Makina öğrenimi algoritmaları günümüzde bizim için çok şey yapıyorlar; onlar istenmeyen e-postaları spam klasörüne gönderiyorlar, arabamız bir şeye çarpmak üzereyse bizi uyarıyorlar ve televizyonda bir program bittikten sonra hangi programı seyredebileceğimiz konusunda bize tavsiyeler veriyorlar. Şimdiyse, biz bu aynı algoritmaları bizim için çevresel tahminler yapmaları adına giderek daha fazla kullanıyoruz.
Minnesota Üniversitesi, Pittsburgh Üniversitesi ve ABD Jeoloji Araştırmaları Kurumu’ndan araştırmacılardan oluşan bir ekip, kısa süre önce nehir ağlarındaki akışı ve ısıyı tahmin etmek üzerinde olan yeni bir çalışma açıkladı.
Çalışma daha iyi tahminlerde bulunmak ve algoritmayı girdiler ve çıktılar arasında fiziksel olarak anlamlı ilişkilere yönlendirmek için algoritmaya fiziksel dünya kurallarının “öğretildiği” yeni bir makina öğrenimi yöntemini gösteriyor.
Yöntem Makina Öğrenimi Kullanılarak Yapılan Tahminlerin Yaygın Tuzaklarının Bazılarının Üstesinden Gelmek Üzere Tasarlandı
Yapılan çalışma, elde az veri olduğunda bile daha doğru nehir ve dere ısısı tahminleri yapabilen bir modeli sunuyor.
Algoritmaların sadece girdiler ve çıktılar arasındaki korelasyonları buluyor olması makina öğrenimi konusunda yapılan yaygın eleştirilerden biri. Ve bazen, bu korelasyonlar “bozuk” olabiliyor ya da yanlış sonuçlar verebiliyor. Model genellikle, girdiler ve çıktılar arasındaki ilişkinin değiştiği bir durumla başa çıkamıyor.
Çalışmanın araştırmacılardan olan Xiaowei Jia ve meslektaşlarının açıkladığı bu yeni yöntem, “süreç güdümlü ya da bilgi güdümlü bir makina öğrenimini” kullanıyor. Bu yöntem Delaware Nehri Havzasında bir su ısısı tahmini kullanım senaryosuna uygulandı ve makina öğrenimi kullanılarak yapılan tahminlerin yaygın tuzaklarının bazılarının üstesinden gelmek üzere tasarlandı.
Araştırmacılar bu bilgi güdümlü makina öğrenimi yöntemlerinin, temelde bilim camiasının çevresel sorunları ele almak için kullandığı standart makina öğrenimi yöntemlerinden ve geleneksel mekanik modellerden daha kuvvetli olduğunu söylüyorlar.
Bu yeni nesil makina öğrenimi yöntemleri, göl ve dere ısısı tahminlerini iyileştirmek gibi çeşitli çevresel sorunları ele almak için kullanılıyorlar.
Orijinal makale: Techxplore
