基于复现度量分析的空间生物多样性模型中的移动性研究
计算机视觉与模式识别
2025-12-09 v3 人工智能
机器学习
摘要
复现图和其相关量数提供了一种稳健的框架,用于检测和描述非线性时序中的复杂模式。本文采用复现度量分析来探讨循环、非层级 May-Leonard 模型(也称为石头-剪刀-布系统)的动力学,该模型描述了三种物种之间的竞争互动。在这些系统中,物种的移动性 是一个关键控制参数,它支配个体的空间位移,从而深刻影响所得动力学。通过系统性地变化 并构建适当的复现图,我们探讨了复现量数如何反映与不同生态状态相关的 distinct 动力学特征。随后,我们引入一种基于 ensemble 方法,利用来自众多独立实验的复现量数的统计分布,允许我们识别作为典型系统行为显著偏离的动力学异常值。通过详细的数值分析,我们证明这些异常值对应于特定移动性值相关的发散生态状态,从而为从观测数据推断移动性参数提供了鲁棒的方法。我们的结果表明,复现基方法作为分析空间生态系统并从非线性动力学模式中提取生态相关信息的诊断工具具有巨大的潜力。
引用
@article{arxiv.2507.18594,
title = {DRWKV: Focusing on Object Edges for Low-Light Image Enhancement},
author = {Xuecheng Bai and Yuxiang Wang and Boyu Hu and Qinyuan Jie and Chuanzhi Xu and Kechen Li and Hongru Xiao and Vera Chung},
journal= {arXiv preprint arXiv:2507.18594},
year = {2025}
}
备注
Accepted to WACV 2026