im hauptseminar am 04.05.04 non-linear approach to grouping, dynamics and organizational informatics...
TRANSCRIPT
im Hauptseminar am 04.05.04
Non-linear Approach to Grouping, Dynamics and Organizational
Informatics of Benthic Macroinvertebrate Communities in
Streams by Artificial Neural Networks
von Tae-Soo Chon, Young-Seuk Park,
Inn-Sil Kwak und Eui Young Cha
Diskussion des Artikels
• betrachtete Flüsse und Arten• Self-Organizing Map• Adaptive Resonanztheorie• Recurrent Neural Network• Hinzunahme von Umweltdaten• Strukturierung einer Biozönose • Konzept der Exergie
Wegweiser
Wo?
weggespülter Müll nach heftigen Regenfällen im Paldang-See am 28.08.03
Yangjae-Fluß
Han-Fluß in Seoul
Was?
Hirudinea Gastropoda
Chironomus
ChironomidaeOligochaeta
Self-Organizing Map (SOM)
1. Welches Neuron hat die geringste Distanz zum Input?
2. Änderung der Wichtungen in einer bestimmten Nachbarschaft
3. Verringerung des Nachbarschafts-Radius und der Lernrate
Patternizing der Arten
Kopplung mit Adaptiver Resonanztheorie
Es wird untersucht, ob ein gegebenes Muster einer schon bekannten Klasse zugeordnet werden kann, - wenn ja, so wird diese in soweit angepasst, daß das neue Muster darin enthalten ist, - wenn nicht, so wird eine neue Musterklasse erzeugt. ART-Netze können somit neue Muster speichern, ohne dabei bereits trainierte Muster zu zerstören.
Architekturen zur Vorhersage von
Änderungen in den Lebensgemeinschaften
Multilayer Perceptron
Recurrent Neural Network (Elman-Typ)
Hinzunahme von Umweltdaten
• Fließgeschwindigkeit• Tiefe• sedimentierte organische Masse • Substratvolumen kleiner 0,5 mm.
Der Korrelationskoeffizient stieg von 0,55 auf 0,94.
Im Winter aber nur von 0,59 auf 0,6 , da dann Umwelteinflüsse nur eine geringe Rolle spielen.
Sensitivitätsanalyse
Juli 1997 November 1997
Strukturierung der Organisation innerhalb einer
Lebensgemeinschaft5 funktionelle Gruppen (Filtrierer,
Destruenten...)
taxonomische Hierarchie • 7 Klassen • 19 Ordnungen • 48 Familien • 105 Arten bzw. Rassen
Exergie
• nicht Entropie (in J/Kelvin)• Energie = Exergie + Anergie
• Exergie = Wi * Ci
mit Wi dem „Informationsgehalt
und Ci der Konzentration der Biomasse