StatEcoNet：用于物种分布建模的统计生态神经网络
机器学习
2021-02-19 v2 种群与进化
机器学习
摘要
本文关注计算可持续性与统计生态学中的一项核心任务：物种分布建模（SDM）。在 SDM 中，物种在景观上的出现模式由基于一组地点观测得到的环境特征预测。起初，SDM 可能看似一个二分类问题，人们可能倾向于使用经典工具（如逻辑回归、支持向量机、神经网络）来解决它。然而，野生动物调查在物种观测中引入了结构化噪声（尤其是低估）。若不加考虑，这些观测误差会系统性地偏倚 SDM。为应对 SDM 的独特挑战，本文提出一个名为 StatEcoNet 的框架。具体而言，本工作采用统计生态学中的图生成模型作为所提计算框架的骨架，并在该框架下精心整合神经网络。StatEcoNet 相对于相关方法的优势在模拟数据集以及鸟类物种数据上得到展示。由于 SDM 是生态科学和自然资源管理的关键工具，StatEcoNet 可能为具有显著社会影响的广泛应用（例如受威胁物种的研究与保护）提供增强的计算与分析能力。
引用
@article{arxiv.2102.08534,
title = {StatEcoNet: Statistical Ecology Neural Networks for Species Distribution Modeling},
author = {Eugene Seo and Rebecca A. Hutchinson and Xiao Fu and Chelsea Li and Tyler A. Hallman and John Kilbride and W. Douglas Robinson},
journal= {arXiv preprint arXiv:2102.08534},
year = {2021}
}
备注
To appear in the Proceeding of the 35th AAAI Conference on Artificial Intelligence (AAAI-21); Added supplemental material