Liellopu ciltsvērtības novērtēšanai nepieciešamo datu analīze

Abstract

Klasiskā programmēšanas pieejā ir pieņemts rakstīt programmas, kurās ir aprakstīts precīzs darbību algoritms. Šajā gadījumā programmētājam ir labi jāpārzina, kādus datus programma saņems darbības laikā un kādā veidā šie datus ir jāapstrādā. Tāda programma nekad nevarēs iemācīties kaut ko jaunu un vienmēr darbosies pēc dotā algoritma. Alternatīva ir mašīnmācīšanas algoritmu izmantošana, jo tie var uzkrāt pieredzi un ar laiku mainīt savu uzvedību. Viens no perspektīviem virzieniem mašīnmācīšanā ir mākslīgie neironu tīkli, kas modulē cilvēka smadzeņu darbību. Šī darba mērķis ir analizēt datus, kas ir nepieciešami, lai apmācītu neironu tīklu, kas novērtē liellopu ciltsvērtību.

Classical theory of programming involves writing a program that incorporates exact algorithm of action. The programmer must know what input data the program will get and in what way it will be processed. In other words, the program will never be able to learn something new, and always will follow the laid down instructions. An alternative is to use machine learning systems that are able to gain experience and eventually change their behavior. One of the perspective directions in the machine learning is artificial neural networks that modulate human brain’s work. The purpose of this paper is to analyze the data necessary for training the neural network so it would be able to evaluate the breading value for dairy cattle.