
 
 
 
 
 Autori : (1) Asaduz Zaman, oddelenie dátovej vedy a umelej inteligencie, Fakulta informačných technológií, Monash University, Austrália (asaduzzaman@monash.edu); (2) Vanessa Kellermann, Katedra životného prostredia a genetiky, Škola poľnohospodárstva, biomedicíny a životného prostredia, Univerzita La Trobe, Austrália (v.kellermann@latrobe.edu.au); (3) Alan Dorin, riaditeľ Data Science a umelej inteligencie, Fakulta informačných technológií, Monash University, Austrália (alan.dorin@monash.edu). Authors: (1) Asaduz Zaman, oddelenie dátovej vedy a umelej inteligencie, Fakulta informačných technológií, Monash University, Austrália (asaduzzaman@monash.edu); (2) Vanessa Kellermann, Katedra životného prostredia a genetiky, Škola poľnohospodárstva, biomedicíny a životného prostredia, Univerzita La Trobe, Austrália (v.kellermann@latrobe.edu.au); (3) Alan Dorin, riaditeľ Data Science a umelej inteligencie, Fakulta informačných technológií, Monash University, Austrália (alan.dorin@monash.edu). Stôl vľavo Abstrakt a 1. úvod 
 
 
 
 
 Súvisiace práce metóda Výsledky a diskusia Záver a referencie abstraktné Táto štúdia predstavuje neefektívnu spätnú identifikáciu údajov o zvieratách, novú koncepciu a dlhú praktickú techniku na identifikáciu minulých výskytov organizmov v archivovaných údajoch, ktorá dopĺňa tradičné metódy chronologickej spätnej identifikácie v pozdĺžnom správaní výskumu. Identifikácia kľúčového jednotlivca medzi viacerými subjektmi sa môže vyskytnúť neskôr v experimente, ak sa odhalí prostredníctvom zaujímavého správania zvierat po období nediferencovaného správania. Často sa v pozdĺžnych štúdiách vyskytuje aj únava predmetov počas experimentov. Úsilie investované do vzdelávacích softvérových modelov na rozpoznanie a sledovanie takýchto jednotlivcov je stratené, ak nedokončia experiment. V ideálnom prípade 1. úvod V pozdĺžnych behaviorálnych štúdiách je sledovanie jednotlivých subjektov v priebehu času, ich identifikácia, keď sa prvýkrát objavia, a opäť, keď sa znovu objavia v následných pozorovaniach, rozhodujúce pre pochopenie správania [2]. Re-identifikácia (re-id) malých, vizuálne podobných zvierat, ako sú medové včely, môže byť podporovaná fyzickými markermi alebo značkami [2, 4, 14, 15]. Avšak tieto môžu zmeniť správanie subjektov [7]. Bez značkovania re-id potenciálne umožňuje výskumníkom posúdiť prirodzené správanie študovaných subjektov [16]. To je však ťažké pre vysoko podobných jedincov, ako sú hmyz, a vyžaduje si školenie algoritmov, často na ručne označených obrázkoch [21]. V experimentoch s h morfologické zmeny cez opotrebenie môže zmeniť úsilie re-identifikovať jednotlivca. Ak je predmet stratený alebo vizuálne zmenený počas experimentu, zdroje investované do vzdelávacieho softvéru klasifikácie obrázkov na rozpoznanie bude potenciálne plytvať. Táto neefektívnosť je zhoršená potrebou vykonávať experimenty na viacerých predmetoch v očakávaní, že len málo prežije do konca, a z tých, ešte menej bude vykazovať konkrétne správanie záujmu, ako je učenie sa úlohy, riešenie hádanky alebo zhromažďovanie konkrétneho zdroja [8]. Preto je neskorá identifikácia kľúčových predmetov z počiatočnej väčšej počiatočnej súpravy je bežné v pozdĺžnej behaviorálne štúdie hmyzu. Ako môžu vý - identifikácia (retro-id) na riešenie tohto problému. retro Namiesto toho, aby sme nasledovali konvenciu školiacich modelov na počiatočných (dňových) údajoch a snažili sa sledovať jednotlivcov chronologicky počas experimentu, navrhujeme, že niekedy môže byť užitočnejšie urobiť opak. To znamená, že niekedy by sme mali trénovať naše algoritmy na neskorých štádiách experimentálnych obrazových údajov len kľúčových (prežívajúcich alebo inak zaujímavých) jednotlivcov. A potom by sme mali sledovať tieto kľúčové jednotlivce retrospektívne prostredníctvom archivovaných obrazových údajov, aby sme preskúmali ich správanie počas experimentu. Predpokladáme, že model vycvičený na údaje o obrázkoch hmyzu od prvého dňa a testovaný na jeho schopnosť opätovne identifikovať hmyz až do dňa N, by vykazoval rovnaký výkon ako model vycvičený na dáta dňa N a testovaný na retro-id hmyz späť do prvého dňa. Testovali sme to monitorovaním 15 jednotlivých včiel v priebehu 5 dní. Tieto polosociálne opeľovače majú vysokú fenotypickú podobnosť (obrázok 1) a sú prirodzene nájdené blízko k sebe, dokonca aj zdieľanie hniezd, čo robí re-id ekologicky cenným, ale náročným. Vycvičili sme niekoľko modelov klasifikácie obrázkov založených na prenose pomocou údajov z dní 1 a 5, vyhodnocovanie ich presnosti 
 
 Tento dokument je k dispozícii na archive pod licenciou CC BY 4.0 DEED. Tento dokument je k dispozícii na archive pod licenciou CC BY 4.0 DEED. Dostupné v archíve

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

undefined's blog

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Prečo je retro-identifikácia kľúčom k efektívnemu výskumu správania zvierat

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Behavior of a shapely Spider

Mutmut: a Python mutation testing system

112 Stories To Learn About Hackernoon Community

16 Best Sklearn Datasets for Building Machine Learning Models

Behavior of a shapely Spider

Mutmut: a Python mutation testing system

112 Stories To Learn About Hackernoon Community

16 Best Sklearn Datasets for Building Machine Learning Models

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps