抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
種分布モデリング(SDM)は環境ラスタ層を組み合わせた種データセットによる種の確率分布を計算した。そのようなモデルは生物多様性における気候変化の影響を計算することにより生態学/生物学/健康における複雑な質問に答える,例えばするのを助けることができる,または疾患の可能性は,拡散(ベクトルのモデリング)。機械学習はSDMに適用して,最も信頼性の高い解の一つをRule-set Production(GARP)のための遺伝的アルゴリズムである。しかし,GARPの収束は,ある条件(高分解能または数層の)下で高速化する必要がある,本論文では,P GARP,GARPの並列,スケーラブルな実装を提案した。P GARPは2 4コアプロセッサ/ノードとSGI Altix XE1300クラスタ上に実装した。予備的結果により,表現力豊かな3.2/ノード高速化できることを示す。早期収束をPGARPでは観測されないとその精度はGARPのに非常に類似していた。も大規模におけるこの高速化を向上させるための有効な解を提案し,P GARP正確さと効率について議論した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】