Blar i NTNU Open på forfatter "Ruocco, Massimiliano"
-
Global Transformer Architecture for Indoor Room Temperature Forecasting
Clemente, Alfredo; Nocente, Alessandro; Ruocco, Massimiliano (Peer reviewed; Journal article, 2023)A thorough regulation of building energy systems translates in relevant energy savings and in a better comfort for the occupants. Algorithms to predict the thermal state of a building on a certain time horizon with a good ... -
Heuristics-based compartmentalization of Replay memory in simple environments
Wasaznik, Aleksander Gustaw (Master thesis, 2019)En viktig komponent av moderne forsterkningslæringsalgoritmer er repriseminnet. En rekke foreslåtte endringer i virkemåten til repriseminnet har blitt utforsket, men de fleste har med samplingsmekanismen å gjøre. Denne ... -
Inter-/Intra-session Recurrent Neural Network for Session-based Recommender Systems
Skrede, Ole Steinar Lillestøl (Master thesis, 2017)Recommender systems are useful to users of a service and to the company offering the service. Good recommendations can help users find what they are looking for faster, and they can help users discover new content. For ... -
Inter-Session Temporal Modeling in Session-Based Recommendation using Hierarchical Recurrent Neural Networks
Vassøy, Bjørnar (Master thesis, 2018)Recommendation has been a highly relevant and lucrative field of expertise for quite some time. Since the end of the last millennium, session-based recommendation has emerged as an increasingly applicable branch of ... -
Intrinsic Motivation from Distributional Reinforcement Learning
Markussen, Olav Bjørnstad (Master thesis, 2018)Reinforcement learning is learning to behave optimally with respect to an external observer through interactions with an environment. An agent re- peatedly tries to accomplish a goal, each trial yielding some more infor- mation ... -
Investigating the Impact of Economic Curtailment Predictive Features on Deep Learning-Based Wind Power Production Forecasting
Gundersen, Henrik (Master thesis, 2023)Målet med denne studien er å utforske hvordan man kan integrere prediktive faktorer knyttet til økonomiske begrensninger i vindkraftproduksjon, i dyp læring-baserte tilnærminger for prognoser av vindkraftproduksjon. Ved å ... -
Navigating the metric maze: a taxonomy of evaluation metrics for anomaly detection in time series
Sørbø, Sondre; Ruocco, Massimiliano (Journal article; Peer reviewed, 2023)The field of time series anomaly detection is constantly advancing, with several methods available, making it a challenge to determine the most appropriate method for a specific domain. The evaluation of these methods is ... -
On optimal ensemble learning using the concept of diversity and negative correlation
Foslien, Sondre (Master thesis, 2019)Under et studie av et sett vinnende Kaggle-løsninger, ble det fastslått at det er et problem at de vinnende løsningene består av veldig store ansamlinger av klassifikatorer. Med dette som motivasjon ble det utført et studie ... -
On the effect of positional encodings in Transformer models for time series forecasting
Haugsdal, Espen (Master thesis, 2021)Denne oppgaven undersøker effekten posisjons-koding (positional encoding) har på prediksjon av tidsrekker med Transformer modeller. Prediksjon av tidsrekker er et viktig problem med mange bruksområder. Nøyaktige prediksjoner ... -
Persistence Initialization: a novel adaptation of the Transformer architecture for time series forecasting
Haugsdal, Espen; Aune, Erlend; Ruocco, Massimiliano (Peer reviewed; Journal article, 2023)Time series forecasting is an important problem, with many real world applications. Transformer models have been successfully applied to natural language processing tasks, but have received relatively little attention for ... -
Positional Encoding Augmented GAN for the Assessment of Wind Flow for Pedestrian Comfort in Urban Areas
Høiness, Henrik; Gjerde, Kristoffer (Master thesis, 2021) -
Predicting Final Intraday Electricity Prices in the Very Short Term Utilizing Artificial Neural Networks
Ullern, Simen; Fjeldberg, Vebjørn Przytula (Master thesis, 2020)Med økende bruk av fornybare energikilder har utviklingen av prismodeller for intradag handel blitt en viktig oppgave for mange markedsaktører for å optimalisere beslutningsprosessen. Dog har ikke den tilgjengelige ... -
Predicting Final Intraday Electricity Prices in the Very Short Term Utilizing Artificial Neural Networks
Ullern, Simen; Fjeldberg, Vebjørn Przytula (Master thesis, 2020)Med økende bruk av fornybare energikilder har utviklingen av prismodeller for intradag handel blitt en viktig oppgave for mange markedsaktører for å optimalisere beslutningsprosessen. Dog har ikke den tilgjengelige ... -
Reducing the Search Space of Neuroevolution using Monte Carlo Tree Search
Wiker, Erik (Master thesis, 2019)Denne oppgaven undersøker muligheten for å bruke Monte-Carlo-tre-søk for å redusere søkeområdet til den velkjente maskinlæringsalgoritmen Neuroevolution of Augmenting Topologies, med sikte på å oppnå kortere kjøretider og ... -
Spatio-Temporal Graph Attention Network for Anomaly Detection in the Telco Domain
Harstad, Axel; Kvaale, William (Master thesis, 2021)På de neste sidene er masteroppgaven vår om hvordan de nylige fremskrittene i dyplæringsarkitekturer, nemlig grafnevrale nettverk, kan utføre feildeteksjon uten tilsyn, i telekommunikasjonsdomenet (telco). Dette arbeidet ... -
Spatio-Temporal Graph Attention Network for Anomaly Detection in the Telco Domain
Harstad, Axel; Kvaale, William (Master thesis, 2021)På de neste sidene er masteroppgaven vår om hvordan de nylige fremskrittene i dyplæringsarkitekturer, nemlig grafnevrale nettverk, kan utføre feildeteksjon uten tilsyn, i telekommunikasjonsdomenet (telco). Dette arbeidet ... -
Towards Physics-Informed Neural Networks for Urban Wind Flow Prediction
Gråberg, Helle Mortensen (Master thesis, 2022)Numerisk fluidmekanikk (CFD) er et fagområde som inkluderer metoder for simulering av fluidmekanikk. Disse metodene brukes for å løse en rekke komplekse problemer, blant annet predikering av vind i urbane områder. Med ... -
Tuning Abstractive Summarization Models Towards Increased Novelty
Havikbotn, Eivind Tveita (Master thesis, 2018)Neural machine translation models, based on attention and pointer-mechanism, has in recent studies been successfully applied to the task of Abstractive Summarization of long documents such as news articles. Although ... -
Web Session Modelling for Cluster Analysis and RNN-Based Sequence Prediction
Karlsen, Aksel Langø (Master thesis, 2019)“Telenor Min Bedrift” (Telenor ASA, 2018) er nettsiden til en mobiloperatør for bedrifter. På denne nettsiden kan brukere opprette og ha oversikt over mobilabonnementer for sine bedrifter. Måten brukerne interagerer med ...