Doktorska disertacija
Analiza rezultatov ekoloških simulacijskih modelov s strojnim učenjem
Ogledi: 5 | Prenosi: 7
Povzetek
Simulacijski modeli so pogosto uporabljeno orodje za modeliranje in simuliranje siste-
mov, za katere je težko pridobiti realne podatke. Ker so simulacijski modeli kompleksni,
ni enostavno generirati novega znanja in iskati relacij in odvisnosti med različnimi deli
(parametri, procesi, moduli) simulacijskega modela.
Predhodni poskusi analiziranja izhodnih podatkov iz simulacijskih modelov so temeljili
predvsem na statističnih metodah in nevronskih mrežah, kjer je glavni cilj pospešitev
simulacijskega procesa, ali izboljšava parametrizacije simulacijskih modelov. V tej diser-
taciji predlagamo metodologijo za analiziranje rezultatov kompleksnih simulacijskih mo-
delov. Metodologija združuje izhodne simulacijske podatke, ekspertno znanje in strojno
učenje, za pridobitev novega in zanimivega znanja o določenem problemu.
Našo metodologijo uporabimo na treh različnih simulacijskih modelih, ki simulirajo
ko-eksistenco med genetsko modificiranimi in konvencionalnimi rastlinami na različnih
nivojih. Modeli generirani s strojnim učenjem nam nudijo novo znanje o pozitivnih in neg-
ativnih vplivih na ko-eksistenco med genetsko modificiranimi in konvencionalnimi rastli-
nami. Rezultati spodbujajo uporabo iste metodologije na različnih vrstah simulacijskih
modelov v različnih raziskovalnih področjih in vzpodbujajo razvoj novih metod strojnega
učenja.