深度多物种嵌入
机器学习
2017-02-22 v4 种群与进化
机器学习
摘要
理解物种如何随时间在景观中分布是生物多样性研究中的一个基本问题。遗憾的是，尽管有强有力的生态学证据表明物种并非独立分布，大多数物种分布模型一次仅针对单一物种。我们提出深度多物种嵌入（DMSE），该方法通过深度神经网络将对应于多个物种的向量以及表示环境协变量的向量联合嵌入到一个共同的高维特征空间中。应用于来自公民科学项目 eBird 的鸟类观测数据，我们展示了 DMSE 模型如何发现物种间关系，从而优于单物种分布模型（随机森林和 SVM）以及竞争性的多标签模型。此外，我们展示了使用深度神经网络在嵌入中提取特征的优势，并说明它们如何提高物种分布建模的预测性能。DMSE 模型的一个重要领域贡献是能够在同时学习物种间共享栖息地偏好的过程中，发现并描述物种间的相互作用。作为另一项贡献，我们提供了美国东北部数百种鸟类的图形化嵌入。
引用
@article{arxiv.1609.09353,
title = {Deep Multi-Species Embedding},
author = {Di Chen and Yexiang Xue and Shuo Chen and Daniel Fink and Carla Gomes},
journal= {arXiv preprint arXiv:1609.09353},
year = {2017}
}
备注
13 pages