論文の概要: Tracking capelin spawning migration -- Integrating environmental data
and Individual-based modeling
- arxiv url: http://arxiv.org/abs/2311.00424v1
- Date: Wed, 1 Nov 2023 10:30:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:10:14.491089
- Title: Tracking capelin spawning migration -- Integrating environmental data
and Individual-based modeling
- Title（参考訳）: 環境データと個人モデルの統合によるカペリン発生移行の追跡
- Authors: Salah Alrabeei and Sam Subbey and Talal Rahman
- Abstract要約: 本稿では,バレンツ海の魚種であるカペリンの産卵過程を追跡するための枠組みを提案する。
このフレームワークは、個別ベースモデル(IBM)と人工知能ニューラルネットワーク(ANN)を組み合わせる。
提案モデルでは,カペリンの産卵時の南東移動を再現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a modeling framework for tracking the spawning migration
of the capelin, which is a fish species in the Barents Sea. The framework
combines an individual-based model (IBM) with artificial neural networks
(ANNs). The ANNs determine the direction of the fish's movement based on local
environmental information, while a genetic algorithm and fitness function
assess the suitability of the proposed directions. The framework's efficacy is
demonstrated by comparing the spatial distributions of modeled and empirical
potential spawners.
The proposed model successfully replicates the southeastward movement of
capelin during their spawning migration, accurately capturing the distribution
of spawning fish over historical spawning sites along the eastern coast of
northern Norway.
Furthermore, the paper compares three migration models: passive swimmers,
taxis movement based on temperature gradients, and restricted-area search,
along with our proposed approach. The results reveal that our approach
outperforms the other models in mimicking the migration pattern. Most spawning
stocks managed to reach the spawning sites, unlike the other models where water
currents played a significant role in pushing the fish away from the coast. The
temperature gradient detection model and restricted-area search model are found
to be inadequate for accurately simulating capelin spawning migration in the
Barents Sea due to complex oceanographic conditions.
- Abstract（参考訳）: 本稿では,バレンツ海の魚種であるカペリンの産卵移動を追跡するためのモデルフレームワークを提案する。
このフレームワークは、個別ベースモデル(IBM)と人工知能ニューラルネットワーク(ANN)を組み合わせる。
ANNは局所的な環境情報に基づいて魚の動きの方向を決定する一方、遺伝的アルゴリズムとフィットネス機能は提案した方向の適合性を評価する。
この枠組みの有効性は、モデルと経験的ポテンシャル発生者の空間分布を比較して示される。
提案モデルは、北ノルウェー東岸の歴史的な産卵地における産卵魚の分布を正確に把握し、カペリンの南東への移動を再現することに成功した。
さらに,本研究は,提案手法と並行して,アクシブスイマー,温度勾配に基づくタクシー移動,限定領域探索の3つの移行モデルを比較した。
その結果,我々のアプローチは移行パターンを模倣する他のモデルよりも優れていることがわかった。
水流が沿岸から魚を遠ざけるのに重要な役割を果たした他のモデルとは異なり、ほとんどの産卵株は産卵場にたどり着くことができた。
温度勾配検出モデルと制限領域探索モデルは,複雑な海洋条件によるバレンツ海におけるカペリン発生の正確なシミュレーションには不十分であることがわかった。
関連論文リスト
- Towards detailed and interpretable hybrid modeling of continental-scale bird migration [9.887133861477231]
我々は最近開発された大陸規模の鳥の移動のハイブリッドモデルを構築し、流体力学にインスパイアされた運動モデルと繰り返しニューラルネットワークを組み合わせる。
F FluxRGNNは、重要なマイグレーションパターンの予測に成功しているが、その空間分解能は、気象レーダーから得られる典型的な希薄な観測によって制限されている。
本稿では,モデルコンポーネントの解釈可能性の制御を提供しながら,望まれるテッセル化に関するより詳細な予測を可能にする2つの大きな修正を提案する。
論文 参考訳（メタデータ） (2024-07-14T15:52:19Z) - Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。
そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。
提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
論文 参考訳（メタデータ） (2024-04-11T19:13:38Z) - Mixed Gaussian Flow for Diverse Trajectory Prediction [78.00204650749453]
混合ガウスを将来の軌跡多様体に変換するためのフローベースモデルを提案する。
このモデルでは、多様な軌道パターンを生成する能力が向上している。
また,多様な,制御可能な,分布外のトラジェクトリを生成可能であることも実証した。
論文 参考訳（メタデータ） (2024-02-19T15:48:55Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Self-Supervised 3D Scene Flow Estimation and Motion Prediction using
Local Rigidity Prior [100.98123802027847]
点群における3次元シーンフロー推定とクラス非依存動作予測について検討した。
我々は,一方向の剛性動作推定により,自己教師型学習のための擬似シーンフローラベルを生成する。
本手法は,自己監督型シーンフロー学習における最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-17T14:06:55Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z) - 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) - Constraining subglacial processes from surface velocity observations
using surrogate-based Bayesian inference [0.0]
基底運動は、南極の外での氷の流束の主要なメカニズムであるが、それを予測するための広く適用可能なモデルである。
これは、小規模のベッド特性の観察と、基底運動が依存する時間変化水圧の予測の両方が困難であるためである。
我々は、グリーンランド南西部の表面速度の観測に基づく氷力学と氷下水理の結合モデルと条件付けにより、これらの問題にベイズ的アプローチを採っている。
論文 参考訳（メタデータ） (2020-06-22T16:47:33Z) - Towards Adaptive Benthic Habitat Mapping [9.904746542801838]
本研究では,効率的な自律下水車両(AUV)探査計画に生息環境モデルを用いる方法を示す。
ベイズニューラルネットワークは、広範囲な水量測定データを与えられたとき、視覚的に派生した生息地クラスを予測するために使用される。
これらの構造的不確実性推定が、より少ないサンプルでモデルを改善するためにどのように利用できるかを実証する。
論文 参考訳（メタデータ） (2020-06-20T01:03:41Z) - Deformation-aware Unpaired Image Translation for Pose Estimation on
Laboratory Animals [56.65062746564091]
我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。
我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。
ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
論文 参考訳（メタデータ） (2020-01-23T15:34:11Z)
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。