izvorni znanstveni rad
U ovom radu predstavljene su osnovne ideje nadziranog učenja značajki za klasifikaciju. Posebna pozornost pridaje se objašnjivosti tih pristupa. Metode učenja značajki su neobjašnjive ili ograničene u svojim predikacijskim rezultatima što je posljedica nemogućnosti rekombiniranja ulaznih značajki. Pristupi koji omogućuju povećanje dimenzionalnosti prostora ulaznih značajki su spori jer zahtijevaju iterativne nekonveksne optimizacije i podešavanje brojnih konfiguracija skrivenih dimenzija. U tim slučajevima autori uglavnom ne daju objašnjenja naučenog modela. Međutim, objašnjenja se mogu postići s različitim stupnjevima uspjeha s učenjem interpretativnih modela oko danog uzorka od interesa ili procjenom važnosti svake značajke u rezultatu klasifikacije.
objašnjiva umjetna inteligencija; klasifikacija; učenje značajki; otkrivanje znanja
Razvojem virtualizacijskih tehnologija raste kompleksnost IT sustava, dok korisnici istovremeno zahtijevaju brži pristup resursima, napredne integracije i jednostavnost korištenja. Jedno od ključnih rješenja za ove izazove primjena je…
Ovaj rad istražuje i uspoređuje mogućnosti prosljeđivanja grafičkih kartica na Hyper-V i KVM hipervizorima prema virtualnim strojevima, detaljno opisujući metode, postupke i razlike u arhitekturi koje utječu na…
The ever-growing usage and adaptation of HTTP/3 in web traffic leverages Quick UDP Internet Connections (QUIC) as a transport protocol. QUIC is widely recognized for reduced latency, enhanced…
