Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Modellezés és szimuláció Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék.

Hasonló előadás


Az előadások a következő témára: "Modellezés és szimuláció Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék."— Előadás másolata:

1 Modellezés és szimuláció Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék

2 Modellezés és szimuláció2 Kvantitatív „forradalmak” a földtudományban - geográfiában as évek eleje: statisztika as évek eleje: matematikai modellezés 1990-es évek eleje: mesterséges intelligencia, neuromodellek, „soft” módszerek (fuzzy, genetikus algoritmusok), káoszelmélet - fraktálok

3 Modellezés és szimuláció3 Számítógépes szimulációs modellezés értékelése, kritikája

4 Modellezés és szimuláció4 A globális modellezés problémái 1970 – 1984: globális rendszerek 13 fő modellje Hiányzott az egységes „tematika” Különböző, ellentmondó eredmények 3/13 modellben természeti erőforrások, környezeti jellemzők 1/13 politikai ellentmondások, háborúk Újabb modellek a modellek „megdöntésére” Emberi döntési mechanizmusok döntő szerepe „Jóllehet még sohasem rendelkeztünk olyan sok adattal a világról mint ma, jövőnk egyre áttekinthetetlenebbé válik. …oktatásunk, nevelésünk bőségesen foglakozik egyedi összefüggésekkel, egymástól elszigetelt jelenségekkel, de gyakorlatilag igen ritkán vagy szinte sohasem összefüggő rendszerekkel.”/Prof. F. Vester biokémikus/

5 Modellezés és szimuláció5 Mesterséges neurális hálózatok Források: Neurális Hálózatok a Mathematica felhasználásával - © Dr. Paláncz Béla 2003 Mesterséges neurális hálózatok mint GIS függvények - dr. Sárközy Ferenc 1998 Neural nets: Applications in Geography – Hewitson, B.; Crane, R Artificial intelligence in geography – S., C. Openshaw 1996

6 Modellezés és szimuláció6 Fiziológiai háttér

7 Modellezés és szimuláció7 Egy általános csomópont felépítése

8 Modellezés és szimuláció8 Az aktivációs függvény Szigmoid függvény. A függvény értékei 0 és 1 közt változnak, ha s=0, y=0.5. A függvény értékei 0 és 1 közt változnak, ha s=0, y=0.5

9 Modellezés és szimuláció9 Súlymátrix

10 Modellezés és szimuláció10 Neurális hálózat fölépítése

11 Modellezés és szimuláció11 A feladatmegoldás menete a tanuló adatok összeállítása kiválasztjuk a rendelkezésünkre álló ismert bemenő adat - eredmény (céladat) rekordokat (sorokat) a teszt adatok összeállítása ha maradtak ismert bemenő adat - kimenő adat rekordok, melyeket nem használtunk a tréning fájlban, úgy ezekből a tréning adat fájlhoz hasonló formátumú teszt adatfájlt hozhatunk létre. A teszt adatok nem javítják a súlyokat, 'csak' tájékoztatják a felhasználót arról, hogy mennyire jól tervezte meg a hálózatát - elfogadhatók-e az eredmények vagy új tréningre (más módszerrel, más induló értékekkel)esetleg új hálózatra van szükség; a hálózat megtervezése hány rejtett rétegünk lesz, hány neuron lesz az egyes rétegekben és milyen aktiváló függvényeket alkalmazunk a rejtett rétegek neuronjaiban a hálózat tanítása meg kell választanunk a tanítási módszert, a tanulási sebesség és nyomaték értékét, a kezdeti súlyinicializálás módszerét és a megállási kritériumot. A tanítás azt jelenti, hogy a hálózat súlyait úgy adjuk meg, hogy az adott bemenethez az előírt kimenetet produkálja. az eredmények meghatározása A tanított hálózat végső súlyait elmentjuk és ezekkel a súlyokkal a korábbi hálózati topológia alapján kiszámítattjuk az ismeretlen bemeneti értékekhez tartozó kimeneteket. Ez a számítás gyakorlatilag pillanatok alatt kész van. Ha a jelenség állandó de igen bonyolult (pld. a terepfelszín), úgy újabb mérési adatok előfordulása esetén ujra taníthatjuk a hálózatot, de kiinduló adatként a már korábban meghatározott súlyokat alkalmazva jelentősen lerövidített idő alatt tudjuk a tanítást végrehajtani. A legproblematikusabbak a folyamatosan változó jelenségek modellezése, ezeknél gyakran kell a hálózatokat újra tanítani.

12 Modellezés és szimuláció12 Neurális hálózatok felhasználása térbeli feladatok megoldására A neurális hálózatok különleges képessége abban rejlik, hogy képesek mind a folyamatos mind a diszkrét interpolációra és, kisebb megbízhatósággal, extrapolációra. Az MLP és RBF hálózatok is használhatók osztályozásra, ha annyi kimeneti csomópontjuk van, ahány osztályt akarunk különválasztani. A neurális hálózatok számtalan térbeli probléma megoldására alkalmasak. Az alkalmazások azt használják ki, hogy a neurális hálózat a megadott minták alapján feltárja a bemenő adatok és a kimenő értékek közötti kapcsolatot akkor is, ha ez képlettel nem írható le, vagy leírható, de a képlet nem ismert. Gyakorlatilag tehát arról van szó, hogy a neurális hálózat adott minták alapján elkészíti a kérdéses jelenség modelljét. A modell kimenetén vagy valamely érték szerepelhet, ez az interpoláció illetve függvény megközelítés, vagy valamely osztály, ha a hálózatot osztályozásra használjuk. Az osztályozásnak azonban nem csak távérzékeléssel készült multisprektális felvételek esetén van jelentősége hanem akkor is, ha a számunkra érdekes jelenséget befolyásoló tényezők (attribútumok) térbeli eloszlása GIS rétegeken van tárolva és arra vagyunk kiváncsiak hogy ezek együttes hatása létrehoz e valamilyen kritikus, beavatkozást igénylő eseményt vagy sem, illetve egyáltalán milyen osztályokba sorolható a közösen fellépő tényezők eredménye.

13 Modellezés és szimuláció13 Mesterséges neurális hálózatok földtudományi és geoinformatikai alkalmazásai WGS-84 (GPS) koordináták átszámítása EOV-be

14 Modellezés és szimuláció , , ,99 ∆y∆y ∆x∆h EOV733962, ,7578, EOV-N-0,008-0,0360,026 N733962, ,78678,844 EOV- EHT0,01-0,048-0,003 EHT733962, ,79878,873N-EHT0,018-0,012-0, , , ,77 EOV728170, ,0682, EOV-N0,0070,0010,066 N728170, ,05982,924 EOV- EHT0,071-0,060,013 EHT728170, ,1282,977N-EHT0,064-0,061-0, , , ,842 EOV738810, ,1577, EOV-N-0,10,0580,098 N738810, ,09277,142 EOV- EHT-0,0650,0040,014 EHT738810, ,14677,226N-EHT0,035-0,054-0,084

15 Modellezés és szimuláció15

16 Modellezés és szimuláció16 Vizsgakérdések


Letölteni ppt "Modellezés és szimuláció Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék."

Hasonló előadás


Google Hirdetések