Ecology Letters | 基于迁移学习的方法：从仅使用物种出现数据到丰度分布模型
Wiley生态环境
2025-07-31 08:00
文章摘要
本文探讨了基于迁移学习的卷积神经网络（CNN-SDM）在预测物种丰度分布方面的应用。研究背景指出，物种丰度数据通常规模较小，难以有效训练深度学习模型。研究目的是通过迁移学习，利用大型物种出现数据集提升CNN-SDM在丰度预测中的性能。实验结果表明，该方法显著提高了丰度预测的准确性，平均增益为35%，尤其在稀有物种和局部稀有物种的预测中表现更优。结论认为，迁移学习为深度学习在生态学中的广泛应用提供了新的可能性，有助于更好地预测局部种群规模和生态指标。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
