深度学习模型在生物多样性领域的方法可重复性评估
信息检索
2024-07-11 v1
摘要
人工智能 (AI) 正通过启用高级数据分析、物种识别和栖息地监测， revolutionizing 生物多样性研究，从而增强保育 efforts。确保 AI-driven 生物多样性研究的可重复性对于 fostering 透明度、验证结果和促进生态学发现的可信度至关重要。本研究调查了深度学习 (DL) 方法在生物多样性领域的可重复性。我们设计了一种用于评估生物多样性相关出版物中 DL 技术可重复性的方法，分为三个阶段。我们定义了十个必需的变量，用于方法可重复性，分为四个类别：资源需求、方法信息、不可控随机性和统计考虑。这四个类别随后作为定义不同可重复性水平的基础。我们手动从由生物多样性专家提供的关键词识别出的 61 篇出版物中提取这些变量的可用性。我们的研究显示， dataset 在 47% 的出版物中被共享；然而，许多出版物缺乏关于深度学习方法的全面信息，包括关于随机性的细节。
引用
@article{arxiv.2407.07550,
title = {Evaluating the method reproducibility of deep learning models in the biodiversity domain},
author = {Waqas Ahmed and Vamsi Krishna Kommineni and Birgitta König-Ries and Jitendra Gaikwad and Luiz Gadelha and Sheeba Samuel},
journal= {arXiv preprint arXiv:2407.07550},
year = {2024}
}