Aktiv inlärning för övervakning av ekosystem

Viktiga resultat som projektet gav

Idag genomförs insamling av data för miljöövervakning huvudsakligen i fältstudier med handhållen utrustning. Databearbetning sker manuellt vilket är tidsineffektivt. I detta projekt har vi utvecklat nya aktiva inlärningsalgoritmer anpassade för tillämpningar inom ekologisk övervakning. Genom att införliva nya aktiva inlärningstekniker har vi visat att datainsamling och analys genomförs snabbare och säkrare.

Långsiktiga effekter som förväntas

Det långsiktiga målet är att utveckla praktiska automatiserade övervakningsenheter för användning inom ekologiska tillämpningar och speciellt inom ljudanalys. Projektet har utvecklat lösningar som flyttar fram forskningsfronten för aktiv inlärning, samt anpassat dessa till ljudlandskapsanalys och ekologisk övervakning.

Upplägg och genomförande

Maskininlärning har revolutionerat ekologin genom att automatisera dataanalys, mönsterigenkänning och förutsägelser. Arbetet med att utveckla och implementera våra idéer om hierarkiska förvärvsfunktioner har varit framgångsrikt. Strategin har varit att arbeta mot ökande modellkomplexitet genom att välja ut mindre och mindre delmängder av omärkt data för annotering.