基于AI的运动识别被用于消除漫步时尚的感觉，估计房间中个体的多样性，并从早期的照片和顶部拍摄电影。但是，还不是全部。在Arxiv.org印前服务器上揭示的全新文章(“弄清野生动物团体行为的框架”)中，来自伊利诺伊大学，意大利米兰理工大学和加利福尼亚大学的科学家提出了一个统计框架，以建立一群不受驯服的动物的行为。他们说，在初步实验中，与基本策略相比，分类精度“相当好”。
共同作者写道：“了解动物的行为对于回答动物(与人一起)为什么做自己的行为这一基本问题至关重要。” “最近，生物学家开始利用可移动的应用科学(类似于GPS，加速度计和无线电传感器)来追踪动物及其行为。尽管如此，收集到的未煮熟的知识无法被人解释，应该加以处理以提取行为模式…锻炼识别方式可以用来掌握未煮熟的时间收集与时间收集之间的关系。通过观察或不同方式收集的行为注释。”
因为研究人员澄清了，所以时间上最常提到时间收集的分类，即在连续的实例(通常以相等的时间间隔)上获得的值的分类。39; 协助进行时序评估或机器学习。第一类基于未煮熟指标的明确描述，而第二类则自动推论输入知识的特征。
研究人员的策略采用了以下两个步骤的序列评估过程：首先，他们比给动物团队之间的社会关系通过提取拓扑结构编码的方式更早地为给定语料库选择“最大”的一般时间决策(基于时间的测量决策)。知识。以及与分类有关的关系部分。
在实验的基础上，工作人员在那里向公众提供了一组狒狒的集体运动知识，其中包含35天被养的26只动物的狒狒。他们以接近的概念概述了狒狒的社会社区，以使彼此之间两米之内的狒狒被认为已经相互作用。
研究人员报告说，他们的策略比早期策略的正确率高出约10%，社交数据的添加使基准结果的吸引力提高了7%。。
共同作者写道：“我们对真实世界知识集的评估表明，所提出的框架更高程度地识别了未驯服动物团队的复杂行为动力学，”他们宣称有39个意图将其动物的不同知识单元纳入其中。未来的工作。“我们目前正在致力于将时间决策步骤扩展到允许变化步骤的额外动态策略，从而能够更好地确立每项行为的重要组成部分。”