論文の概要: How do tuna schools associate to dFADs? A study using echo-sounder buoys
to identify global patterns
- arxiv url: http://arxiv.org/abs/2207.07049v1
- Date: Thu, 14 Jul 2022 16:45:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 13:10:19.550192
- Title: How do tuna schools associate to dFADs? A study using echo-sounder buoys
to identify global patterns
- Title(参考訳): マグロの学校はどのようにdFADと結びつくのか?
エコーサンダーブイを用いた大域パターンの同定に関する研究
- Authors: Manuel Navarro-Garc\'ia and Daniel Precioso and Kathryn Gavira-O'Neill
and Alberto Torres-Barr\'an and David Gordo and V\'ictor Gallego and David
G\'omez-Ullate
- Abstract要約: 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。
- 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: Based on the data gathered by echo-sounder buoys attached to drifting Fish
Aggregating Devices (dFADs) across tropical oceans, the current study applies a
Machine Learning protocol to examine the temporal trends of tuna schools'
association to drifting objects. Using a binary output, metrics typically used
in the literature were adapted to account for the fact that the entire tuna
aggregation under the dFAD was considered. The median time it took tuna to
colonize the dFADs for the first time varied between 25 and 43 days, depending
on the ocean, and the longest soak and colonization times were registered in
the Pacific Ocean. The tuna schools' Continuous Residence Times were generally
shorter than Continuous Absence Times (median values between 5 and 7 days, and
9 and 11 days, respectively), in line with the results found by previous
studies. Using a regression output, two novel metrics, namely aggregation time
and disaggregation time, were estimated to obtain further insight into the
symmetry of the aggregation process. Across all oceans, the time it took for
the tuna aggregation to depart from the dFADs was not significantly longer than
the time it took for the aggregation to form. The value of these results in the
context of the "ecological trap" hypothesis is discussed, and further analyses
to enrich and make use of this data source are proposed.
- Abstract(参考訳): 本研究は,熱帯海域を漂流する魚群集装置(dfads)に付着するエコーフォアブイによって収集されたデータに基づき,マグロ学校における漂流物体との関連性を検討するために,機械学習手法を適用した。
2値の出力を用いて、文献で典型的に使用されるメトリクスは、dFADの下でのマグロ全体の集約が考慮されたという事実を考慮に入れられた。
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日の間で変化し、太平洋で最長のソークと植民地化時間が登録された。
マグロ学校における連続滞在時間は,従来の研究結果とほぼ一致し,連続滞在時間(平均5日,7日,9日,11日)よりも短かった。
回帰結果を用いて, 凝集時間と分散時間という2つの新しい指標を推定し, 凝集過程の対称性についてさらなる知見を得た。
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。
これらの結果の「生態トラップ」仮説の文脈における価値について考察し、このデータソースを豊かに利用するためのさらなる分析を提案する。
関連論文リスト
- Science Time Series: Deep Learning in Hydrology [0.0]
降雨と流出に関するCAMELSとCaravanのグローバルデータセットを用いて,水文学時系列を解析した。
この分析は完全にオープンソースで、Google Colab上で実行されているJupyter NotebookはLSTMベースの分析とデータエンジニアリング前処理の両方に対応している。
論文 参考訳(メタデータ) (2024-10-19T21:23:48Z) - A Study of Posterior Stability for Time-Series Latent Diffusion [59.41969496514184]
まず,後部崩壊により可変オートエンコーダ(VAE)への潜伏拡散が減少し,表現性が低下することを示す。
次に、入力変数に対するリカレントデコーダの感度を定量化する、依存性測度という原則的手法を導入する。
理論的および実証的研究に基づいて,潜伏拡散を延長し,後部が安定な新しい枠組みを導入する。
論文 参考訳(メタデータ) (2024-05-22T21:54:12Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳(メタデータ) (2024-05-12T09:32:40Z) - Harmful algal bloom forecasting. A comparison between stream and batch
learning [0.7067443325368975]
有害なアルガルブルーム(HAB)は公衆衛生と貝類産業にリスクをもたらす。
本研究では,有毒なジノフラゲレートの細胞数を予測する機械学習ワークフローを開発した。
モデルDoMEは最も効果的で解釈可能な予測器として登場し、他のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2024-02-20T15:01:11Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳(メタデータ) (2023-05-17T09:37:07Z) - Self-contained Beta-with-Spikes Approximation for Inference Under a
Wright-Fisher Model [0.0]
right-Fisherモデル内での進化的パラメータの信頼性の高い推定を行う。
本手法は,アレル周波数分布に対するβ-with-Spikes近似に基づく解析手法である。
論文 参考訳(メタデータ) (2023-03-08T16:32:10Z) - T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in
Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。
T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文 参考訳(メタデータ) (2023-02-24T13:30:35Z) - Modeling Polyp Activity of Paragorgia arborea Using Supervised Learning [0.7349727826230861]
我々は機械学習技術を用いてパラゴルギアのポリプ活性を解析した。
The activity pattern of the P. arborea polyps are controlled by the strong tidal current regime of the Stjernsund。
論文 参考訳(メタデータ) (2022-09-26T12:46:11Z) - Tuna-AI: tuna biomass estimation with Machine Learning models trained on
oceanography and echosounder FAD data [0.0]
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。
論文 参考訳(メタデータ) (2021-09-14T14:46:34Z) - DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting
Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。
DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
論文 参考訳(メタデータ) (2020-10-28T15:05:08Z) - Disentangled Representation Learning with Wasserstein Total Correlation [90.44329632061076]
本稿では,変分オートエンコーダとワッサースタインオートエンコーダの設定に総相関を導入し,非絡み付き潜在表現を学習する。
批評家は、ワッサーシュタインの総相関項を推定する主な目的と共に、敵対的に訓練される。
提案手法は, 再建能力の犠牲が小さく, 絡み合いに匹敵する性能を有することを示す。
論文 参考訳(メタデータ) (2019-12-30T05:31:28Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。