Závěrečná práce: Bc. Hana Mlčochová, učo 484451: Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Diplomová práce
Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Modeling the effect of environmental conditions on biological communities using machine learning methods.
Anotace
Tato diplomová práce se věnuje využití metod strojového učení při hledání vztahů mezi biologickými společenstvy a podmínkami prostředí, ve kterém tato společenstva žijí. K tomu byla využita data z monitoringu ptačích společenstev liniových porostů jihozápadního Slovenska. S pomocí vybraných metrik byly porovnány modely lineární a logistické regrese s modely náhodného lesa, neuronové sítě, metody podpůrných …více
Abstract
This diploma thesis focuses on the use of machine learning techniques to discover relationships between biological communities and the environmental conditions in which they live. For this, data from the monitoring of bird communities of windbreaks in southwestern Slovakia were used. Various machine learning methods including random forest, artificial neural network, support vector machine and Bayesian …více
Klíčová slova
Strojové učení Biologická společenstva Klasifikace Regrese Náhodné lesy Neuronové sítě Metoda podpůrných vektorů Bayesův klasifikátor Machine Learning Biological Communities Classification Regression Random Forests Artificial Neural Networks Support Vector Machine Naive Bayes ClassifierZadání práce
V rámci diplomové práce se student seznámí s matematickými modely, které bude možné využít pro modelování vlivu prostředí na biologická společenstva. Základním zdrojem dat pro analýzy a matematické modelování budou data z monitoringu společenstev vegetačních porostů, který se vykonával v minulosti. Kromě dat o společenstvech jsou k dispozici i data o vlastnostech prostředí jejich výskytu. Student na základě těchto dat vypracuje model vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Student v průběhu řešení diplomové práce:
1. nastuduje problematiku matematických modelů vhodných k modelování vztahů podmínek prostředí a biologických společenstev,
2. vypracuje rešerši možných modelů,
3. vybere vhodnou metodu a aplikuje ji na reálná data z monitoringu biologických společenstev,
4. vyhodnotí výsledky a interpretuje zjištěné vztahy mezi podmínkami prostředí a biologickým společenstvem.
16. 5. 2023 11:51, RNDr. Danka Haruštiaková, Ph.D., učo 163612
Literatura
- BORCARD, Daniel; François GILLET a Pierre LEGENDRE. Numerical ecology with R. New York: Springer, 2011, xi, 306. ISBN 9781441979759.
- KOMPRDOVÁ, Klára. Rozhodovací stromy a lesy. první. Brno: akademické nakladatelství CERM, 2012, 98 s. ISBN 978-80-7204-785-7.
- LANTZ, Brett. Machine learning with R : discover how to build machine learning algorithms, prepare data, and dig deep into data prediction techniques with R. Second edition. Birmingham: Packt Publishing, 2015, xiii, 426. ISBN 9781784393908.
- GARDENER, Mark. Statistics for ecologists using R and Excel : data collection, exploration, analysis and presentation. Second edition. Exeter: Pelagic Publishing, 2017, x, 404. ISBN 9781784271404.
Citace dle normy ČSN ISO 690
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Matematické modelování usage-based pojištění
Bc. Filip Šajtlava -
Klasifikace pomocí metod strojového učení
Mgr. Tomáš Pompa, učo 500225 -
Chemometrické metody v plazmové spektrometrii
Mgr. Veronika Faltusová, Ph.D. -
Využití neuronových sítí pro klasifikaci obrazů mozku v neurovědním výzkumu
RNDr. Roman Vyškovský, Ph.D. -
Toolbox pro klasifikaci obrazových dat mozku pomocí umělých neuronových sítí
RNDr. Roman Vyškovský, Ph.D. -
Metody strojového učení pro analýzu MR obrazů mozku
Bc. Martin Poledník, učo 268920 -
Možnosti druhového určení smíšených lesů pokročilými nástroji klasifikace
Mgr. Eliška Mačáková -
Multirezoluční výběr příznaků pro rozpoznávání v obrazech mozku z magnetické rezonance
Mgr. et Mgr. Petr Dluhoš, učo 269281




