Application of artificial neural networks in predicting voter turnout based on the analysis of demographic data

• Autorzy: Michalak Piotr

Identyfikatory

DOI

10.2478/pcr-2019-0010

• Języki publikacji: EN

Abstrakty

EN

The author presents the results of research on the use of artificial neural networks in predicting voter turnout. He describes the principles of operation of artificial neural networks, as well as detailed results of two machine learning methods used to predict voter turnout. The research resulted in creation of a functional model that allows for prediction of voter turnout results with a considerable degree of accuracy. The entire research process was carried out using the cartographic research method.

Słowa kluczowe

EN

artificial neural networks; voter turnout; machine learning; cartographic research method

• Wydawca: Polskie Towarzystwo Geograficzne. Oddział Kartograficzny
• Czasopismo: Polish Cartographical Review
• Rocznik: 2019
• Tom: Vol. 51, No. 3
• Strony: 109--116
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., mapy

Twórcy

autor

Michalak Piotr

• Aalborg University, Geoinformatics, Aalborg, Denmark

Bibliografia

• Bartman J., Bajda K., 2014, Wykorzystanie sztucznych sieci neuronowych do prognozowania wyników meczów piłkarskich. “Edukacja­Technika­Informatyka” T. 5, pp. 425–431.
• Berlant A.M., 1973, Problemy teorii wykorzystania map w badaniach naukowych. In: Kartograficzna metoda badań w geografii. “Przegląd Zagranicznej Literatury Geograficznej” z. 3/4, pp. 39–50.
• Dośpiał­Borysiak K., 2015, Norweskie partie polityczne wobec problemu zmian klimatu i polityki klimatycznej. Warszawa: Szkoła Główna Handlowa.
• Géron A., 2018, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. Helion.
• Golenia M., Zagajewski B., Ochtyra A., 2005, Zastosowanie sztucznych sieci neuronowych do aktualizacji map pokrycia terenu Corine. “Polski Przegląd Kartograficzny” T. 47, nr 3­4, pp. 257–266.
• Goodfellow I., Bengio Y., Courville A., 2009, Deep Learning. Boston: Massachusetts Institute of Technology (MIT).
• Khaze S. R., Mohammed M., Hojjatkhah S., 2013, Application of artificial neural networks in estimating participation in elections. “International Journal of Information Technology, Modelling and Computing (IJITMC)” Vol. 1, no. 3.
• Lutz M., 2009, Learning Python. 5th edition, Helion.
• Ossowski S., Kilian M., 2018, Trafność sondaży przed wyborami samorządowymi 2018. Poznań: Wydział Nauk Politycznych i Dziennikarstwa UAM.
• Salishchev K.A., 1955, O kartograficheskom metode issledowania. „Vestnik Moskovskogo Universiteta, Ser. fiziko­mat.” no. 10, pp. 161–170.
• Wu Y., Schuster M., Chen Z., Le Q., Norouzi M., 2016, Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation. Cornell University.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).