hrvatski

Primjena statističkih modela u predviđanju nalazišta biljnih vrsta

Modeli strojnog učenja predstavljaju zanimljivo područje istraživanja u modernim tehnologijama. Korištenje takvih modela je posvuda, no posebno se istražuje korisnost i primjena takvih modela za predviđanje bioloških podataka. Jednostavnom uporabom ovih modela mogao bi se znatno olakšati rad biolozima s obzirom na dugotrajnu obradu podataka koju moraju provesti kako bi donijeli podjednako kvalitetne zaključke, a ispravnim modeliranjem i validacijom ovakvih modela može se ukloniti vjerojatnost ljudske pogreške prilikom istraživanja. Opisane se ideje i kvalitete modela strojnog učenja s posebnim naglaskom na MAXENT (Maximum entropy) model, koji se pokazao iznimno povoljnim prilikom predikcije podataka o živim bićima. Napomenuti su problemi modela predviđanja prilikom rada s ovakvim podacima te su razmotrene ideje kako bi se takvi problemi efikasno razriješili. Predstavljeni su zahtjevi koje jedan sustav za predikciju nalazišta biljnih vrsta i biološke raznolikosti treba imati te definirana arhitektura takvog sustava uzevši u obzir prednosti koje bi takva arhitektura donijela. Predstavljen je sustav za predviđanje biljnih vrsta i biološke raznolikosti, korištenjem detaljno opisanih modela podataka i MAXENT statističkog modela za predviđanje. Napravljeni su i dokazi ispravnosti nad podacima iz FCD te korisničko sučelje za rad sa samim sustavom. Ukratko su prikazani rezultati predikcije sustava te korisničkog sučelja i načina korištenja. Zaključnom raspravom navedene su kvalitete dobivenog rješenja, potencijalna poboljšanja i prijedlozi drugačijih uporaba.

strojno učenje; MAXENT; predviđanje nalazišta biljnih vrsta; predviđanje biološke raznolikosti; regresijski model; klasifikacijski model; web servis; statistički model predikcije; validacija modela strojnog učenja

nije evidentirano