pågående och det finns rum för att experimentera. Denna uppsats presenterar olika förstärkningsinlärningsalgoritmer och modeller som formulerats, implementerats och utvärderats. De modellerna som visat sig mest lovande avviker från ett handlingsrum som innehåller alla möjliga rekommendationer och istället bedömer om en specifik rekommendation är bra eller inte. Resultaten visar att denna princip är värd att undersöka ytterligare. Värdena på hyperparametrarna och andra förutsättningar visar sig ha stor roll i hur algoritmerna presterar. Som indata till modellerna har både träningsbara inbäddningslager och resultat från faltningsnät testats. Det går inte att visa att faltningsnät presterar bättre än träningsbara inbäddningslager och ytterligare undersökning av detta rekommenderas.