Abstract
Метою роботи є розробка програмного забезпечення та імплементація алгоритмів машинного навчання для прогнозування лісового покриття певної території, зважаючи на різноманітність та унікальність навколишнього середовища, та початкових насаджень на певній території. У дослідженні проведено аналіз важливих понять, принципів і послідовності виконання процесів, що використовуються при проектуванні комп’ютерних систем та написання програм, та роботі з великими даними, зокрема, термінологічні особливості у процесі імплементації програмного забезпечення на прогнозування, що дало змогу зрозуміти і в подальшому визначити шляхи імплементації методів машинного навчання для підвищення ефективності зелених насаджень на певній території.
Keywords
Random subspace methodComputer scienceClassifier (UML)Artificial intelligenceMachine learningCorrelationCascading classifiersEnsemble learningPattern recognition (psychology)Training setMathematics
Affiliated Institutions
Related Publications
Flocks, herds and schools: A distributed behavioral model
Дисертація на здобуття наукового ступеня доктора філософії за \nспеціальністю 122 – Комп’ютерні науки. Тернопільський національний технічний \nуніверситет імені Івана Пу...
Publication Info
- Year
- 1996
- Type
- article
- Volume
- 8
- Issue
- 3-4
- Pages
- 385-404
- Citations
- 598
- Access
- Closed
External Links
Social Impact
Altmetric
PlumX Metrics
Social media, news, blog, policy document mentions
Citation Metrics
598
OpenAlex
Cite This
Kagan Tumer,
Joydeep Ghosh
(1996).
Error Correlation and Error Reduction in Ensemble Classifiers.
Connection Science
, 8
(3-4)
, 385-404.
https://doi.org/10.1080/095400996116839
Identifiers
- DOI
- 10.1080/095400996116839