Fugu-MT 論文翻訳(概要): Tuna-AI: tuna biomass estimation with Machine Learning models trained on oceanography and echosounder FAD data

論文の概要: Tuna-AI: tuna biomass estimation with Machine Learning models trained on oceanography and echosounder FAD data

arxiv url: http://arxiv.org/abs/2109.06732v2
Date: Wed, 15 Sep 2021 06:57:39 GMT
ステータス: 処理完了
システム内更新日: 2021-09-16 10:38:15.115047
Title: Tuna-AI: tuna biomass estimation with Machine Learning models trained on oceanography and echosounder FAD data
Title（参考訳）: Tuna-AI:海洋学と超音波FADデータに基づく機械学習モデルによるマグロバイオマス推定
Authors: Daniel Precioso, Manuel Navarro-Garc\'ia, Kathryn Gavira-O'Neill, Alberto Torres-Barr\'an, David Gordo, Victor Gallego-Alcal\'a, David G\'omez-Ullate
Abstract要約: 本研究では,マグロのバイオマスの予測を目的とした機械学習モデルTuna-AIを開発した。我々は,AGACマグロ・ウォレット・フリートが報告したマグロ捕集に5000件以上のイベントを投入した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Echo-sounder data registered by buoys attached to drifting FADs provide a very valuable source of information on populations of tuna and their behaviour. This value increases whenthese data are supplemented with oceanographic data coming from CMEMS. We use these sources to develop Tuna-AI, a Machine Learning model aimed at predicting tuna biomass under a given buoy, which uses a 3-day window of echo-sounder data to capture the daily spatio-temporal patterns characteristic of tuna schools. As the supervised signal for training, we employ more than 5000 set events with their corresponding tuna catch reported by the AGAC tuna purse seine fleet.
Abstract（参考訳）: 漂流FADに付加されたブイによって登録されたエコーソーダデータはマグロの個体群とその行動に関する非常に貴重な情報源となる。これらのデータをCMEMSから得られた海洋データで補うと、この値が増加する。本研究では,マグロ群集の特徴である日時パターンを3日間のエコーソーダデータを用いて把握し,マグロのバイオマスの予測を目的とした機械学習モデルであるマグロAIを開発した。訓練用監視信号として,AGACマグロシーヌ艦隊が報告したマグロ漁獲量の5000種以上のイベントを運用している。

関連論文リスト

Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data [1.3506669466260703]
このフレームワークは、選択された鳥類種の利用可能なプラットフォームからラベル付きデータを自動抽出する。ラベル付きデータは、環境音やノイズを含む録音に埋め込まれ、畳み込みリカレントニューラルネットワーク(CRNN)モデルのトレーニングに使用された。適応SED-CRNNモデルはF1スコア0.73に達し、ノイズの多い実世界の条件下で効率を実証した。
論文参考訳（メタデータ） (2024-06-19T14:14:24Z)
WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
論文参考訳（メタデータ） (2024-02-20T11:36:23Z)
Oceanship: A Large-Scale Dataset for Underwater Audio Target Recognition [22.890584326036976]
大規模かつ多様な水中オーディオデータセットであるOceanshipを提案する。このデータセットは15のカテゴリで構成され、総期間は121時間であり、座標、速度、船舶タイプ、タイムスタンプといった包括的なアノテーション情報を含んでいる。水中オーディオ検索のためのベースラインモデルであるOceannetを導入する。このモデルでは、67.11%の精度で1(R@1)、Deepshipデータセットで5(R@5)の精度で99.13%のリコールを実現している。
論文参考訳（メタデータ） (2024-01-04T07:11:16Z)
Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文参考訳（メタデータ） (2023-03-24T11:12:37Z)
Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文参考訳（メタデータ） (2022-08-18T15:27:40Z)
BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文参考訳（メタデータ） (2022-07-27T09:26:15Z)
How do tuna schools associate to dFADs? A study using echo-sounder buoys to identify global patterns [0.0]
本研究では,マグロ流派と漂流物体の関係の時間的傾向を機械学習プロトコルを用いて検証する。マグロが最初にdFADを植民地化するのに要する時間は、海によって25日から43日の間であった。全ての海洋において、マグロの集合体がdFADから出発するまでの時間は、マグロの集合体の形成に要する時間よりもそれほど長くなかった。
論文参考訳（メタデータ） (2022-07-14T16:45:54Z)
SOMOS: The Samsung Open MOS Dataset for the Evaluation of Neural Text-to-Speech Synthesis [50.236929707024245]
SOMOSデータセットは、単にニューラルテキスト音声(TTS)サンプルからなる最初の大規模平均世論スコア(MOS)データセットである。パブリックドメイン音声データセットであるLJ音声の合成発話20Kから成っている。
論文参考訳（メタデータ） (2022-04-06T18:45:20Z)
Fish sounds: towards the evaluation of marine acoustic biodiversity through data-driven audio source separation [1.9116784879310027]
海洋生態系は、生物多様性の喪失や熱帯種の温帯盆地への移動など、危機的な速度で変化している。海洋生物多様性をモニタリングするための最もポピュラーで効果的な方法の1つは、パッシブ・アコースティックス・モニタリング(PAM)である。本研究では,PAM録音における魚の発声を自動的に抽出する手法について述べる。
論文参考訳（メタデータ） (2022-01-13T14:57:34Z)
Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文参考訳（メタデータ） (2020-11-28T05:51:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。