Ανάπτυξη στοχαστικών αλγορίθμων και μοντέλων μηχανικής μάθησης για την εξέλιξη πληθυσμών: εφαρμογή στον δάκο της ελιάς

Περίληψη

Στην παρούσα διατριβή γίνεται ανάπτυξη στοχαστικών αλγορίθμων και μοντέλων μηχανικής μάθησης για την πρόβλεψη εξέλιξης πληθυσμών και ειδικότερα για την εξέλιξη του πληθυσμού του δάκου της ελιάς. Ο δάκος της ελιάς είναι ένα παρασιτικό έντομο που εξαρτάται από τον καρπό της ελιάς για την διαιώνιση του είδους του, με αποτέλεσμα να προκαλεί μεγάλες ζημιές, αν ο πληθυσμός του μείνει ανεξέλεγκτος, στην παραγωγή προϊόντων με βάση τον καρπό της ελιάς, όπως ελαιόλαδο και επιτραπέζιες ελιές. Η παρουσία του εντόμου έχει καταγραφεί σε όλες τις ελαιοπαραγωγικές χώρες και λόγω της εξάρτησης του από τις κλιματικές συνθήκες (θερμοκρασία, υγρασία) ο συνολικός αριθμός γενεών που προκύπτουν ποικίλλει από περιοχή σε περιοχή. Σε αυτό το πλαίσιο, ως προς τους στοχαστικούς αλγορίθμους, αρχικά παρουσιάζεται το λογισμικό προσομοίωσης της χρονικής και χωρικής εξέλιξης του πληθυσμού του δάκου βάσει πραγματικών μετρήσεων στο πεδίο. Στην συνέχεια, περιγράφεται η ανάπτυξη και σύγκριση τριών μοντέλων διασποράς του δ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the present dissertation, stochastic algorithms and machine learning models are developed for the prediction of population evolution and in particular for the evolution of the olive fruit fly population. The olive fruit fly is a parasitic insect that depends on the fruit of the olive tree for the perpetuation of its species, thus causing great damage, if its population remains unchecked, in the production of olive-based products, such as olive oil and table olives. The presence of the insect has been recorded in all olive-producing countries, and due to its dependence on climatic conditions (temperature, humidity) the total number of generations that arise varies from region to region. In this context, as far as stochastic algorithms are concerned, the software for simulating the temporal and spatial evolution of the population of the olive fruit fly based on real measurements in the field is initially presented. Then, the development and comparison of three models of dispersion of ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/50945
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/50945
ND
50945
Εναλλακτικός τίτλος
Development of stochastic algorithms and machine learning models for the evolution of populations: application on the olive fruit fly
Συγγραφέας
Καλαματιανός-Βουρόβ, Ρωμανός (Πατρώνυμο: Γεώργιος)
Ημερομηνία
2021
Ίδρυμα
Ιόνιο Πανεπιστήμιο. Σχολή Επιστήμης της Πληροφορίας και Πληροφορικής. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Αυλωνίτης Μάρκος
Κερμανίδου Κάτια-Λήδα
Μπουχάγιερ Παύλος
Καρύδης Ιωάννης
Καλημέρης Αναστάσιος
Σιούτας Σπυρίδων
Μαραγκουδάκης Εμμανουήλ
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Τεχνητή νοημοσύνη
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Επιστήμη ηλεκτρονικών υπολογιστών και Πληροφορική, άλλοι τομείς
Λέξεις-κλειδιά
Δάκος της ελιάς; Μηχανική μάθηση; Στοχαστικοί αλγόριθμοι
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
εικ., πιν., χαρτ., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)