DSpace - Tor Vergata >
Facoltà di Scienze Matematiche Fisiche e Naturali >
Tesi di dottorato in scienze matematiche e fisiche >

Please use this identifier to cite or link to this item: http://hdl.handle.net/2108/1273

Title: Modelli di previsione dei popolamenti ittici nei fiumi: sviluppo e ottimizzazione mediante reti neurali artificiali
Other Titles: Experimental test of some optimization methods for artificial neural networks based predictive models of fish assemblage in rivers
Authors: Scardi, Michele
Quartararo, Marco
Keywords: modelli predittivi
reti neurali artificiali
ottimizzazione
intelligenza artificiale
ecologia delle acque interne
ecologia numerica/computazionale
popolamento ittico
previsione di specie rare
previsione di specie singole o di popolamenti
associazione tra habitat e specie
predictive models
artificial neural networks
freshwater ecology
numerical/computational ecology
fish assemblage
rare species prevision
single species or assemblage prevision
habitat-species association
artificial intelligence
Issue Date: 27-May-2010
Abstract: Negli ultimi venti anni l’uso di metodi basati sull’intelligenza artificiale per la costruzione di modelli in ecologia si è diffuso e sviluppato grazie alla capacità di questi metodi di dar luogo, in base ad opportuni algoritmi di apprendimento e alle informazioni contenute nei dati (quindi empiricamente), a rappresentazioni dei sistemi ecologici che spesso sono più efficaci rispetto a quelle fornite dai metodi tradizionali (basati su indici o sulla statistica multivariata). Lo scopo principale di questo lavoro è stato un esame sperimentale di cinque ipotesi circa altrettante potenziali strategie di ottimizzazione di modelli costituiti da reti neurali artificiali supervisionate (percettroni) che ricostruiscono le relazioni tra componenti abiotiche (descrittori ambientali) e biotiche (presenza di specie all’interno di popolamenti ittici) in ecosistemi fluviali. I temi toccati hanno riguardato la previsione di variabili binarie (presenza/assenza delle specie), le variazioni di performanc...
Description: Contiene il codice FreeBASIC elaborato
21. ciclo
URI: http://hdl.handle.net/2108/1273
Appears in Collections:Tesi di dottorato in scienze matematiche e fisiche

Files in This Item:

File Description SizeFormat
cc.htmCreative Commons Licence0KbHTMLView/Open
MarcoQuartararo_TesiDottorato.pdfThesis4596KbAdobe PDFView/Open

Show full item record

All items in DSpace are protected by copyright, with all rights reserved.