Bayesian inference for identifying interaction rules in moving animal groups.
Bayesian inference for identifying interaction rules in moving animal groups.
复制标题
DOI：
10.1371/journal.pone.0022827
复制
发表时间：
2011
期刊：
影响因子：
3.7
通讯作者：
Mann RP
中科院分区：
文献类型：
--
作者：
Mann RP
从不同的动物群体的自推进粒子模型中出现的类似的集体模式指出了这些模式的一组有限的“通用”类。虽然普遍性很有趣，但通常是动物相互作用的细节具有生物学意义。因此，普遍性提出了一个挑战，从宏观群体动力学推断这种相互作用，因为这些可以与许多潜在的相互作用模型。我们提出了一个贝叶斯框架，学习动物的互动规则，从细尺度记录的动物运动群。我们将这些技术应用到从模拟模型推断相互作用规则的逆问题，表明参数通常可以从少量的观测中推断出来。我们的方法使我们能够量化我们对参数拟合的信心。例如，我们表明，吸引力和对齐条款可以可靠地估计动物铣削在一个圆环形，而相互作用半径不能可靠地测量在这种情况下。我们评估数据收集率的重要性，并展示如何测试不同的模型，如拓扑和度量邻域模型。总之，我们的研究结果既告知动物相互作用的实验设计，并建议如何最好地分析这些数据。
The emergence of similar collective patterns from different self-propelled particle models of animal groups points to a restricted set of “universal” classes for these patterns. While universality is interesting, it is often the fine details of animal interactions that are of biological importance. Universality thus presents a challenge to inferring such interactions from macroscopic group dynamics since these can be consistent with many underlying interaction models. We present a Bayesian framework for learning animal interaction rules from fine scale recordings of animal movements in swarms. We apply these techniques to the inverse problem of inferring interaction rules from simulation models, showing that parameters can often be inferred from a small number of observations. Our methodology allows us to quantify our confidence in parameter fitting. For example, we show that attraction and alignment terms can be reliably estimated when animals are milling in a torus shape, while interaction radius cannot be reliably measured in such a situation. We assess the importance of rate of data collection and show how to test different models, such as topological and metric neighbourhood models. Taken together our results both inform the design of experiments on animal interactions and suggest how these data should be best analysed.
登录
查看更多内容
影响因子：
2.5
作者：
Ballerini, Michele;Cabibbo, Nicola;Zdravkovic, Vladimir
通讯作者：
Zdravkovic, Vladimir
影响因子：
--
作者：
SHANNON, CE
通讯作者：
SHANNON, CE
影响因子：
56.9
作者：
Narayan, Vijay;Ramaswamy, Sriram;Menon, Narayanan
通讯作者：
Menon, Narayanan
DOI：
10.1098/rspb.2009.0350
发表时间：
2009-07-22
影响因子：
4.7
作者：
Robinson, Elva J. H.;Smith, Faith D.;Franks, Nigel R.
通讯作者：
Franks, Nigel R.
影响因子：
1.1
作者：
Sumpter, David;Buhl, Jerome;Couzin, Iain
通讯作者：
Couzin, Iain