Automaticità e tempi di calcolo per la mappatura digitale: esperimenti con kriging regressivo e neurocomputing (Abstract/Comunicazione in atti di convegno)

Type
Label
  • Automaticità e tempi di calcolo per la mappatura digitale: esperimenti con kriging regressivo e neurocomputing (Abstract/Comunicazione in atti di convegno) (literal)
Anno
  • 2013-01-01T00:00:00+01:00 (literal)
Alternative label
  • Giuliano Langella (1), Angelo Basile (1), Antonello Bonfante (1), Piero Manna (2), Fabio Terribile (2) (2013)
    Automaticità e tempi di calcolo per la mappatura digitale: esperimenti con kriging regressivo e neurocomputing
    in LA CENTRALITA' DEL SUOLO NEL SISTEMA AGRARIO E FORESTALE, Viterbo (IT), 25-28 giugno 2013
    (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori
  • Giuliano Langella (1), Angelo Basile (1), Antonello Bonfante (1), Piero Manna (2), Fabio Terribile (2) (literal)
Note
  • Comunicazione (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni
  • (1) ISAFoM - Istituto per i sistemi agricoli e forestali del mediterraneo, CNR (2) Dipartimento di Agraria, Università degli studi di Napoli Federico II (literal)
Titolo
  • Automaticità e tempi di calcolo per la mappatura digitale: esperimenti con kriging regressivo e neurocomputing (literal)
Abstract
  • Procedure di Digital Soil Mapping sono ampiamente utilizzate per calcolare mappe bidimensionali di parametri pedologici. Il lavoro propone un esercizio di applicazione per costituire servizi real-time di mappatura via internet con kriging regressivo (RK) e gruppi di reti neuronali artificiali (BAGAP) per valutare e comparare (i) l'accuratezza delle predizioni, (ii) la suscettibilità di essere inclusi in motori di calcolo automatici (WPS, web processing services), e (iii) i tempi di calcolo necessari a calibrare i modelli ed a realizzare predizioni spaziali. Il kriging regressivo è probabilmente il metodo geostatistico più diffuso per la mappatura digitale dei suoli. Nel nostro esperimento abbiamo testato il kriging regressivo EBLUP (Estimated Best Linear Unbiased Predictor) basato su REML (REstricted Maximum Likelyhood) in quanto è considerata la variante di RK statisticamente più robusta dai pedometrici. L'esperimento comprende l'analisi di un approccio multi-parametrico e non lineare basato sull'apprendimento automatico (machine learning) e chiamato BAGAP (Bootstrap aggregating Artificial neural networks with Genetic Algorithms and Principal component regression). BAGAP combina (mediante regressione delle componenti principali) un gruppo selezionato di reti neuronali (la selezione è operata da algoritmi genetici) per produrre una risposta aggregata a livello di gruppo di reti neuronali. Lo scopo di implementare e testare questi due particolari modelli è quello di verificare se e quanto il metodo più complesso basato sul neurocomputing è più accurato nelle predizioni spaziali. Consapevoli delle difficoltà generali e particolari legate alla manipolazione di oggetti basati sui metodi RK e BAGAP quando applicati in svariati contesti applicativi, esploriamo la suscettibilità di incapsularli in dispositivi WPS per una valutazione comparativa e di fattibilità anche in considerazione degli aspetti di automaticità e tempi di risposta. Questi ultimi sono possibilmente esplorati mediante l'ausilio di leve computazionali basate su tecniche di calcolo ad alta prestazione. (literal)
Prodotto di
Autore CNR
Insieme di parole chiave

Incoming links:


Prodotto
Autore CNR di
Insieme di parole chiave di
data.CNR.it