Dodaj sekcijo z preducenjem

diploma.tex

@@ -1648,7 +1648,37 @@ Z neuravnovesenim izpuscanjem nevronov &  5.42 & 0.725 & 0.719 \\
 \label{tab:izpuscanje}
 \end{table}
 
-\todo{dodaj section kako se je mreza obnasala ko je bila pretrained in ko ni bila pretrained}
+\section{Uporaba prednaučene mreže}
+V tem podpoglavju raziskujemo vpliv uporabe prednaučene mreže Twins kot orodja za izluščenje značilnosti pred združitvijo v modulu za združevanje značilnosti. 
+Cilj je oceniti, kako uporaba prednaučene mreže vpliva na uspešnost modela Twins.
+
+\subsection{Prednaučena mreža za izluščenje značilnosti}
+Uporaba prednaučenih modelov v strojnem učenju omogoča izkoristek že obstoječega znanja modela za pospešitev in izboljšanje učenja na novem naboru podatkov. 
+Zlasti v kontekstu globokih nevronskih mrež so prednaučeni modeli dragoceni, saj lahko pomagajo modelom hitreje konvergirati in v nekaterih primerih doseči boljše rezultate.
+
+\subsection{Rezultati}
+Naši rezultati kažejo, da je uporaba prednaučene mreže Twins privedla do boljših rezultatov v primerjavi z modelom, ki ni uporabljal prednaučene mreže. 
+To poudarja prednost prenosa znanja iz prednaučenih modelov na specifične naloge.
+
+\todo{Vnesi pravilne rezultate}
+\begin{table}[ht]
+\centering
+\begin{tabular}{|c|c|c|c|}
+\hline
+Nacin & Hanningova izguba & $RDS_{\text{train}}$ & $RDS_{\text{val}}$ \\
+\hline
+Prednaučena mreža & 8.49 & 0.893 & 0.709 \\
+Brez uporabe prednaučene mreže & 5.49 &  0.725 & 0.690 \\
+\hline
+\end{tabular}
+\caption{Rezultati ob uporabi razlicnih izpustov.}
+\label{tab:prednaucena}
+\end{table}
+
+Uporaba prednaučene mreže Twins je omogočila boljše zajemanje in interpretacijo značilnosti iz našega nabora podatkov, kar je vodilo k izboljšanim rezultatom. 
+To potrjuje, da so prednaučeni modeli lahko zelo koristni v nekaterih scenarijih, še posebej, ko želimo izkoristiti že obstoječe znanje za izboljšanje uspešnosti na novih nalogah.
+
+
 
 \chapter{Sklepne ugotovitve}