深層学習によるアルファ,ベータ,およびガンマ多様性の推定【JST・京大機械翻訳】

Andermann, T.; Antonelli, A.; Barrett, R.; Silvestro, D.

プレプリント

J-GLOBAL ID：202202206870543710 整理番号：22P0032384

深層学習によるアルファ,ベータ,およびガンマ多様性の推定【JST・京大機械翻訳】

Estimating alpha, beta, and gamma diversity through deep learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

種の豊富さの信頼できるマッピングは,他の価値の考慮と共に,高い保存優先度の領域の同定のための重要なステップである。これは,個々の種の重複範囲マップによって一般的に行われ,それは,発生データの密なアベイラビリティを必要とし,環境ニッチモデルによって適切な非サンプル領域における種の存在に関する仮定に依存する。ここでは,種の豊富さを直接推定し,個々の種範囲を推定するステップをスキッピングする深層学習アプローチを示した。在庫プロットからの種リストに基づくニューラルネットワークモデルを訓練し,教師つき機械学習のためのグランドトルースを提供した。モデルは,オンラインデータベースからの利用可能な種記録の計数と同様に,気候および地理的予測子を含む空間関連変数に基づく種豊富度の予測を学習する。高度に対照的な多様性パターンを持つ大陸であるオーストラリアに対する高い空間分解能で,アルファ,ベータおよびガンマ植物多様性の独立に検証可能な地図を作成することにより,著者らのアプローチの経験的有用性を評価した。深層学習フレームワークは生物多様性パターンを推定するための強力で柔軟な新しいアプローチを提供する。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る