An optimization problem for a system of self-reproducing objects is studied. The goal is to maintain the existence of the system arbitrarily long. A feature of the problem is that the cost function is represented by the limit of a certain quantity as the time tends to infinity.
Here we apply artificial neural networks to facilitate recognition of regular diel vertical migrations (DVM) of zooplankton in the ocean and lakes, the phenomenon which is considered to be the most significant synchronous biomass movement on Earth. The underlying mathematical framework of finding the optimal (i.e. evolutionary stable) strategies of DVM of zooplankton is based on the generic idea of maximization of fitness of many competing subpopulations each of which uses a particular strategy. To be able to recognize patterns of DVM from data, we have created novel software which technically consists of two interconnected complexes. The first complex is required to find the evolutionarily stable behaviour using the principle of optimality and its implementation produces training samples for the neural network. The second complex provides recognition of evolutionarily stable DVM taking into account a few key characteristics of the aquatic environment and this also allows for some uncertainty (only partial information available) in the input data. In our work, we use a four-layer neural network. Extensive testing of our method demonstrates its efficiency in revealing the presence of detectable regular DVMs as opposed to a random vertical movement of zooplankton.
Here, we propose a computational approach to explore evolutionary fitness in complex biological systems based on empirical data using artificial neural networks. The essence of our approach is the following. We first introduce a ranking order of inherited elements (behavioral strategies or/and life history traits) in considered self-reproducing systems: we use available empirical information on selective advantages of such elements. Next, we introduce evolutionary fitness, which is formally described as a certain function reflecting the introduced ranking order. Then, we approximate fitness in the space of key parameters using a Taylor expansion. To estimate the coefficients in the Taylor expansion, we utilize artificial neural networks: we construct a surface to separate the domains of superior and interior ranking of pair inherited elements in the space of parameters. Finally, we use the obtained approximation of the fitness surface to find the evolutionarily stable (optimal) strategy which maximizes fitness. As an ecologically important study case, we apply our approach to explore the evolutionarily stable diel vertical migration of zooplankton in marine and freshwater ecosystems. Using machine learning we reconstruct the fitness function of herbivorous zooplankton from empirical data and predict the daily trajectory of a dominant species in the northeastern Black Sea.
Решена задача построения эволюционно устойчивой стратегии ежедневных вертикальных миграций зоопланктона путем максимизации функции приспособленности к условиям окружающей среды. Для класса простейших данных задача решается аналитически методами классического вариационного исчисления. Используются кусочно-линейные и кусочно-квадратичные апроксимации функций внешних факторов. Показано, как на основе максимизации функции фитнеса при сравнительно простых аппроксимациях входных факторов можно получить достаточно точное выражение для стратегии вертикальных миграций. Для обработки приближенных экспериментальных данных в общем случае создан программный комплекс распознавания качественных характеристик эволюционно устойчивой стратегии ежедневных вертикальных миграций зоопланктона по входной информации о факторах окружающей среды. Распознавание осуществляется с помощью искусственной четырехслойной нейронной сети. Входные данные для программного комплекса представляют собой дискретный набор значений четырех внешних функций состояния среды и четырех весовых коэффициентов, а также пороговое значение вертикальных перемещений. Выходная информация программного комплекса является ответом относительно наличия / отсутствия выраженных вертикальных перемещений зоопланктона в данных условиях окружающей среды относительно данного порогового значения. Осуществлено обучение сети на основе созданной базы образцов сравнения. Для построения обучающей выборки используется аналитическое решение задачи максимизации функции приспособленности при простейших аппроксимациях внешних факторов. Обучающая выборка содержит пять типов входных функций, соответствующих разным способам аппроксимации внешних факторов. Для проверки работы сети использовалась тестовая выборка. Тестовая проверка показывает высокий процент верных ответов обученной нейронной сети. Осуществлено сравнение расчетной стратегии с реальным наблюдаемым поведением зооплактона. The problem of finding evolutionarily steady strategy of zooplankton daily vertical migrations is solved by maximizing fitness function. The problem for a class of the simplest data is solved analytically by methods of classical calculus of variations. Piecewise linear and piecewise quadratic approximations of functions of external factors are used. The exact expression of the vertical migration strategy is obtained on the basis of maximizing fitness function for rather simple approximations of input environmental factors. The program complex is created for recognition of qualitative characteristics of evolutionarily steady daily vertical strategy according to approximate data on environment factors (for processing of approximate experimental data generally). Recognition is carried out by means of artificial four-layer neural network. Input data for the program complex is the discrete values set of four external functions, four weight coefficients and also threshold value of vertical movements. Output information of the program complex is the answer concerning existence / lack of the expressed vertical movements of zooplankton for this environment with respect to this threshold value. Training of the network is carried out using the created samples base. The analytical solution of the problem of maximizing fitness function with the simplest approximations of external factors is used for the development of the training data. The training selection contains five types of the entrance functions corresponding to different ways of approximation of external factors. Test date was used for checking network. Test check shows high percent of the right answers of the trained neural network. Comparison of settlement strategy with real observed behavior of a zooplakton is carried out.
30 June 2023 in Международный научный журнал "Современные информационные технологии и ИТ-образование"
Развитие методик применения сквозных технологий (cross-cutting technology) в обучении стал трендом еще несколько лет назад. Основанием для этого послужила программа цифровизации экономики Российской Федерации. Международная криминалистическая образовательная практика показывает, что наибольший интерес вызывают технологии искусственного интеллекта, виртуальной, дополненной и смешанной реальности. Нами разработано приложение на основе технологии дополненной реальности «Виртуальный криминалистический полигон». Приложение имеет несколько учебных кейсов как совокупности AR-меток и привязанных к ним виртуальных 3D-объектов, позволяет создавать учебные криминалистические сцены для обучения студентов не только на специально организованном криминалистическом полигоне, но в любых местах доступных студенту в данный момент. Программа «Виртуальный криминалистический полигон» позволяет проводить осмотр места преступления и выполнять действие со следами и фотофиксацию. Для обучения криминалистической фотографии созданы два режима визуализации меток. Режим распознавания всех меток позволяет производить ориентирующую и обзорную фотосьемку. Режим распознавания основных меток применяется для производства узловой и детальной съемки. Особенностью программной реализации выполнения заданий по криминалистической фотографии является: во-первых, функцию AR меток выполняют «цифровые указатели»; во-вторых, объединение AR меток и виртуальных меток. Обучаемый может видеть учебную сцену целиком или частями, а также вращать, наклонять и перемещать 3D-модели следов преступления на экране мобильного устройства. Содержанием работы студента с виртуальным криминалистическим полигоном является осмотр и описание расположенных по меткам объектов дополненной реальности, составления протокола описания виртуального места преступления согласно требованиям криминалистических действий в реальном мире. Приложение может быть применено для дистанционного обучения студентов дисциплине «Криминалистика». Апробация приложения «Виртуальный криминалистический полигон» проведена в учебном процессе изучения криминалистики студентами направлений «Юриспруденция» и «Национальная безопасность». Программа «Виртуальный криминалистический полигон» расширяет перечень образовательных инструментов, повышает наглядность криминалистических рекомендаций по производству следственных действий. The integration of end-to-end technologies into the educational process became a trend several years ago. This process is based on the program of digitalization of the economy of the Russian Federation. International forensic educational practice shows that artificial intelligence, virtual, augmented and mixed reality technologies are of the greatest interest. We have developed a software based on augmented reality technology "Virtual Forensic training ground". The application has several training cases as a set of AR tags and 3D virtual objects "tied" to them. The application allows you to create training forensic scenes on a specially organized forensic training ground and any places available to the student at the moment. The "Virtual Forensic training ground" program allows you to conduct a crime scene inspection and perform trace and photofix action. Two marker visualization modes have been created for forensic photography training. The mode of recognition of all marks allows you to perform orientation and overview photography. The main marker recognition mode is used for the production of nodal and detailed images. The peculiarity of the software implementation of the forensic photography tasks is: firstly, the function of AR tags is performed by "digital pointers"; secondly, the combination of AR tags and virtual tags. The user can see the entire training scene or parts of it. He can rotate, tilt, and move 3D crime scene models on the mobile device screen. The application "Virtual Forensic training ground" can be used for distance learning of students...