文献

J-GLOBAL ID：201702238999620740   整理番号：17A1775789

スケーラビリティを用いた種分布のモデル化:P GARP,Rule-Set Productionのための並列遺伝的アルゴリズムの事例研究【Powered by NICT】

Species Distribution Modeling with Scalability: The Case Study of P-GARP, a Parallel Genetic Algorithm for Rule-Set Production

著者 (3件)： Santana Fabiana ,  Pariente Cesar Alberto Bravo ,  Saraiva Antonio Mauro
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IRI  ページ： 162-170  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 生物多様性 ,  気候変動 ,  機械学習 ,  生態学 ,  *モデリング ,  信頼性 ,  確率分布 ,  *事例研究 ,  高速化 ,  ベクトル ,  ラスタ ,  高分解能 ,  *遺伝的アルゴリズム
準シソーラス用語： *並列遺伝的アルゴリズム ,  *種分布 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： スケーラビリティ ,  種分布 ,  モデル化 ,  SET ,  並列遺伝的アルゴリズム ,  研究