Details

Title: Разработка модели прогнозирования времени цветения нута с использованием переноса знаний и символьной регрессии: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_04 «Биоинформатика»
Creators: Тырыкин Ярослав Алексеевич
Scientific adviser: Козлов Константин Николаевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: разностная эволюция; символьная регрессия; регрессионные модели; генетическое программирование; трансферное обучение; C++; Python; differential evolution; transfer learning; symbolic regression; regression models; genetic programming
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.02
Speciality group (FGOS): 010000 - Математика и механика
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2826
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Additionally: New arrival
Record key: ru\spstu\vkr\18857

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Тема выпускной квалификационной работы: «Разработка модели прогнозирования времени цветения нута с использованием переноса знаний и символьной регрессии». В рамках данной работы производилась разработка модели предсказания времени цветения дикого нута на основании имеющихся данных, полученных при проведении полногеномного поиска ассоциаций, а также измерения климатических показателей за период, в течение которого проходило исследование. Модели подбирались при помощи модификации метода трансферного обучения, основанного на экземплярах целевой области. Цели данной работы - разработка модифицированного метода трансферного обучения на основе разностной эволюции и генетического программирования всимволной регрессии для построения моделей прогнозирования цветения нута. После реализации алгоритма требовалось применить полученные модели к реальным данным о генетических факторах исследуемых образцов и погодных факторах в месте их высадки, провести анализ результатов предсказания и сравнение этих показателей с уже существующими моделями. В ходе проведения численных экспериментов были получены модели, по структуре отличающиеся от уже существующих моделей прогнозирования времени цветения, но при этом близкие к ним по качеству предсказания достижения нутом вегетационного периода. Программные компоненты, разработанные в ходе работы, могут применены для построения моделей прогнозирования в других предметных областях, как связанных с биоинформатикой, так и не имеющих с ней никаких пересечений. Тем более, что рассмотренное сочетание методов разностной эволюции и генетического программирования в символьной регрессии показало себя достаточно эффективно, и имеет смысл далее искать области их приложения к задачам реального мира.

The subject of the graduate qualification work is «Development of a model forpredicting Chickpea flowering time prediction model using knowledge transfer andsymbolic regression». Within the framework of this work, a model for predicting the flowering time ofwild chickpeas was developed based on the available data obtained during a genome-wideassociation search, as well as climatic indicators for the period during which the studytook place. The models were selected using a modification of the transfer learningmethod based on instances of the target area. The purpose of this work is to develop a modified transfer learning methodbased on difference evolution and genetic programming in symbolic regression tobuild chickpea bloom prediction models. After the algorithm was implemented, it wasnecessary to apply the obtained models to real data on the genetic factors of the studiedsamples and weather factors at their landing site, analyze the prediction results andcompare these indicators with existing models.In the course of numerical experiments, models were obtained that differ instructure from existing models for predicting the flowering time, but at the same timeare close to them in terms of the quality of predicting the achievement of the growingseason by chickpeas. The software components developed in the course of the work can be used tobuild forecasting models in other subject areas, both related to bioinformatics andhaving no intersections with it. Moreover, the considered combination of methods ofdifference evolution and genetic programming in symbolic regression has proved tobe quite effective, and it makes sense to further look for areas of their application toreal-world problems.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Table of Contents

  • Тема выпускной квалификационной работы
    • Введение
    • 1. Обзор методов трансферного обучения
    • 2. РАЗРАБОТКА МЕТОДА ТРАНСФЕРНОГО ОБУЧЕНИЯ НА ОСНОВЕ ЭКЗЕМПЛЯРОВ
    • 3. РАЗРАБОТКА, НАСТРОЙКА И ИСПОЛЬЗОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
    • 4. ПРИМЕНЕНИЕ РАЗРАБОТАННОГО МЕТОДА ОПТИМИЗАЦИИ ДЛЯ ПОИСКА МОДЕЛИ ПРОГНОЗИРОВАНИЯ
    • Заключение
    • Словарь терминов
    • Список использованных источников

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics