論文の概要: Weak Form Learning for Mean-Field Partial Differential Equations: an Application to Insect Movement

• arxiv url: http://arxiv.org/abs/2510.07786v1
• Date: Thu, 09 Oct 2025 05:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.87201
• Title: Weak Form Learning for Mean-Field Partial Differential Equations: an Application to Insect Movement
• Title（参考訳）: 平均場部分微分方程式の弱形式学習 : 昆虫運動への応用
• Authors: Seth Minor, Bret D. Elderd, Benjamin Van Allen, David M. Bortz, Vanja Dukic,
• Abstract要約: 感染、捕食、異方性環境条件を受ける昆虫種は、優先的な移動パターンを示す可能性がある。 基礎となるFokker-Planck方程式を学習するために設計されたデータ駆動モデリングアプローチは、そのような振る舞いを理解し予測するための理想的なツールである。
• 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: Insect species subject to infection, predation, and anisotropic environmental conditions may exhibit preferential movement patterns. Given the innate stochasticity of exogenous factors driving these patterns over short timescales, individual insect trajectories typically obey overdamped stochastic dynamics. In practice, data-driven modeling approaches designed to learn the underlying Fokker-Planck equations from observed insect distributions serve as ideal tools for understanding and predicting such behavior. Understanding dispersal dynamics of crop and silvicultural pests can lead to a better forecasting of outbreak intensity and location, which can result in better pest management. In this work, we extend weak-form equation learning techniques, coupled with kernel density estimation, to learn effective models for lepidopteran larval population movement from highly sparse experimental data. Galerkin methods such as the Weak form Sparse Identification of Nonlinear Dynamics (WSINDy) algorithm have recently proven useful for learning governing equations in several scientific contexts. We demonstrate the utility of the method on a sparse dataset of position measurements of fall armyworms (Spodoptera frugiperda) obtained in simulated agricultural conditions with varied plant resources and infection status.
• Abstract（参考訳）: 感染、捕食、異方性環境条件を受ける昆虫種は、優先的な移動パターンを示す可能性がある。 短い時間スケールでこれらのパターンを駆動する外因性因子の自然確率性を考えると、個々の昆虫軌道は通常、過度に破壊された確率力学に従う。 実際に、観察された昆虫分布から基礎となるフォッカー・プランク方程式を学習するために設計されたデータ駆動モデリングアプローチは、そのような振る舞いを理解し予測するための理想的なツールである。 作物や栽培害虫の分散動態を理解することは、発生の強度と位置をより良く予測し、より良い害虫管理をもたらす可能性がある。 本研究では、カーネル密度推定と合わせて弱形方程式学習手法を拡張し、高度にスパースな実験データからレピドプテラン幼生集団移動の効果的なモデルを学ぶ。 弱形式 Sparse Identification of nonlinear Dynamics (WSINDy) アルゴリズムのようなガレルキン法は、近年、いくつかの科学的文脈における支配方程式の学習に有用であることが証明されている。 本手法は, 各種植物資源と感染状況の異なる農耕条件下で得られた寄生虫(Spodoptera frugiperda)の位置測定のスパースデータセット上での有用性を実証する。

関連論文リスト

• Calibrating Biophysical Models for Grape Phenology Prediction via Multi-Task Learning [5.796482272333648]
  本稿では,マルチタスク学習と繰り返しニューラルネットワークを組み合わせたハイブリッドモデリング手法を提案する。 生物物理モデルのパラメータを予測するためにマルチタスク学習を用いることで,生物構造を保ちながら品種間の共有学習を可能にする。
  論文  参考訳（メタデータ） (2025-08-05T20:36:11Z)
• Excretion Detection in Pigsties Using Convolutional and Transformerbased Deep Neural Networks [0.0]
  水たまりや糞のような動物の排ガスは家畜の農業において重要な排出源である。 水たまり領域を決定するための従来の研究手法では、納屋内の水たまりを手動で検出する必要がある。 本研究は,豚の排ガス検出における各種深層学習モデルの適合性について検討した最初のものである。
  論文  参考訳（メタデータ） (2024-11-29T21:00:08Z)
• Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning [0.0]
  本研究は,多エージェント強化学習(MARL)と深度Q-networks(DQN)を用いて,単一種と捕食者-捕食者の相互作用をシミュレートする。 我々のシミュレーションでは、進化的分散戦略を明らかにし、種分散機構の洞察を与え、伝統的な数学的モデルを検証する。
  論文  参考訳（メタデータ） (2024-10-24T10:21:23Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Hybrid Machine Learning techniques in the management of harmful algal blooms impact [0.7864304771129751]
  軟体動物栽培はハーモフル藻類(HAB)の影響を受けうる HABは高濃度の藻のエピソードであり、人間の消費に有害である可能性がある。 人的消費のリスクを避けるため、毒性が検出されると収穫が禁止される。
  論文  参考訳（メタデータ） (2024-02-14T15:59:22Z)
• Exploring Model Dynamics for Accumulative Poisoning Discovery [62.08553134316483]
  そこで我々は,モデルレベルの情報を通して,防衛を探索するための新しい情報尺度,すなわち,記憶の離散性(Memorization Discrepancy)を提案する。 暗黙的にデータ操作の変更をモデル出力に転送することで、メモリ識別は許容できない毒のサンプルを発見することができる。 我々は、その性質を徹底的に探求し、累積中毒に対する防御のために、離散型サンプル補正(DSC)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T14:45:24Z)
• Diffusion Theory as a Scalpel: Detecting and Purifying Poisonous Dimensions in Pre-trained Language Models Caused by Backdoor or Bias [64.81358555107788]
  事前訓練された言語モデル(PLM)は、微調整プロセス中に疑わしい攻撃者が注入したバックドアやバイアスによって有毒である可能性がある。 本研究では, 拡散理論を応用し, 微調整の動的過程を解明し, 潜在的有毒な次元を見つけるための微細浄化法を提案する。 我々の知識を最大限に活用するために、我々は安全・防衛目的の拡散理論によって導かれる力学を初めて研究する。
  論文  参考訳（メタデータ） (2023-05-08T08:40:30Z)
• On the Robustness of Random Forest Against Untargeted Data Poisoning: An Ensemble-Based Approach [42.81632484264218]
  機械学習モデルでは、トレーニングセット(中毒)の分画の摂動が、モデルの精度を著しく損なう可能性がある。 本研究の目的は、ランダムな森林を標的のない無作為な毒殺攻撃から保護する、新しいハッシュベースのアンサンブルアプローチを実現することである。
  論文  参考訳（メタデータ） (2022-09-28T11:41:38Z)
• Dynamic $\beta$-VAEs for quantifying biodiversity by clustering optically recorded insect signals [0.6091702876917281]
  本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。 南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
  論文  参考訳（メタデータ） (2021-02-10T16:14:13Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)

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。