Umělá inteligence a její možnosti v automatické determinaci kokolitů

Abstract

Automatická determinace objektů pomocí neuronových sítí je aplikována již v řadě odvětví, avšak v paleontologii byl tento přístup zatím použit jen zřídka. Cílem bakalářské práce bylo zhodnocení perspektivnosti metody automatické determinace kokolitů pomocí neuronové sítě, kterou navrhla společnost Cogniware. Pro testování neuronové sítě byly zvoleny druhy vápnitého nanoplanktonu Cyclicargolithus floridanus a Cyclicargolithus abisectus. Prozatím byla síť trénována na druhu C. floridanus a naučila se rozpoznávat jeho typické jedince s přesností 99%. V práci je poskytnut základní přehled o kokolitech a neuronových sítích. Následně je popsána použitá metoda přípravy dat pro neuronovou síť. Klíčová slova: vápnitý nanoplankton, Reticulofenestra, morfologie, umělá inteligence, neuronová síť

Automatic determination of objects using neural networks has been applied in many fields of study, however, this approach has only rarely been used in paleontology. The goal of this bachelor thesis is to evaluate a method of automatic determination of coccoliths using neural networks. This method has been proposed by the Cogniware company. Cyclicargolithus floridanus and Cyclicargolithus abisectus have been chosen for the testing of the neural network. So far, the network has been trained to determine only C. floridanus, and managed to recognize the typical speciman of this species with 99% accuracy. This thesis provides a basic overview of the coccolith group and neural networks. It also describes the method used to prepare data for the neural network. Key words: calcareous nannoplankton, Reticulofenestra, morfology, artificial intelligence, neural network