基于深度学习预测鱼对的长期群体行为
机器学习
2024-03-19 v2
摘要
现代计算增强了我们对社会互动如何塑造动物社会群体行为的理解。尽管解析模型在群体行为研究中占主导地位，本研究引入了一种深度学习模型来评估红鼻灯鱼（Hemigrammus rhodostomus）物种的社会互动。我们将深度学习方法的结果与实验以及最先进解析模型的结果进行比较。为此，我们提出了一种系统方法论，利用一组严格的个体与群体时空观测变量来评估群体运动模型的保真度。我们证明，社会互动的机器学习模型在再现精细实验观测变量方面可直接与解析模型相竞争。此外，本工作强调了跨不同时间尺度一致验证的必要性，并确定了使我们的深度学习方法能够捕捉短期与长期动态的关键设计方面。我们还表明，我们的方法可在无需任何重新训练的情况下扩展到更大群体，以及扩展到其他鱼类物种，同时保持相同的深度学习网络架构。最后，我们讨论了机器学习在动物群体运动研究中的附加价值及其作为解析模型补充方法的潜力。
引用
@article{arxiv.2302.06839,
title = {Predicting the long-term collective behaviour of fish pairs with deep learning},
author = {Vaios Papaspyros and Ramón Escobedo and Alexandre Alahi and Guy Theraulaz and Clément Sire and Francesco Mondada},
journal= {arXiv preprint arXiv:2302.06839},
year = {2024}
}