人工智慧可識別和分類野生動物的行為

集微網消息，在Arxiv.org上發表的一篇新論文《識別野生動物群體行為的框架》中，伊利諾伊大學(University of Illinois)、義大利米蘭理工大學(Politecnico di Milano)和加州大學戴維斯分校(University of California, Davis)的科學家們提出了一個識別野生動物群體行為的統計框架。

他們表示，在初步實驗中，與基線方法相比，該方法顯示出更好的分類準確度。

「理解動物行為對於回答動物(包括人類)為什麼會這樣做這個基本問題至關重要，」合著者寫道。「最近，生物學家開始使用可穿戴技術，如GPS、加速度計和無線電感測器來跟蹤動物及其活動。然而，收集到的原始數據不是人類可解釋的，需要進行處理來提取行為模式。活動識別模型可以用來學習原始時間序列與通過觀察或其他方式收集到的行為注釋之間的關係。」

正如研究人員所解釋的，時間序列分類——對連續時間獲得的量值進行分類，這些量值之間的間隔通常相等，最常用時間序列分析或機器學習來處理。前者基於對原始信號的顯式描述，而後者自動根據輸入數據推斷特性。

研究人員的方法採用了兩步序列分析過程:首先，他們為給定語料庫選擇「最佳」全局時間解析(相對於時間的測量解析)，然後通過提取與分類相關的拓撲和關係部分編碼動物群體之間的社會關係。

在實驗中，研究小組收集了一組狒狒群體活動的公開數據，其中26隻狒狒被跟蹤了35天。他們根據距離定義了狒狒的社交網路，這樣，狒狒在彼此相距兩米以內的時候就被認為是相互影響的。研究人員報告說，他們的方法比以前的方法提高了大約10%的準確率，添加社交信息比最初的結果提高了7%。

「我們對真實世界數據集的評估表明，提出的該框架能更好地識別野生動物群體的複雜行為動態，」合著者寫道，他們計劃在未來的工作中包括其他數據集。「我們目前正致力於將時間解析步驟擴展到一種更動態的方法，允許不同的時間解析，這將更好地識別每個不同行為的關鍵部分。」（校對/Jurnan）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！