prikaz prve stranice dokumenta Primjena statističkih modela u predviđanju nalazišta biljnih vrsta
Rad nije dostupan
diplomski rad
Primjena statističkih modela u predviđanju nalazišta biljnih vrsta
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. urn:nbn:hr:168:295356
Perović, Valentino
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Perović, V. (2016). Primjena statističkih modela u predviđanju nalazišta biljnih vrsta (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:295356

Perović, Valentino. "Primjena statističkih modela u predviđanju nalazišta biljnih vrsta." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. https://urn.nsk.hr/urn:nbn:hr:168:295356

Perović, Valentino. "Primjena statističkih modela u predviđanju nalazišta biljnih vrsta." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. https://urn.nsk.hr/urn:nbn:hr:168:295356

Perović, V. (2016). 'Primjena statističkih modela u predviđanju nalazišta biljnih vrsta', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:295356

Perović V. Primjena statističkih modela u predviđanju nalazišta biljnih vrsta [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2016 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:295356

V. Perović, "Primjena statističkih modela u predviđanju nalazišta biljnih vrsta", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2016. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:295356

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:295356
Podaci o radu
NaslovPrimjena statističkih modela u predviđanju nalazišta biljnih vrsta
Naslov (engleski)Application of probabilistic methods for predicting plant species distribution
AutorValentino Perović
MentorBoris Milašinović (mentor)
Član povjerenstvaBoris Milašinović (predsjednik povjerenstva)
Član povjerenstvaBoris Vrdoljak (član povjerenstva)
Član povjerenstvaMirta Baranović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2016-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
Machine learning models represent interesting field of research in modern technologies. Usage of this models can be found everywhere, but this paper explores usages in the field of biology, especially in prediction of species occurrences and biodiversity. Simple usage of this type of models can ease long term researches of species occurrences and biodiversity and validation of those models can reduce human errors in those researches. Paper covers ideas and qualities of machine learning models, especially MAXENT (Maximum entropy) model, which showed great results regarding predictions using data about plants and animals because they are not presence/absence type of data. Problems regarding models with biological data are shown, as are examples on how one would utilize then. Later chapters cover demands of biodiversity and species occurrence prediction systems and architecture of that system is presented regarding improvements this architecture would bring. Web api system for predicting biodiversity and plant species occurrences is presented along with data models of such system. MAXENT machine learning model is chosen for systems prediction model and validated using data from Flora Croatica Database. Predictions given by system for few of most common plants species in Croatia are presented. Paper wraps up with description of systems user interface, usage and short discussion on quality of given solution, possible improvements and other usages.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:295356
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2018-02-06 11:12:36