Digitalni repozitorij raziskovalnih organizacij Slovenije

Izpis gradiva
A+ | A- | SLO | ENG

Naslov:Uporaba metod strojnega učenja za preučevanje odnosov med značilnostmi branik in okoljem
Avtorji:Jevšenak, Jernej (Avtor)
Džeroski, Sašo (Avtor)
Levanič, Tom (Avtor)
Jezik:Slovenski jezik
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:LogoSciVie - Gozdarski inštitut Slovenije
Povzetek:Različne študije so pokazale, da lahko z nelinearnimi metodami bolje opišemo (modeliramo) odnos med branikami in okoljem. V naši študiji smo primerjali (multiplo) linearno regresijo (MLR) in štiri nelinearne metode strojnega učenja: modelna drevesa (MT), ansambel bagging modelnih dreves (BMT), umetne nevronske mreže (ANN) in metodo naključnih gozdov (RF). Za primerjavo teh metod modeliranja smo uporabili štiri množice podatkov. Natančnost naučenih modelov smo ocenili z metodo 10-kratnega prečnega preverjanja (ang. 10-fold cross-validation) na naši množici in preverjanjem na dodatni testni množici. Na vseh množicah smo dobili boljše statistične kazalce za nelinearne metode s področja strojnega učenja, s katerimi lahko pojasnimo večji delež variance oz. dobimo manjšo napako. Nobena metoda se ni pokazala kot najboljša v vseh primerih, zato je smiselno predhodno primerjati več različnih metod in nato uporabiti najprimernejšo, npr. za rekonstrukcijo klime.
Ključne besede:strojno učenje, primerjava metod, dendroklimatologija, umetne nevronske mreže, modelna drevesa, ansambel modelnih dreves, naključni gozdovi, linearna regresija
Leto izida:2017
UDK:630*52:630*11(045)=163.6
ISSN pri članku:2335-3112
OceCobissID:266761216 Povezava se odpre v novem oknu
COBISS_ID:4998310 Povezava se odpre v novem oknu
DOI:10.20315/ASetL.114.2 Povezava se odpre v novem oknu
Opombe:Besedilo v slov.;
Število ogledov:1010
Število prenosov:176
Datoteke:.pdf ASetL_114_2_Jernej_JEVSENAKl.pdf (1,18 MB)
URL https://doi.org/10.20315/ASetL.114.2
 
Nadgradivo:Acta silvae et ligni
Gozdarski inštitut Slovenije, založba Silvae Slovenica
 
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Licenca:Priznanje avtorstva-Nekomercialno-Brez predelav Novo okno
:
  
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:On the use of machine learning methods to study the relationships between tree-ring characteristics and the environment
Povzetek:Many studies have shown that by using nonlinear methods, the relationship between tree-ring parameters and the environment can be described (modelled) better and in more detail. In our study, (multiple) linear regression (MLR) with four nonlinear machine learning methods are compared: artificial neural networks (ANN), model trees (MT), bagging of model trees (BMT) and random forests of regression trees (RF). To compare the different regression methods, four datasets were used. The performance of the learned models was estimated by using 10-fold cross-validation and an additional hold-out test. For all datasets, better results were obtained by the nonlinear machine learning regression methods, which can explain more variance and yield lower error. However, none of the considered methods outperformed all other methods for all datasets. Therefore, we suggest testing several different methods before selecting the best one, e.g. for climate reconstruction.
Ključne besede:machine learning, method comparison, dendroclimatology, artificial neural networks, model trees, ensembles of model trees, random forest, linear regression


Nazaj