論文の概要: A Deep Zero-Inflated Model of North Atlantic Right Whale Presence To Support Blue Economy Management in the U.S. East Coast
- arxiv url: http://arxiv.org/abs/2606.14403v1
- Date: Fri, 12 Jun 2026 12:40:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.898527
- Title: A Deep Zero-Inflated Model of North Atlantic Right Whale Presence To Support Blue Economy Management in the U.S. East Coast
- Title（参考訳）: 米国東海岸におけるブルーエコノミーマネジメントを支援する北大西洋右クジラの深部ゼロ膨張モデル
- Authors: Jiaxiang Ji, Laura Nazzaro, Josh Kohut, Ahmed Aziz Ezzat,
- Abstract要約: 本稿では,Deep Zero-Inflated Bernoulli (DeepZIB)モデルを提案する。
DeepZIBの重要な利点は、高解像度、空間的、時間的に異なる存在マップを生成する能力である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Effective modeling of endangered marine mammal species, such as the North Atlantic Right Whale, is critical for balancing marine conservation with the growing blue economy. Passive acoustic monitoring data collected by autonomous underwater vehicles provide new opportunities for localized marine species detection and oceanographic sensing, but introduce complex statistical challenges such as zero inflation, imperfect detection, and intricate dependence structures. In response, we propose the Deep Zero-Inflated Bernoulli (DeepZIB) model--a deep statistical method which jointly models latent species presence and conditional detection probabilities while learning complex habitat relationships from heterogeneous covariate information. We establish theoretical results on the model's structural properties and conduct simulation experiments to demonstrate its ability to recover underlying parameters and latent presence fields. Application to real-world passive acoustic monitoring data on the North Atlantic Right Whale along the U.S. East Coast demonstrates improved model adequacy and predictive performance in capturing the species' dynamic and spatially varying habitat. A key advantage of DeepZIB is its ability to generate high-resolution, spatially and temporally varying presence maps, providing valuable insights for targeted and risk-aware management of blue economy industries, ranging from offshore and marine energy, to fisheries management and maritime transport.
- Abstract（参考訳）: 北大西洋右クジラのような絶滅危惧種の効果的なモデリングは、海洋保全とブルーエコノミーのバランスをとる上で重要である。
自律型水中車両によって収集されたパッシブ音響モニタリングデータは、局所海洋種検出と海洋センシングの新しい機会を提供するが、ゼロインフレーション、不完全な検出、複雑な依存構造のような複雑な統計的課題を導入する。
本研究では,不均一な共変量情報から複雑な生息環境関係を学習しながら,潜伏種の存在と条件検出確率を共同でモデル化したDeep Zero-Inflated Bernoulli(DeepZIB)モデルを提案する。
モデルの構造特性に関する理論的結果を確立し,基礎となるパラメータと潜伏する存在場を復元する能力を示すシミュレーション実験を行った。
米国東海岸沿いの北大西洋右クジラの実際の受動的音響モニタリングデータへの適用は、種の動的かつ空間的に変化する生息地を捉える際のモデル精度と予測性能の改善を実証している。
DeepZIBの重要な利点は、高解像度で空間的かつ時間的に変化する存在マップを生成する能力であり、海洋エネルギーから漁業管理、海洋輸送まで、青経済産業の標的かつリスクに配慮した管理のための貴重な洞察を提供する。
関連論文リスト
- OceanPile: A Large-Scale Multimodal Ocean Corpus for Foundation Models [57.19693589926157]
OceanPileは、海洋基盤モデル用に設計された大規模マルチモーダルコーパスである。
OceanCorpus、OceanInstruction、OceanBenchmarkの3つの重要なコンポーネントで構成されている。
すべてのデータセットは、海洋人工知能の分野を前進させるために公開されている。
論文 参考訳（メタデータ） (2026-04-25T14:53:37Z) - IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。
9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
論文 参考訳（メタデータ） (2025-11-21T16:48:49Z) - Leveraging an Atmospheric Foundational Model for Subregional Sea Surface Temperature Forecasting [0.0]
深層学習モデルを用いて,カナリア大水系における海水温度(SST)の予測を行う。
このモデルを高分解能海洋分析データを用いて微調整することにより、複雑なパターンを捉える能力を実証する。
このモデルは大規模なSST構造を再現することに成功したが、沿岸部でより細部を捉えることの難しさに直面している。
論文 参考訳（メタデータ） (2025-10-29T14:30:12Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - DEEP-SEA: Deep-Learning Enhancement for Environmental Perception in Submerged Aquatics [5.543187582839764]
継続的で信頼性の高い水中モニタリングは、海洋生物多様性の評価、生態学的変化の検出、自律探査に不可欠である。
水中環境は、光散乱、吸収、濁度により、画像の明瞭度を低下させ、色情報を歪ませることによる重要な課題を呈している。
空間構造を保存しながら低周波情報と高周波情報を両立させる深層学習に基づく水中画像復元モデルDEEP-SEAを提案する。
論文 参考訳（メタデータ） (2025-08-18T11:07:26Z) - Data-driven global ocean model resolving ocean-atmosphere coupling dynamics [8.075184647214861]
本研究では, 深層学習(DL)に基づくグローバル3次元海洋循環モデルであるKIST-Oceanについて述べる。
部分的畳み込み、敵の訓練、移動学習を統合し、沿岸の複雑さと予測分布の漂流に対処する。
熱帯太平洋におけるケルビン波やロスビー波の伝播や、シクロニック風や非シクロニック風による垂直運動など、現実的な海洋反応を正確に捉えている。
論文 参考訳（メタデータ） (2025-07-31T01:45:15Z) - Tracking capelin spawning migration -- Integrating environmental data
and Individual-based modeling [0.0]
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。
論文 参考訳（メタデータ） (2023-11-01T10:30:06Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳（メタデータ） (2023-02-20T16:08:54Z) - 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)
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。