ελληνικά english 16 Ιαν 2019

Επιστήμη - Τεχνολογία | Έρευνα και εκπαίδευση

Τεχνητή νοημοσύνη για πρόβλεψη τιμής ελαιολάδου

ΝΣ
πηγή: mercacei
πηγή: mercacei
Τρία μοντέλα πρόβλεψης της εξέλιξης της τιμής ελαιολάδου χρησιμοποιώντας την τεχνητή νοημοσύνη έχει αναπτύξει ο Diego Hueltes, μηχανικός ηλεκτρονικών υπολογιστών της Alcalá la Real (Jaén).

«Υπάρχουν αλγόριθμοι αυτόματης μάθησης που λαμβάνουν πληροφορίες βάσει των διακυμάνσεων των προηγούμενων τιμών όπου μαζί με τα μετεωρολογικά δεδομένα και τα στοιχεία παραγωγής, έχουν την ικανότητα να κάνουν μία εκτίμηση εγγύτερη προς την πραγματικότητα», αναφέρει ο Diego Hueltes στο περιοδικό Mercacei. Ο ίδιος εξειδικεύεται στο Big Data y Machine Learning, έναν κλάδο της τεχνητής νοημοσύνης που χρησιμεύει, μεταξύ άλλων, στη δημιουργία μοντέλων πρόβλεψης.

Ο Hueltes θέλει να πραγματοποιήσει μία έρευνα χρησιμοποιώντας τις πιο πρόσφατες τεχνικές τεχνητής νοημοσύνης. Αναφέρει, «Σκέφτηκα ότι αυτό είναι ένα καλό θέμα, που έχει σχέση με το χώρο μου και μακάρι στο μέλλον να μπορεί να χρησιμοποιηθεί και τα πλεονεκτήματά της να έχουν θετικό αντίκτυπο».

Εργάζεται στην Marbella (Málaga) και εξηγεί πως υπάρχουν εξωτερικοί παράγοντες που επηρεάζουν και δεν μπορούν να προβλεφθούν. Όταν όμως η τιμή εξαρτάται αποκλειστικά από την παραγωγή, αυτοί οι αλγόριθμοι έχουν την ικανότητα να βλέπουν τις μη ορατές σχέσεις μεταξύ των διαφορετικών μεταβλητών ώστε να γίνει η εκτίμηση.

Σε αυτή την έρευνα, ο Hueltes έχει δημιουργήσει διάφορα μοντέλα και ένα από τα «πιο ενδιαφέροντα» είναι το μοντέλο «Deep learning». Το μοντέλο αυτό προσομοιώνει τη συμπεριφορά των νευρώνων και του ανθρώπινου εγκεφάλου για να μάθει να προβλέπει, σε αυτή τη περίπτωση, την τιμή του έξτρα παρθένου ελαιολάδου.

Ο Hueltes έχει χρησιμοποιήσει στοιχεία από την Junta de Andalucía σχετικά με την τιμή του λαδιού στην Jaén, από την Κρατική Υπηρεσία Μετεωρολογίας (στα ισπανικά ΑΕΜΕΤ) και της παραγωγής από το ισπανικό Υπουργείο Γεωργίας.

Συγκεκριμένα, έχει αναπτύξει τρία μοντέλα: ένα που προβλέπει την τιμή της επόμενης εβδομάδας, το δεύτερο μοντέλο προβλέπει την τιμή σε τέσσερις εβδομάδες και το τρίτο που αναφέρει εάν η τιμή θα αυξηθεί ή θα μειωθεί.

Όπως εξηγεί λεπτομερώς, υπάρχει ένα μέσο ποσοστό σφάλματος 2,9% για την πρόβλεψη των τεσσάρων εβδομάδων, 0,9% για την πρόβλεψη της επόμενης εβδομάδας και 76% επιτυχίας στη πρόβλεψη της κατεύθυνσης της τιμής. Αυτό το 76% έχει εξεταστεί την περίοδο Ιούλιος 2017 - Ιούλιος 2018.

«Στον παραγωγό προσφέρει το όφελος βραχυπρόθεσμης γνώσης σχετικά με την τιμή, ώστε να σχεδιάσει την στρατηγική των πωλήσεων. Επίσης, θα μπορούσε να χρησιμοποιηθεί για να εντοπιστούν ανωμαλίες ή αλλαγές στις τάσεις για να υπάρξει έγκαιρη αντίδραση σε αυτές τις απότομες αλλαγές τιμών», προσθέτει.

Όσον αφορά στο πώς θα μπορεί κανείς να έχει πρόσβαση σε αυτό το μοντέλο, ο Hueltes σημειώνει ότι θα είναι μία έκδοση open source και δωρεάν που θα μπορεί να τη βρει κανείς στην ιστοσελίδα του, www.hueltes.com, καθώς αναφέρει ο ίδιος πως «είναι μία επιστημονική έρευνα που κάνω αφιλοκερδώς».

Ο μηχανικός από την Jaén παρουσίασε στις 29 Νοεμβρίου για πρώτη φορά αυτή την έρευνα στο συνέδριο Big Data Congress Lithuania. Επιπλέον, σήμερα στις 30 Νοεμβρίου θα την παρουσιάσει στο συνέδριο Codemotion, που θα πραγματοποιηθεί στη Μαδρίτη.

Απόδοση από: www.mercacei.com





Σχόλια επισκεπτών

Αυτό το άρθρο δεν έχει σχολιαστεί ακόμα

Νέο σχόλιο



Όλα τα πεδία είναι υποχρεωτικά.
Κάθε μήνυμα δημοσιεύεται
αφού το εγκρίνει ο διαχειριστής του ιστότοπου.

Χρήσιμα Links Βίντεο εκδηλώσεων