Localized Mutual Information Monitoring of Pairwise Associations in Animal Movement
卫星成像和全球定位系统跟踪装置的进步带来了遥感和地理空间分析的新时代。在环境科学和保护生态学中,生物遥测数据通常是高维的,空间和/或时间上的,并且本质上是功能性的,这意味着感兴趣的生物过程具有潜在的连续性。GPS对动物运动的跟踪通常表现为对动物位置的不规则时间记录,并且动物之间的运动关系容易发生突变。在本文中,我提出了一个本地化的互信息(LMI)的措施,以获得一个相关函数,用于监测动物运动轨迹之间的成对关联的变化。的LMI措施的属性进行评估分析和模拟在各种情况下。的LMI措施的优点和缺点进行了评估,并提出了一种替代措施的LMI来处理潜在的缺点。LMI的措施被证明是一个有效的工具,用于检测动物运动的相关性的变化,和季节性/阶段性的解释结构。
2022-01-06 q-bio.PE q-bio.QM stat.ME
Probabilistic models of individual and collective animal behavior
自动跟踪的最新发展允许不间断地、高分辨率地记录动物轨迹,有时还可以识别身体姿势或其他感兴趣的行为的定型变化。这些数据的分析和解释是一个挑战:动物行为的时间可能是随机的,并通过运动学变量,与环境或动物群体内的同种动物的相互作用,并依赖于个体的内部认知或行为状态进行调制。现有的集体运动模型通常未能纳入行为的离散性,随机性和内部状态依赖性方面,而专注于个体动物行为的模型通常忽略了问题的空间方面。在这里,我们提出了一个概率建模框架,以解决这一差距。每种动物都可以在不同的行为状态之间随机切换,每种状态都可能导致不同的空间运动规律。行为转变的转换率可以以一种非常普遍的方式依赖于环境的影响以及动物之间的相互作用,我们试图从数据中确定这一点。我们表示的开关动态作为一个广义线性模型,并表明:(i)前向模拟多个相互作用的动物是可能的,使用一个变种的Gillespie的随机模拟算法;(ii)制定适当的,开关率函数的最大似然推断是可追踪的梯度下降求解;(iii)模型选择可用于识别调节行为状态切换的因素,并根据数据适当地调整模型复杂性。为了说明我们的框架,我们将其应用到两个合成模型的动物运动和真正的斑马鱼跟踪数据。
2017-07-31 q-bio.PE q-bio.QM
Statistical modelling of individual animal movement: an overview of key methods and a discussion of practical challenges
随着从电子跟踪设备收集的复杂而详细的跟踪数据的涌入,动物运动数据的分析最近已经成为生物统计学家的家庭手工业。越来越复杂的新方法不断被添加到文献中。在本文中,我们回顾了我们认为是一些最流行的和最有用的类别的统计模型用于分析个体动物运动数据。具体来说,我们考虑离散时间隐马尔可夫模型,更一般的状态空间模型和扩散过程。我们认为,这些模型应该是工具箱中的核心组成部分,定量研究人员对个体动物运动的随机建模。最后,本文对动物运动的统计分析的方向提出了一些一般性的看法。运动生态学有一种趋势,可以说是过于复杂的建模方法,生态学家无法使用,庞大的数据集或不基于主流统计实践。此外,生态社区内开发的一些分析方法忽略了运动数据的基本属性,可能导致对动物运动的误导性结论。相应的方法,例如基于Lévy步行型模型的方法,尽管在很大程度上受到质疑,但仍然很受欢迎。我们认为,有必要在过于复杂或过于简单的极端之间取得适当的平衡,即该学科依赖于一般生态学家可用的中间复杂性模型,但以发达的统计实践为基础,并有效地适应大型数据集。
2017-01-30 q-bio.QM stat.AP
Animal daily mobility patterns analysis using resting event networks
描述动物的运动模式是至关重要的,以提高我们对他们的行为的理解,从而制定适当的保护策略。这种调查,这不能在实践中实施只有几年前,已通过最近的进展,使研究人员能够研究动物运动在一个前所未有的时空分辨率的跟踪方法,促进。然而,从时空轨迹中识别和提取模式仍然是一个与许多应用相关的普遍问题。在这里,我们依赖于休息事件网络的概念,以确定存在的日常流动模式的动物时空轨迹。我们说明了我们的方法,通过分析几种鱼类在一个大的水力调峰河流的时空轨迹。
2021-02-02 physics.soc-ph q-bio.QM
Tracking Feral Horses in Aerial Video Using Oriented Bounding Boxes
本文提出一种头部姿态估计方法,利用定向边界框提升空中视频中野马追踪的准确性与稳定性。
2026-03-04 cs.CV q-bio.QM
A note on the duality between interaction responses and mutual positions in flocking and schooling
背景资料:最近的动物行为研究有助于确定不同动物物种中的对齐、转向反应和速度变化如何介导群集和学校化相互作用。在这里,我们具体解决的问题,什么样的相互作用响应支持不同的最近邻配置的相互位置和距离。结果如下:我们发现,在不同的动物物种中观察到的不同的相互作用规则可能是一个简单的后果的相对位置,个人假设当他们一起移动,和噪声固有的动物的运动,或与跟踪不准确。结论:个体相对于其邻居的各向异性定位,结合噪声,可以解释在真实动物群体中观察到的运动反应的几个方面,并且应该在未来的群集和学校教育模型中明确考虑。通过区分参与维持一个首选的羊群配置的相互作用的反应,并针对改变它的相互作用的反应,我们提供了一个框架来区分运动的相互作用,从那些潜在的一致同意的群体运动的信号方向冲突。
2014-07-04 q-bio.QM
Markerless tracking of user-defined features with deep learning
Eberhard Karls Universität Tübingen(图宾根大学);Harvard University(哈佛大学);Columbia University(哥伦比亚大学);The Rowland Institute at Harvard, Harvard University(哈佛大学罗兰研究所);Max Planck Institute for Biological Cybernetics(马克斯·普朗克生物控制论研究所);Baylor College of Medicine(贝勒医学院)
量化行为对于神经科学中的许多应用至关重要。摄像提供了在不同环境中观察和记录动物行为的简单方法,但提取行为的特定方面进行进一步分析可能非常耗时。在运动控制研究中,人类或其他动物通常被标记有反射标记以辅助基于计算机的跟踪,然而标记是侵入性的(特别是对于较小的动物),并且标记的数量和位置必须先验地确定。在这里,我们提出了一种基于深度神经网络的迁移学习的高效无标记跟踪方法,该方法以最少的训练数据获得了优异的结果。我们展示了这个框架的多功能性,通过跟踪各种身体部位在广泛的实验设置:小鼠气味跟踪,产卵行为在果蝇,和鼠标的手关节在熟练的前肢任务。例如,在熟练的到达行为期间,可以自动跟踪各个关节(并且报告置信度分数)。值得注意的是,即使在标记了少量帧($\approx 200$)时,该算法在测试帧上也实现了与人类精度相当的出色跟踪性能。
2018-04-09 cs.CV q-bio.NC q-bio.QM
Scale dependence in hidden Markov models for animal movement
Dalhousie University(达尔豪斯大学);Centre for Environment, Fisheries and Aquaculture Science(环境、渔业和水产养殖科学中心)
该研究梳理了动物运动研究用隐马尔可夫模型核心组件的尺度依赖性理论,通过模拟验证其对参数和状态分类的影响,指出时间分辨率考量及数据采样规范的重要性,明确模型适用前提。
2025-10-04 q-bio.QM stat.AP
Multiscale modelling of animal movement with persistent dynamics
Dalhousie University(达尔豪斯大学);Pennsylvania State University(宾夕法尼亚州立大学)
本文提出基于欠阻尼Langevin过程的连续时间多尺度动物运动模型,连接资源选择与步长选择函数,并给出状态空间推断及混合效应方法。
2025-10-05 q-bio.QM stat.AP stat.ME
FastTrack: an open-source software for tracking varying numbers of deformable objects
Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);Institut de Biologie Paris-Seine(巴黎塞纳生物学研究所)
分析移动物体的动力学特性需要从记录中提取轨迹,这通常通过跟踪电影来完成。我们为非常不同的生物和物理系统编制了一个二维电影数据库,涵盖了广泛的长度尺度,并开发了一个通用的,优化的,开源的,跨平台的,易于安装和使用的,自我更新的软件FastTrack。它可以处理感兴趣区域中数量不断变化的可变形物体,特别适合于二维动物和细胞跟踪。此外,我们引入入侵的概率作为电影的可跟踪性的新度量,其不需要地面实况轨迹的知识,因为它对少量错误有弹性,并且可以在特设跟踪的基础上计算。我们还利用FastTrack的多功能性和速度来实现一种迭代算法,确定一组接近优化的跟踪参数-进一步减少人为干预的量-并证明FastTrack可用于探索跟踪参数的空间,以优化一批类似电影的交换次数。基准测试表明,FastTrack比最先进的跟踪算法快几个数量级,跟踪精度相当。源代码可以在https://github.com/FastTrackOrg/FastTrack上的GNU GPL v3下获得,用于Windows、Mac和Linux的预编译二进制文件可以在http://www.fasttrack.sh上获得。
2020-11-13 cs.CV q-bio.QM
Big data analyses reveal patterns and drivers of the movements of southern elephant seals
越来越多的大型动物跟踪数据库提供了一个机会,在人口规模,甚至物种的运动模式的分析。我们使用了为处理大数据而开发的分析方法,这些方法不需要对目标代理的行为进行先验假设,以分析南大洋272只象海豹(Mirounga leonina)的汇总跟踪数据集,该数据集由十多年来收集的> 50万个位置估计组成。我们的分析表明,这些密封件的位移描述了截断幂律分布在几个空间和时间尺度,具有明确的签名定向运动。在分析汇总的轨迹时,这种模式是明显的,尽管个别轨迹有很大的差异。我们还确定了海洋省份,描述了这些海豹的迁徙和觅食栖息地。我们的分析提供了证据,证明存在运动的内在驱动因素,如记忆,使用常见的运动行为模型无法检测到。这些结果突出了大数据技术在应用于动物跟踪的大型数据集时提供对运动行为的新见解的潜力。
2018-07-24 physics.bio-ph physics.data-an q-bio.PE
Analyzing animal movement using deep learning
Leibniz Institute for Zoo and Wildlife Research(莱布尼茨动物园与野生动物研究所);Technische Universität Berlin(柏林工业大学);University of Regensburg(雷根斯堡大学);University of Goettingen(哥廷根大学)
本文探讨了深度学习在分析动物运动数据中的应用,提出DNN-SSF模型能有效捕捉复杂交互效应和非线性响应,优于传统GLM和GAM方法,提出了新的DNN结构以捕捉个体差异。
2026-03-25 q-bio.QM stat.AP
Exploring the interplay between small and large scales movements in a neotropical small mammal
本研究通过分析新热带小型哺乳动物Didelphis aurita的多尺度运动数据,发现小尺度运动遵循截断莱维飞行,而大尺度运动趋于布朗运动,且聚合效应可解释两阶段行为,无需额外生态机制。
2025-01-23 cond-mat.stat-mech physics.data-an q-bio.QM
Navigating through the R packages for movement
微型生物记录设备的出现为生态学家提供了前所未有的机会来记录动物的跨尺度运动,并导致收集越来越多的跟踪数据。与此同时,已经开发了复杂的工具来处理、可视化和分析跟踪数据,但是这些工具中有许多是孤立地激增的,使得用户难以为手头的问题选择最合适的方法。事实上,仅在R软件中,我们就列出了58个用于处理跟踪数据或“跟踪包”的软件包。在这里,我们回顾和描述了基于以跟踪数据(即时空位置(x,y,t))为中心的工作流程的每个跟踪包,分为三个阶段:预处理,后处理和分析,后者包括数据可视化,轨迹描述,路径重建,行为模式识别,空间使用表征,轨迹模拟等。支持文档是使用户能够访问软件包的关键。根据用户调查,我们审查了软件包的文档质量,并确定了11个软件包具有良好或优秀的文档。通过网络图分析评估软件包之间的链接。虽然有一大批软件包显示出一定程度的连接性(取决于功能或建议使用另一个跟踪软件包),但三分之一的软件包是孤立工作的,反映了R运动生态编程社区的碎片化。最后,我们为用户在选择软件包时提供建议,并为开发人员提供最大限度地发挥其贡献的有用性并加强编程社区内的联系。
2019-10-14 q-bio.QM stat.CO