In precedenti lavori1,2 è stato dimostrato come l’estratto di alcune specie di Salvia spp. è efficace come antigerminativo. In questi lavori sono stati applicati vari metodi di statistica classica che hanno confermato questa efficacia, ma non sono stati in grado di distinguere i livelli di efficacia ottenuti dalle diverse specie di Salvia. Anche l’applicazione di sistemi tipici dell’intelligenza artificiale come le reti neuronali artificiali non supervisionate non ha consentito di determinare un classifica di efficacia ancorché qualitativa. Lo scopo del metodo presentato in questo paper è stato proprio quello di ottenere questa classifica. I passi dell’algoritmo sono i seguenti: 1) Predisposizione di una matrice di dati grezzi con, nelle righe, le misure relative alla esposizione di una specie targhet alla diverse specie di Salvia e, nelle colonne, le diverse tipologie di dati misurati. Per una completa descrizione dei dati vedi 1. 2) Filtraggio dei dati grezzi (eliminazione di righe o colonne con scarso contenuto informativo – ovvero righe o colonne nulle o con scarsissima varianza, oppure righe o colonne strettamente correlate con altre righe o colonne corrispondenti 3) Elaborazione dei dati così filtrati con reti neurali artificiali auto organizzantesi (SOM) con i seguenti parametri: 200 epoche + 1000 epoche di sintonizzazione fine, 90 neuroni. 4) Elaborazione delle uscite di queste reti neurali attraverso l’algoritmo k-means avendo fissato un numero massimo di cluster pari a k=5. 5) Attribuzione automatica di pesi interi ai diversi cluster, attribuendo 0 al cluster che contiene il controllo e pesi via via crescenti nei cluster sempre più distanti da quello iniziale contenente il controllo. Poiché l’uso dell’algoritmo k-means comporta una certa aleatorietà nella determinazione dei centroidi iniziali, questi ultimi due passi sono stati ripetuti 100 volte per valutare la persistenza e la stabilità del dato ottenuto. È stato effettuato un confronto statistico su tutte le uscite di questi algoritmi di clustering basato sulla permanenza o meno di un record di ingresso in uno specifico cluster. In questo modo sono state determinare delle classifiche qualitative di efficacia antigerminativa delle diverse specie di Salvia che mantengono le evidenze presentate in 1 e 2, ma che riescono a distinguere un maggior numero di gruppi di specie di diversa efficacia.
Un nuovo metodo per la classificazione qualitativa di attività fitotossica.
GIACOMINI, MAURO;BERTOLINI, SIMONA;BISIO, ANGELA;GIACOMELLI, EMANUELA;
2011-01-01
Abstract
In precedenti lavori1,2 è stato dimostrato come l’estratto di alcune specie di Salvia spp. è efficace come antigerminativo. In questi lavori sono stati applicati vari metodi di statistica classica che hanno confermato questa efficacia, ma non sono stati in grado di distinguere i livelli di efficacia ottenuti dalle diverse specie di Salvia. Anche l’applicazione di sistemi tipici dell’intelligenza artificiale come le reti neuronali artificiali non supervisionate non ha consentito di determinare un classifica di efficacia ancorché qualitativa. Lo scopo del metodo presentato in questo paper è stato proprio quello di ottenere questa classifica. I passi dell’algoritmo sono i seguenti: 1) Predisposizione di una matrice di dati grezzi con, nelle righe, le misure relative alla esposizione di una specie targhet alla diverse specie di Salvia e, nelle colonne, le diverse tipologie di dati misurati. Per una completa descrizione dei dati vedi 1. 2) Filtraggio dei dati grezzi (eliminazione di righe o colonne con scarso contenuto informativo – ovvero righe o colonne nulle o con scarsissima varianza, oppure righe o colonne strettamente correlate con altre righe o colonne corrispondenti 3) Elaborazione dei dati così filtrati con reti neurali artificiali auto organizzantesi (SOM) con i seguenti parametri: 200 epoche + 1000 epoche di sintonizzazione fine, 90 neuroni. 4) Elaborazione delle uscite di queste reti neurali attraverso l’algoritmo k-means avendo fissato un numero massimo di cluster pari a k=5. 5) Attribuzione automatica di pesi interi ai diversi cluster, attribuendo 0 al cluster che contiene il controllo e pesi via via crescenti nei cluster sempre più distanti da quello iniziale contenente il controllo. Poiché l’uso dell’algoritmo k-means comporta una certa aleatorietà nella determinazione dei centroidi iniziali, questi ultimi due passi sono stati ripetuti 100 volte per valutare la persistenza e la stabilità del dato ottenuto. È stato effettuato un confronto statistico su tutte le uscite di questi algoritmi di clustering basato sulla permanenza o meno di un record di ingresso in uno specifico cluster. In questo modo sono state determinare delle classifiche qualitative di efficacia antigerminativa delle diverse specie di Salvia che mantengono le evidenze presentate in 1 e 2, ma che riescono a distinguere un maggior numero di gruppi di specie di diversa efficacia.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.