基于 Volterra 增强非线性动态导纳 (VANYA) 的森林砍伐建模：以亚马逊雨林为例
机器学习
2025-01-16 v2
摘要
随着近期技术进步，智能自动化在对抗气旋、干旱和地震事件中为我们提供支持。算法学习已推进了神经科学、遗传学和人机交互等领域的发展。时间序列数据加速了进展。在传统领域采用这些方法仍存在挑战。神经网络面临可理解性与偏差问题。AI 在科学各领域的扩展得益于自适应描述符与组合论证。本文聚焦于使用 VANYA 模型并结合捕食者-猎物动态来建模森林损失。VANYA 预测森林覆盖，并在亚马逊雨林数据上针对 Long Short-Term Memory、N-BEATS、RCN 等其他预测器进行了演示。
引用
@article{arxiv.2308.06471,
title = {Volterra Accentuated Non-Linear Dynamical Admittance (VANYA) to model Deforestation: An Exemplification from the Amazon Rainforest},
author = {Karthik R. and Ramamoorthy A},
journal= {arXiv preprint arXiv:2308.06471},
year = {2025}
}
备注
The experimental data used in this article has given wrong practical interpretation. The data has to be updated to improve this