Sökträffar

    Sökträffar

    Visa alla resultat för ""
    Hittar inga resultat eller sökförslag för "."

    Söktips

    • Kontrollera att orden är rättstavade
    • Försök med andra sökord eller synonymer
    • Smalna av din sökning för att få fler träffar

    Hur kan vi hjälpa dig?

    Ny student

    Kontakta oss

    Hitta medarbetare

    Gå till undermeny Gå till huvudinnehåll
    Högskolan i Skövde, länk till startsida
    Högskolan i Skövde, länk till startsida

    Sökträffar

      Sökträffar

      Visa alla resultat för ""
      Hittar inga resultat eller sökförslag för "."

      Söktips

      • Kontrollera att orden är rättstavade
      • Försök med andra sökord eller synonymer
      • Smalna av din sökning för att få fler träffar

      Hur kan vi hjälpa dig?

      Ny student

      Kontakta oss

      Hitta medarbetare

      Förstå mänsklig migration

      Forskningsgrupp Skövde Artificial Intelligence Lab Forskningsmiljö Informationsteknologi

      Förstå mänsklig migration

      Forskningsgrupp Skövde Artificial Intelligence Lab
      Forskningsmiljö Informationsteknologi

      Kort om projektet

      Projektnamn

      Explainable prediction on migration impacts and modeling trends

      Projekttid

      Oktober 2019 – Oktober 2020

      Partners

      Université catholique de Louvain (UCLouvain), World Bank.

      Finansiering

      EU Horizon 2020, Västra Götaland Region (VGR) och Högskolan i Skövde.

      I det här projektet har vi för avsikt att förstå befolkningsdynamikens faktorer och mönster, tränga in i den mänskliga befolkningsdynamiken ”svarta låda” på en mycket detaljerad rumslig nivå genom att utveckla en förklarlig modell för maskininlärning. Vi avser att utveckla en modell som ådagalägger de inverkande faktorerna för att bättre förstå migrationsmönster (t.ex. internationellt, klimatiskt) och förutsäga möjliga migrationstryck. Med samverkan från våra partners är detta arbete helt nytt såtillvida att det ska bygga en modell på rums- och tidsdatamängder om mänskliga befolkningsrörelser.

      Förklarliga förutsägelser av migrationseffekter och trendmodellering

      De komplexa interaktionerna inom sociodemografiska, klimatiska, ekonomiska miljöer och möjligtvis rättsliga/institutionella situationer inbegriper många faktorer som kan påverka befolkningsdynamiska mönster. I detta projekt planerar vi att lösa maskininlärningens begränsning genom att lansera en förklarlig prediktiv modell som möjliggör för användare att pröva ”ifall”-scenarier genom att lägga till interaktiv input vid en specifik punkt i tidsserierna.

      Exempelvis, hur förändras befolkningsrörelser och i vilken takt när temperaturen är alltför låg eller hög? Modellen avslöjar påverkande faktorer i ett visst mönster och faktorer som påverkas av användarens inmatning/störning. Därutöver planerar vi att föra ut tillvägagångssätten att åstadkomma data som är baserade på vad som förekommer online och till intressenter sprida intressanta rön förknippade med migrationseffekter. Analyserna ska betraktas som explorativa men kan dramatiskt förbättra vår kunskap om globala migrationsmönster och deras ekonomiska, sociala och politiska effekter.

      Bygga tillit till system

      För att öka begriplighet och ytterst vinna användartillit för systemet måste systemet ådagalägga och förklara den svarta lådan och på samma gång inbegripa användaråterkoppling. Många forskare finner det mycket användbart att kombinera styrkorna hos mänsklig kunskap och maskininlärning, och användare kan bättre lära sig systemet och modellen på ett effektivt sätt om de kan kommunicera interaktivt med systemet utan att behöva lära sig de algoritmiska detaljerna.

      Vi planerar att låta användare manipulera komponenter för att bättre förstå befolkningsförändringars faktorer och mönster. I allmänhet är det viktigt i visuell analys att besluta och inbegripa användare, data och uppgifter.

      Utveckla en modell för jämförelse

      Vi har funnit att tidigare studier på området har använt artificiella neurala nätverk, stödvektorregression och återkommande neurala nätverk med tidsseriedata. Att förstå mönstren av befolkningsdynamik inbegriper utvinning, “mining”, av framkommande faktorer, att upptäcka de upprepande underliggandemönstren samt att finna faktorer som bäst korrelerar på grundval av tid och rum. Vår modell kommer att bli jämförd med befintliga neurala nätverksmetoder och verifiera våra resultat med benchmark-databaser.

      EU Horizon2020

      Projektet är finansieras av Horizon 2020s forsknings och innovationsprogram under Marie Skłodowska-Curie grant agreement No 754412.

      Projektledare

      Bitr. lektor inform.teknologi

      Medverkande forskare

      Partners och finansiering

      EU Horizon 2020
      Projektet finansieras av EUs ramprogram för forskning och innovation.
      Västra Götalandsregionen
      MoRE 2020
      Publicerad: 2020-01-17
      Senast ändrad: 2020-01-17
      Sidansvarig: webmaster@his.se