Skip to ContentSkip to Navigation
Over ons Actueel Evenementen Promoties

Feature selection and intelligent livestock management

Promotie:Dhr. A.M.J.A. (Ahmad) Alsahaf
Wanneer:04 december 2020
Aanvang:11:00
Promotors:prof. dr. N. (Nicolai) Petkov, prof. dr. R.F. Veerkamp
Copromotor:G. (George) Azzopardi, Prof
Waar:Academiegebouw RUG
Faculteit:Science and Engineering
Feature selection and intelligent livestock management

Nieuw algoritme voor het fokken van dieren

Computationele dierfokkerij is afhankelijk van genetisch-statistische modellen die zijn gericht op het schatten van fokwaarden, die vervolgens worden gebruikt om dieren te rangschikken op basis van hun genetische potentie. Moderne veeteeltsystemen verzamelen echter grote hoeveelheden gegevens gedurende het leven van een dier die niet direct geschikt zijn voor die statistische modellen, zoals het periodiek fenotype en omgevingswaarnemingen. Ahmad Alsahaf onderzocht het potentieel van het benutten van die aanvullende gegevens om toekomstige fenotypevoorspelling in vee te verbeteren met behulp van machine learning methoden.

Alsahaf ontwikkelde een algoritme, genaamd FeatBoost, dat een iteratief proces gebruikt van boosting, of herweging van monsters, en modelevaluaties om functies te selecteren die relevant zijn en niet overbodig voor elkaar. Hij evalueerde de prestaties van het algoritme aan de hand van een aantal benchmarks, waaronder ReliefF, een op filters gebaseerde selectiemethode, en twee alternatieve op boomsamenstellingen gebaseerde methoden, Boruta en XGBoost-afgeleide functieclassificatie. Feat-Boost presteert beter dan de concurrerende methoden op de meeste van de geteste datasets.

Het promotieonderzoek van Ahmad Alsahaf vond plaats bij de afdeling Intelligente Systemen van het Bernoulli Instituut, met financiering via NWO, Cobb Europe CRV, Hendrix Genetics, en Topigs Norsvin.