Aug, 2023

基于机器学习的鱼类资源评估

PDF
TL;DR研究使用混合模型来提高鱼类资源参数估计和预测的准确性，通过结合经典统计模型和监督机器学习模型，特别是梯度提升树模型，实现针对全球变暖和其他人为压力导致变化的生态系统中相关参数的后续校正和提升准确性。在实验中，对五种不同鱼类资源进行研究发现，绝大多数情况下招募和生成股源生物量的预测准确性有了显著的提高。
fish stocksstatistical stock assessment modelsmachine learning modelshybrid modelforecast accuracy
发现论文，激发创造
  • 基于物联网的鱼类养殖环境控制系统，结合传感器集成与机器学习决策支持

    该研究文章展示了数据驱动决策支持在水产养殖中的强大作用，承诺满足日益增长的对海鲜的需求，同时强调环境责任与经济可行性，从而彻底改变未来的养鱼方式。

    Nov, 2023

  • 机器学习视角下生物质可持续性指标分析

    本文提出了一个基于机器学习模型分析可持续指标的强健模型，通过十种机器学习模型，包括随机森林，估算了三个生物量可持续性指标，结果表明随机森林是最佳选择，并可作为实时评估可持续性指标的指南。

    Feb, 2023

  • 利用外生变量和机器学习算法进行短期股票价格预测

    追溯 2020 年 3 月至 2022 年 5 月的短期内，该研究比较了四种机器学习模型在预测纽约证券交易所三支知名股票的准确性，并发现 XGBoost 模型虽然运行时间较长（最多 10 秒），但提供了最高的准确性。

    May, 2023

  • 可持续海洋管理的轻量级鱼类分类模型：印尼案例

    研究针对海洋资源的保护和可持续渔业发展，提出了一种使用先进机器学习技术进行鱼类分类的轻量级分类器模型以及鱼类的可食用性判断。模型使用修改版的 MobileNet 模型对印度尼西亚群岛海域的鱼类图像进行分类，并在有限的硬件上实现了高达 97% 的准确度，为渔船上的实时鱼类分类提供了实际解决方案，并可提供有关不同鱼类种类的移动和位置的宝贵信息。

    Jan, 2024

  • 危机警报：使用机器学习方法预测股市危机事件

    运用先进的机器学习技术，包括随机森林和极限梯度提升，来预测主要发生在美国市场的潜在市场崩盘；同时，通过比较模型表现，考察哪种模型更适合预测美国股市崩盘。

    Jan, 2024

  • 基于时间序列分析的股票价格预测：机器学习和深度学习模型

    本研究利用统计学、机器学习和深度学习模型建立了一个强大而准确的股票价格预测框架，研究结果表明该多模型的结合方法可以从波动和随机的股票价格数据中有效地学习。

    Apr, 2020

  • 基于增强金融智能的印度股市预测

    本文提出使用机器学习算法和超级预测者的预测来增强投资决策的价格预测模型。通过构建五个机器学习模型，包括双向 LSTM、ARIMA、CNN 和 LSTM 的组合、GRU，以及使用 LSTM 和 GRU 算法构建的模型，利用平均绝对误差评估这些模型的预测准确性。此外，研究建议通过识别超级预测者并跟踪其预测来预测股价的不可预测的变化，从而进一步提高机器学习和自然语言处理技术的股价预测准确性。

    Jul, 2024

  • 基于粒子群优化 BP 神经网络和多元高斯 - 隐马尔可夫模型的股票择时和选股的定量融合策略

    该研究介绍了一种创新的金融分析技术，结合了机器学习、量化融合模型、股票市场、选股和择时策略。

    Dec, 2023

  • FishNet：用于低成本鱼类存量估计的深度神经网络

    提出了一种基于计算机视觉的自动化鱼类数量评估系统，该系统能够通过低成本数字相机拍摄的图像进行鱼类分类和尺寸估计，训练模型在手动标注的 50000 张图像数据集上训练，实现了鱼类分割、物种分类和长度估计任务的高精度。

    Mar, 2024

  • 基于图的深度学习用于海表温度预测

    该研究尝试使用图重新采样和图神经网络应用于全球海表温度预测，并发现其在大多数海洋中以均方根误差为衡量标准比持续模型具有更好的一个月的预测效果。

    Apr, 2023