J 2007

Artificial neural networks for fly identification: A case study from the genera Tachina and Ectophasia (Diptera, Tachinidae)

VAŇHARA, Jaromír, Natália MURÁRIKOVÁ, Igor MALENOVSKÝ a Josef HAVEL

Základní údaje

Originální název

Artificial neural networks for fly identification: A case study from the genera Tachina and Ectophasia (Diptera, Tachinidae)

Název česky

Umělé neuronové sítě pro identifikaci dvoukřídlých: příkladová studie pro rody Tachina a Ectophasia (Diptera, Tachinidae

Autoři

VAŇHARA, Jaromír (203 Česká republika, garant, domácí), Natália MURÁRIKOVÁ (703 Slovensko, domácí), Igor MALENOVSKÝ (203 Česká republika) a Josef HAVEL (203 Česká republika, domácí)

Vydání

Biologia, Bratislava, Versita, 2007, 1335-6372

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10600 1.6 Biological sciences

Stát vydavatele

Slovensko

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14310/07:00023693

Organizační jednotka

Přírodovědecká fakulta

UT WoS

000249986300013

Klíčová slova anglicky

artificial neural networks; species identification; Diptera; Tachinidae; Tachina; Ectophasia; parasitoids

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 1. 3. 2012 15:12, Mgr. Igor Malenovský, Ph.D.

Anotace

V originále

The classification methodology based on morphometric data and supervised artificial neural networks (ANN) was tested on five fly species of the parasitoid genera Tachina and Ectophasia (Diptera, Tachinidae). Objects were initially photographed, then digitalized; consequently the picture was scaled and measured by means of an image analyser. The 16 variables used for classification included length of different wing veins or their parts and width of antennal segments. The sex was found to have some influence on the data and was included in the study as another input variable. Better and reliable classification was obtained when data from both the right and left wings were entered, the data from one wing were however found to be sufficient. The prediction success (correct identification of unknown test samples) varied from 88 to 100% throughout the study depending especially on the number of specimens in the training set. Classification of the studied Diptera species using ANN is possible assuming a sufficiently high number (tens) of specimens of each species is available for the ANN training. The methodology proposed is quite general and can be applied for all biological objects where it is possible to define adequate diagnostic characters and create the appropriate database.

Česky

Metoda determinace založená na morfometrických znacích a vyhodnocovaná pomoci umělých neuronových sítí (ANN)byla testována na 5 druzích dvoukřídlého hmyzu rodů Tachina and Ectophasia (Diptera, Tachinidae).

Návaznosti

MSM0021622416, záměr
Název: Diverzita biotických společenstev a populací: kauzální analýza variability v prostoru a čase
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Diverzita biotických společenstev: kauzální analýza variability v prostoru a čase