Search Results

You are looking at 1 - 2 of 2 items for

  • Author or Editor: Szilárd Máté x
Clear All Modify Search

A közleményben bemutatott módszer egyik nagy előnye, hogy nagy általánossággal bír (más tájegységekre is alkalmazható) és egy bizonyos mértékben kiküszöböli a romániai táblázatos módszer szubjektivitásából adódó bizonytalanságokat. Pontosabban mondva, ha egy szakértőkből álló csoport meghatározza a példabemenetekhez tartozó talajértékeket, akkor a továbbiakban minden más tényezőhöz tartozó talajérték egyértelműen kiszámolható a súlyok segítségével megadott P-függvény (8) által. Az általunk megadott TP-típusú függvény (8. képlet) viszonylag sok (17) tényező alapján tudja csak megbecsülni egy adott pontban a talajértéket. Ha megfigyeljük a tanuló táblázatot (2. táblázat), észrevehető, hogy egy tájegységen belül bizonyos tényezők nem változnak. Ezeket ki lehet iktatni a gépi tanulás alkalmazásakor és így egyszerűsíthető a P-függvény. A hálózat által adott eredmények kiértékelése során (3. ábra) azt tapasztaltuk, hogy a Csíki-medence tájegységre a P-függvény (8) egy tizedes pontossággal meghatározza a talajértéket. A módszer által kapott TP-függvény csak a mintavételi pontok tartományán belül alkalmazható. Így pl. a Csíki-medencére meghatározott súlyok csak e tájegység talajértékeinek kiszámítására használhatók. Más tájegységre az ottani mintavételi adatok alapján a hiba-visszaterjesztési algoritmusával új súlymátrixokat kell szerkeszteni.  A módszer egy fontos eredménye, hogy a kapott súlyok egy tájegységet jellemeznek talajérték szempontjából. Érdekes következtetések vonhatók le, ha több különböző tájegységre meghatározzuk a súlyokat és megvizsgáljuk ezek között a korrelációkat. Ennek megvalósításához létrehozunk az ESRI Arcview térinformatikai programcsomaghoz egy kiegészítő modult (Arcview extension)  az Avenue script nyelv segítségével. Ez a modul egy tájegységre az ismert példabemenetek és talajértékek alapján megszerkeszt egy megfelelő számú neuronból álló hálózatot és meghatározza a súlyokat. A súlyok segítségével és a talajértéket befolyásoló tényezők ismeretében a tájegység bármely pontjában a talajérték kiszámítható és összehasonlítható a más módszerek által adott eredményekkel.  A pontosság növelése nem szükséges, mivel a talajok osztályokba való csoportosítása a talajérték nagyobb léptékű változása szerint történik. Így elégséges, hogy bizonyos tényezőkre a hálózat által megtanult súlyok jól osztályozzanak. Ezt a hálózat statisztikai értelemben meg is valósítja, mivel a hálózati osztályozók aszimptotikusan egyenértékűek a Bayes-féle statisztikai osztályozó eljárásokkal (Ruck et al., 1990).

Restricted access