...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aquatic Sciences >Using an artificial neural network to patternize long-term fisheries data from South Korea
【24h】

Using an artificial neural network to patternize long-term fisheries data from South Korea

机译：使用人工神经网络将韩国的长期渔业数据模式化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This research used a Self-Organizing Map (SOM) to patternize long-term fisheries data of 30 species from South Korea. A spectrum of catch amounts from fish assemblage data over 48 years was successfully clustered and visualized on a two-dimensional map. Temporal variation in fish data was explored using a SOM. Five yearly clusters identified different time periods from 1954-1961, 1962-1973, 1974-1982, 1983-1996, and 1997-2001. These different periods reflected environmental and economic forcings on fish catch in Korea. Specific fish species were dominantly related with different time periods. Association of collected fish species was additionally patternized on a SOM. Characteristics of catch data, such as overall abundance and increasing pattern, were identified using a SOM. This artificial neural network demonstrated a powerful capacity to deal with the large amounts of fish catch data with various external forcings and heterogeneity of sampling over a long time period.
机译：这项研究使用了自组织图（SOM）来模式化来自韩国的30种鱼类的长期渔业数据。在过去的48年中，成功地将鱼群数据中的捕捞量范围进行了聚类并在二维地图上可视化。使用SOM探索了鱼类数据的时间变化。五个年度群集确定了从1954-1961、1962-1973、1974-1982、1983-1996和1997-2001不同的时间段。这些不同时期反映了韩国对鱼类捕捞的环境和经济压力。特定鱼类物种主要与不同时期相关。在SOM上还对收集的鱼类物种的关联进行了图案化。捕获数据的特征，例如总体丰度和增加模式，使用SOM进行了识别。这种人工神经网络展示了强大的能力，可以在很长的一段时间内以各种外部强迫和采样的异质性来处理大量鱼类捕获数据。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号