Ontologije za podrsku samo-regulisanom ucenju i deljenju znanja u organizaciji
Ovaj stručni rad pod nazivom "Ontologije za podrsku samo-regulisanom ucenju i deljenju znanja u organizaciji" objavljen je u naučnom časopisu Info M. Rad obrađuje napredne koncepte i praktična rešenja u okviru naučne discipline "Veštačka inteligencija".
Preuzimanje arhiviranog PDF-a
Kompletan tekst rada sa svim pripadajućim grafikonima, tehničkim skicama, matematičkim formulama i tabelama dostupan je u arhiviranom PDF formatu lokalno na našim serverima radi trajne bezbednosti i prevencije gubitka linkova.
Preuzmi PDF (Local Mirror)Osnovne informacije o radu
| Naziv rada | Ontologije za podrsku samo-regulisanom ucenju i deljenju znanja u organizaciji |
|---|---|
| Autori | Jelena Jovanovic, Nikola Milikic |
| Naučna oblast | Veštačka inteligencija |
| Časopis / Izdanje | Info M časopis 044, Godina 2012 |
Citiranje i bibliografski podaci
Za potrebe navođenja ovog rada u drugim naučnim i akademskim radovima, preporučujemo korišćenje sledećih standardizovanih formata citiranja:
HARVARD FORMAT:
Jelena Jovanovic, Nikola Milikic (2012). "Ontologije za podrsku samo-regulisanom ucenju i deljenju znanja u organizaciji". Info M, Vol. 2012, No. 44, pp. .
IEEE FORMAT:
Jelena Jovanovic, Nikola Milikic, "Ontologije za podrsku samo-regulisanom ucenju i deljenju znanja u organizaciji," Info M, vol. 2012, no. 44, pp. , 2012.
Često postavljana pitanja
Mašinsko učenje koristi algoritme koji uče iz podataka bez ekspilcitnog programiranja, dok duboko učenje koristi višeslojne veštačke neuronske mreže za analizu kompleksnih šablona.
LLM su modeli dubokog učenja obučeni na masivnim tekstualnim korpusima koji mogu da razumeju, generišu i prevode prirodan jezik na visokom nivou.