Priljubljene Objave

Izbira Urednika - 2019

Umetne nevronske mreže lahko spodbudijo krepitev zbirk naravne zgodovine

Anonim

Milijoni, če ne milijarde, osebkov živi v svetovnih zbirkah naravne zgodovine, vendar večina teh ni bila natančno preučena ali celo preučena v desetletjih. Medtem ko vsebujejo kritične podatke za številna znanstvena prizadevanja, večina predmetov tiho sedi v svojih lastnih kabinah radovednosti.

oglas


Tako je množična digitalizacija zbirk naravne zgodovine postala glavni cilj v muzejih po vsem svetu. Takšne pobude so združile številne biologe, kustose, prostovoljce in znanstvenike državljanov, ki so že ustvarile velike zbirke podatkov iz teh zbirk in zagotovile brez primere vpogled.

Zdaj študija, ki je bila nedavno objavljena v podatkovnem dnevniku o biološki raznovrstnosti za dostop do interneta, nakazuje, da bi najnovejši napredek pri digitalizaciji in strojnem učenju skupaj lahko pomagal kustosom muzejev pri njihovih prizadevanjih, da bi skrbeli in se naučili iz tega neverjetnega globalnega vira.

Ekipa raziskovalcev iz Smithsonian oddelka za botaniko, podatkovnega laboratorija in programa za digitalizacijo je pred kratkim sodelovala z NVIDIA za izvedbo pilotnega projekta z uporabo pristopov globokega učenja za kopanje v digitalizirane vzorce herbarija.

Njihova študija je med prvimi, ki opisujejo uporabo globokih učnih metod za izboljšanje našega razumevanja digitaliziranih vzorcev zbiranja. Prav tako je prvi, ki dokazuje, da lahko globoko konvergentna nevronska mreža - računalniški sistem, modeliran po aktivnostih nevronov v živalskih možganih, ki se lahko sami naučijo samostojno - lahko učinkovito razlikuje med podobnimi rastlinami z neverjetno natančnostjo skoraj 100%.

V prispevku znanstveniki opisujejo dve različni nevronski mreži, ki so jih usposobili za opravljanje nalog na digitaliziranem delu (trenutno 1, 2 milijona primerkov) ameriškega nacionalnega herbariumja.

Ekipa je prvič usposobila mrežo za samodejno prepoznavanje listov herbarija, ki so bili obarvani s kristali v obliki živega srebra, saj so nekateri zgodnji zbiralci običajno uporabljali živo srebro za zaščito rastlinskih kolekcij pred poškodbami insektov. Druga mreža je bila usposobljena za diskriminacijo med družinami rastlin, ki imajo izrazito podoben površinski videz.

Izobražene nevronske mreže so bile izvedene s 90% oziroma 96% natančnostjo (oziroma 94% in 99%, če so bili najbolj zahtevni vzorci zavrženi), kar potrjuje, da je globoko učenje koristna in pomembna tehnologija za prihodnjo analizo digitaliziranih muzejskih zbirk.

"Rezultate lahko vzamemo tako, da izboljšamo cure in odkrivamo nove poti raziskovanja, " zaključijo znanstveniki.

"Ta raziskava je čudovit dokaz koncepta. Zdaj vemo, da lahko strojno učenje uporabimo za digitalizirane vzorce naravne zgodovine za reševanje kuratorskih in identifikacijskih problemov. Prihodnost bo uporabljala ta orodja v kombinaciji z velikimi skupnimi nizi podatkov, da bi testirali temeljne hipoteze o razvoj in distribucijo rastlin in živali ", pravi Dr. Laurence J. Dorr, katedra Smithsonian Department of Botany in soavtorica študije.

oglas



Story Source:

Materiali, ki jih ponujajo Pensoft Publishers . Prvotna zgodba je licencirana pod licenco Creative Commons. Opomba: Vsebino lahko uredite za slog in dolžino.


Referenčni opis revije :

  1. Eric Schuettpelz, Paul Frandsen, Rebecca Dikow, Abel Brown, Sylvia Orli, Melinda Peters, Adam Metallo, Vicki Funk, Laurence Dorr. Uporaba globokih zlonamernih nevronskih mrež v digitalizirane zbirke naravne zgodovine . Podatkovni list o biološki raznovrstnosti, 2017; 5: e21139 DOI: 10.3897 / BDJ.5.e21139