論文の概要: Nature-Guided Cognitive Evolution for Predicting Dissolved Oxygen Concentrations in North Temperate Lakes
- arxiv url: http://arxiv.org/abs/2403.18923v1
- Date: Thu, 15 Feb 2024 20:27:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 02:25:04.077873
- Title: Nature-Guided Cognitive Evolution for Predicting Dissolved Oxygen Concentrations in North Temperate Lakes
- Title(参考訳): 北温帯湖沼における溶存酸素濃度予測のための自然誘導型認知進化
- Authors: Runlong Yu, Robert Ladwig, Xiang Xu, Peijun Zhu, Paul C. Hanson, Yiqun Xie, Xiaowei Jia,
- Abstract要約: 本研究では,適応学習と自然過程を多段階融合した自然誘導型認知進化戦略を提案する。
我々は,米国中西部の広範囲の湖沼において,日中溶存酸素濃度を予測するNGCE戦略の性能を検証した。
- 参考スコア(独自算出の注目度): 14.712746743443603
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predicting dissolved oxygen (DO) concentrations in north temperate lakes requires a comprehensive study of phenological patterns across various ecosystems, which highlights the significance of selecting phenological features and feature interactions. Process-based models are limited by partial process knowledge or oversimplified feature representations, while machine learning models face challenges in efficiently selecting relevant feature interactions for different lake types and tasks, especially under the infrequent nature of DO data collection. In this paper, we propose a Nature-Guided Cognitive Evolution (NGCE) strategy, which represents a multi-level fusion of adaptive learning with natural processes. Specifically, we utilize metabolic process-based models to generate simulated DO labels. Using these simulated labels, we implement a multi-population cognitive evolutionary search, where models, mirroring natural organisms, adaptively evolve to select relevant feature interactions within populations for different lake types and tasks. These models are not only capable of undergoing crossover and mutation mechanisms within intra-populations but also, albeit infrequently, engage in inter-population crossover. The second stage involves refining these models by retraining them with real observed labels. We have tested the performance of our NGCE strategy in predicting daily DO concentrations across a wide range of lakes in the Midwest, USA. These lakes, varying in size, depth, and trophic status, represent a broad spectrum of north temperate lakes. Our findings demonstrate that NGCE not only produces accurate predictions with few observed labels but also, through gene maps of models, reveals sophisticated phenological patterns of different lakes.
- Abstract(参考訳): 北温帯湖沼における溶存酸素(DO)濃度の予測には、様々な生態系にまたがる現象学的パターンの総合的な研究が必要である。
プロセスベースのモデルは、部分的なプロセス知識や過剰に単純化された特徴表現によって制限される一方、機械学習モデルは、特にDOデータ収集の頻度の低い性質の下で、異なるレイクタイプやタスクに対する関連する機能インタラクションを効率的に選択する上で、課題に直面します。
本稿では,自然指導型認知進化(NGCE)戦略を提案する。
具体的には、メタボリックプロセスに基づくモデルを用いて、シミュレーションされたDOラベルを生成する。
これらのシミュレートされたラベルを用いて、モデル、天然生物のミラー化、適応的に進化し、異なるタイプの湖沼やタスクのために、個体群内の関連する特徴的相互作用を選択する、多集団の認知的進化的探索を行う。
これらのモデルは、内部集団内での交叉と突然変異のメカニズムを遂行するだけでなく、しばしば集団間交叉に関与する。
第2段階では、実際に観測されたラベルでこれらのモデルをトレーニングすることで、これらのモデルを精錬する。
我々は,米国中西部の湖沼において,毎日のDO濃度を予測するためのNGCE戦略の有効性を検証した。
これらの湖は大きさ、深さ、栄養状態が異なり、北温帯湖の広い範囲を表している。
以上の結果から,NGCEは観測されたラベルの少ない正確な予測を行うだけでなく,モデルの遺伝子マップを通じて,湖沼の洗練された表現学的パターンを明らかにすることが示唆された。
関連論文リスト
- Predicting Species Occurrence Patterns from Partial Observations [21.009271008147785]
本稿では,(a)衛星画像を用いた種発生パターンの予測と,(b)他の種の発生に関する既知の情報を紹介する。
この課題に対して,衛星画像,環境データ,蝶の観察データのデータセットであるSatButterflyを導入する。
そこで本研究では,見つからない部分的な観測データの利用を可能にする種発生パターンを予測するための一般モデルR-Tranを提案する。
論文 参考訳(メタデータ) (2024-03-26T18:29:39Z) - Unveiling the Unseen: Identifiable Clusters in Trained Depthwise
Convolutional Kernels [56.69755544814834]
深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。
本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
論文 参考訳(メタデータ) (2024-01-25T19:05:53Z) - Latent Diffusion Model for Conditional Reservoir Facies Generation [0.8388591755871735]
マルチポイント統計は柔軟性を提供するが、独自の課題がある。
コンピュータビジョン領域の最近の進歩は、GANよりも拡散モデルの優位性を示している。
貯水池環境の条件付き生成に特化して設計された新しい潜水拡散モデルが提案されている。
論文 参考訳(メタデータ) (2023-11-03T15:10:05Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - Discovering Novel Biological Traits From Images Using Phylogeny-Guided
Neural Networks [10.372001949268636]
本稿では,特徴ラベルに依存しない画像から進化的特徴を直接発見するための新しい手法を提案する。
提案手法であるPhylo-NNは、生物の画像を量子化された特徴ベクトルの列にエンコードする。
本研究は,多くの下流タスクにおいて生物学的に有意義な結果を生み出すためのアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2023-06-05T20:22:05Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - Learning Anisotropic Interaction Rules from Individual Trajectories in a
Heterogeneous Cellular Population [0.0]
細胞群集の運動をモデル化するための第2次IPSのためのWSINDyを開発する。
本手法は,異種細胞集団の動態を規定する相互作用規則を学習する。
本研究では, 一般的な細胞移動実験を動機とした, いくつかのテストシナリオにおいて, 提案手法の有効性と性能を実証する。
論文 参考訳(メタデータ) (2022-04-29T15:00:21Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳(メタデータ) (2022-03-31T20:15:22Z) - Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。
2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。
提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文 参考訳(メタデータ) (2021-12-23T12:17:47Z) - View-Invariant Gait Recognition with Attentive Recurrent Learning of
Partial Representations [27.33579145744285]
本稿では,まず,フレームレベルの畳み込み特徴から歩行畳み込みエネルギーマップ(GCEM)を抽出するネットワークを提案する。
次に、GCEMの分割されたビンから学ぶために双方向ニューラルネットワークを採用し、学習された部分的リカレント表現の関係を利用する。
提案手法は2つの大規模CASIA-BとOU-Mの歩行データセットで広範囲に検証されている。
論文 参考訳(メタデータ) (2020-10-18T20:20:43Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
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。