論文の概要: Can machine learning predict citizen-reported angler behavior?

• arxiv url: http://arxiv.org/abs/2402.06678v1
• Date: Wed, 7 Feb 2024 19:56:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-18 13:39:56.764512
• Title: Can machine learning predict citizen-reported angler behavior?
• Title（参考訳）: 機械学習は市民が報告したアンカー行動を予測することができるか?
• Authors: Julia S. Schmid (1), Sean Simmons (2), Mark A. Lewis (1 and 3), Mark S. Poesch (1), Pouria Ramazi (4) ((1) University of Alberta, (2) Angler's Atlas, (3) University of Victoria, (4) Brock University)
• Abstract要約: 漁獲率やアングル圧力などのアングルの挙動の予測は,魚類の個体数維持とアングルの満足度確保に不可欠である。 ここでは, 環境, 社会経済, 漁業管理目的, 淡水水域でのイベントに関する補助データを用いた学習手法を用いて, 市民が報告したアンカー行動の予測について検討した。 カナダの特定の地域では、月平均88%が水域で、月平均86%が空間予測だった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prediction of angler behaviors, such as catch rates and angler pressure, is essential to maintaining fish populations and ensuring angler satisfaction. Angler behavior can partly be tracked by online platforms and mobile phone applications that provide fishing activities reported by recreational anglers. Moreover, angler behavior is known to be driven by local site attributes. Here, the prediction of citizen-reported angler behavior was investigated by machine-learning methods using auxiliary data on the environment, socioeconomics, fisheries management objectives, and events at a freshwater body. The goal was to determine whether auxiliary data alone could predict the reported behavior. Different spatial and temporal extents and temporal resolutions were considered. Accuracy scores averaged 88% for monthly predictions at single water bodies and 86% for spatial predictions on a day in a specific region across Canada. At other resolutions and scales, the models only achieved low prediction accuracy of around 60%. The study represents a first attempt at predicting angler behavior in time and space at a large scale and establishes a foundation for potential future expansions in various directions.
• Abstract（参考訳）: 漁獲率やアングル圧力などのアングルの挙動の予測は,魚類の個体数維持とアングルの満足度確保に不可欠である。 アングルの挙動は、オンラインプラットフォームやレクリエーションアングルによって報告された漁業活動を提供する携帯電話アプリケーションによって部分的に追跡することができる。 さらに、アングルの挙動は、局所的なサイト属性によって駆動されることが知られている。 ここでは, 環境, 社会経済, 漁業管理目的, 淡水水域でのイベントに関する補助データを用いた学習手法を用いて, 市民報告型アンカー行動の予測について検討した。 目標は、補助データだけで報告された振る舞いを予測できるかどうかを判断することであった。 空間的・時間的範囲や時間的解像度が異なっていた。 精度スコアは、1つの水域での月間予測では88%、カナダ全土の特定の地域では1日あたりの空間予測では86%であった。 他の解像度とスケールでは、予測精度は60%程度しか得られなかった。 この研究は、時間と空間におけるアングルの挙動を大規模に予測する最初の試みであり、様々な方向への潜在的拡張の基礎を確立している。

関連論文リスト

• Website visits can predict angler presence using machine learning [0.0]
  漁業活動と環境または経済要因を関連付ける予測モデルは、典型的には歴史的データに依存している。 湖のインフォメーションサイトだけで、毎日のアングルボートの存在を78%の精度で予測できるようになった。 モデルは、モデル訓練に含まれる既知の湖で最大0.77のR2を達成したが、未知の湖では不十分であった。
  論文  参考訳（メタデータ） (2024-09-25T23:26:52Z)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
  シーン固有の適応軌道予測の問題を定式化する。 本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。 0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
  論文  参考訳（メタデータ） (2023-12-11T18:59:12Z)
• Fully Convolutional Networks for Dense Water Flow Intensity Prediction in Swedish Catchment Areas [7.324969824727792]
  本研究では,内陸海域における水流強度を予測するための機械学習によるアプローチを提案する。 我々は高密度水流強度予測の課題に最初に取り組みました。
  論文  参考訳（メタデータ） (2023-04-04T09:28:36Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
  交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。 近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。 本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-29T17:58:12Z)
• Exceedance Probability Forecasting via Regression for Significant Wave Height Prediction [0.0]
  沿岸災害の原因となる大きな波高の極端な値の予測に着目する。 本稿では,点予測に基づく新しい手法を提案する。 カナダのハリファックス沿岸に設置したスマートブイのデータを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-06-20T14:55:17Z)
• Prediction of fish location by combining fisheries data and sea bottom temperature forecasting [1.7188280334580197]
  本稿は,北海におけるベルギーの漁獲量と水産依存データと環境データを組み合わせて,ベルギーの漁獲量(イセプラとソリ)を推定する。 予測設定では、リカレントディープニューラルネットワークを用いて海底温度を最大4日前に予測することにより予測精度をさらに向上する。
  論文  参考訳（メタデータ） (2022-05-04T15:08:51Z)
• Who will stay? Using Deep Learning to predict engagement of citizen scientists [79.9502177222504]
  我々は,スウェーデンの海洋プロジェクトにおける市民科学者の関与を予測するために,ディープニューラルネットワークモデルを構築した。 結果に基づいて、将来のセッションでアノテータがアクティブになるかどうかを予測することができる。 私たちのモデルは、Deep Neural Networksの使用とボランティアアノテーションのシーケンスにあります。
  論文  参考訳（メタデータ） (2022-04-28T13:27:21Z)
• 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。

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。