Inferring Temporal Structure from Predictability in Bumblebee Learning Flight
Inferring Temporal Structure from Predictability in Bumblebee Learning Flight
复制标题
从大黄蜂学习飞行的可预测性推断时间结构
DOI：
10.1007/978-3-030-03493-1_53
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Hammer
中科院分区：
文献类型：
--
作者：
Bertrand;Egelhaaf;Hammer
昆虫成功地完成了非凡的导航任务。例如，大黄蜂能够通过复杂的飞行动作学习它们的巢穴位置，形成所谓的学习飞行。学习飞行-被认为是部分预先编程-使大黄蜂能够记住其不显眼的巢穴入口和环境线索之间的空间关系。到目前为止，环境特征（例如眼睛上的物体位置）和昆虫的学习经验被用来描述飞行，但其结构，被认为有助于学习，还没有被系统地研究。在这项工作中，我们提出了一种新的方法，检查是否和在哪些时间跨度飞行行为是可预测的基础上的内在属性，而不是外部的感官信息。我们通过估计底层过程的平滑度来研究学习航班的时间组成。然后，我们使用回声状态网络（ESN）和线性模型（ARIMA）来预测大黄蜂的轨迹，从它过去的运动，并确定不同的时间尺度学习飞行使用其预测能力。我们发现，直接的视觉信息是没有必要的，在200毫秒的时间窗口来解释大黄蜂的行为在其学习飞行。
Insects are succeeding in remarkable navigational tasks. Bumblebees, for example, are capable of learning their nest location with sophisticated flight manoeuvres, forming a so-called learning flight. The learning flights - thought to be partially pre-programmed - enable the bumblebee to memorise spatial relations between its inconspicuous nest entrance and environmental cues. To date, environmental features (e.g. object positions on the eyes) and learning experience of the insect were used to describe the flights, but its structure, thought to facilitated learning, has not been investigated systematically. In this work, we present a novel approach, to examine whether and in which time span flight behaviour is predictable based on intrinsic properties only rather than external sensory information. We study the temporal composition of learning flights by estimating the smoothness of the underlying process. We then use echo state networks (ESN) and linear models (ARIMA) to predict the bumblebee trajectory from its past motion and identify different time-scales in learning flights using their prediction-power. We found that direct visual information is not necessary within a 200ms time-window to explain the bumblebee behaviour during its learning flight.
登录
查看更多内容
影响因子：
2.8
作者：
Lobecke, Anne;Kern, Roland;Egelhaaf, Martin
通讯作者：
Egelhaaf, Martin
DOI：
10.1098/rspb.1993.0056
发表时间：
1993-05-22
影响因子：
4.7
作者：
COLLETT, TS;LEHRER, M
通讯作者：
LEHRER, M
影响因子：
3.7
作者：
Braun DA;Waldert S;Aertsen A;Wolpert DM;Mehring C
通讯作者：
Mehring C
影响因子：
2.8
作者：
Robert, Theo;Frasnelli, Elisa;Collett, Thomas S.
通讯作者：
Collett, Thomas S.
自由移动动物的虚拟现实。
影响因子：
48
作者：
Stowers JR;Hofbauer M;Bastien R;Griessner J;Higgins P;Farooqui S;Fischer RM;Nowikovsky K;Haubensak W;Couzin ID;Tessmar-Raible K;Straw AD
通讯作者：
Straw AD