Growing interest in conservation an

Growing interest in conservation and biodiversity increased the demand for accurate and consistent
identification of biological objects, such as insects, at the level of individual or species. Among the
identification issues, butterfly identification at the species level has been strongly addressed because it is
directly connected to the crop plants for human food and animal feed products. However, so far, the widelyused
reliable methods were not suggested due to the complicated butterfly shape. In the present study, we
propose a novel approach based on a back-propagation neural network to identify butterfly species. The
neural network system was designed as a multi-class pattern classifier to identify seven different species. We
used branch length similarity (BLS) entropies calculated from the boundary pixels of a butterfly shape as the
input feature to the neural network. We verified the accuracy and efficiency of our method by comparing its
performance to that of another single neural network system in which the binary values (0 or 1) of all pixels
on an image shape are used as a feature vector. Experimental results showed that our method outperforms
the binary image network in both accuracy and efficiency.
© Korean Society of Applied Entomology, Taiwan Entomological Society and Malaysian Plant Protection
Society, 2012. Published by Elsevier B.V. All rights reserved.

ผลลัพธ์ (ไทย) 1:

สนใจในการอนุรักษ์และความหลากหลายทางชีวภาพการเจริญเติบโตเพิ่มขึ้นความต้องการความถูกต้อง และสอดคล้องกันรหัสของวัตถุชีวภาพ เช่นแมลง ระดับของแต่ละสายพันธุ์ ระหว่างระบุปัญหา ระบุผีเสื้อพันธุ์ระดับรายการมีการส่งขอได้ตรงกับความต้องการพืชสำหรับอาหารมนุษย์และสัตว์เลี้ยงผลิตภัณฑ์ อย่างไรก็ตาม ไกล widelyusedวิธีที่เชื่อถือได้ได้ไม่แนะนำเนื่องจากมีรูปร่างซับซ้อนผีเสื้อ ในการศึกษาปัจจุบัน เราเสนอวิธีการนวนิยายตามเครือข่ายประสาทกลับมาเผยแพร่เพื่อระบุชนิดของผีเสื้อ ที่ระบบประสาทถูกออกแบบมาเป็น classifier คลาสหลายรูปแบบเพื่อระบุสายพันธุ์ต่าง ๆ เจ็ด เราใช้ entropies คล้าย (BLS) ยาวสาขาคำนวณจากพิกเซลขอบของรูปผีเสื้อเป็นคุณลักษณะการป้อนข้อมูลไปยังเครือข่ายประสาท เราตรวจสอบความถูกต้องและมีประสิทธิภาพของวิธีการของเรา โดยเปรียบเทียบของประสิทธิภาพการทำงานกับระบบเครือข่ายประสาทเดียวอื่นซึ่งไบนารีค่า (0 หรือ 1) ของพิกเซลทั้งหมดรูปร่างภาพจะใช้เป็นเวกเตอร์คุณลักษณะ ผลการทดลองพบว่า วิธีการของเรา outperformsเครือข่ายรูปแบบไบนารีในความถูกต้องและมีประสิทธิภาพ© เกาหลีสมาคมสังคม Entomological ใช้กีฏวิทยา ไต้หวันและมาเลเซียพืชป้องกันสังคม 2012 เผยแพร่ โดย Elsevier b.v สงวนลิขสิทธิ์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

ดอกเบี้ยที่เพิ่มขึ้นในการอนุรักษ์ความหลากหลายทางชีวภาพและความต้องการเพิ่มขึ้นสำหรับการที่ถูกต้องและสอดคล้อง
ตัวของวัตถุทางชีวภาพเช่นแมลงในระดับของบุคคลหรือสปีชีส์ ท่ามกลาง
ปัญหาบัตรประจำตัวบัตรประจำตัวที่ระดับผีเสื้อสายพันธุ์ที่ได้รับการแก้ไขอย่างมากเพราะมันจะ
เชื่อมต่อโดยตรงกับพืชเพื่อเป็นอาหารของมนุษย์และสัตว์ผลิตภัณฑ์อาหารสัตว์ อย่างไรก็ตามเพื่อให้ห่างไกล widelyused
วิธีการที่เชื่อถือไม่ได้แนะนำเนื่องจากรูปทรงผีเสื้อที่มีความซับซ้อน ในการศึกษาปัจจุบันเรา
นำเสนอแนวทางใหม่ขึ้นอยู่กับประสาทกลับมาขยายพันธุ์เครือข่ายเพื่อระบุชนิดผีเสื้อ
ระบบเครือข่ายประสาทได้รับการออกแบบเป็นลักษณนามรูปแบบหลายชั้นเพื่อระบุเจ็ดชนิดที่แตกต่างกัน เรา
ใช้ความคล้ายคลึงกันสาขาความยาว (BLS) entropies คำนวณจากพิกเซลขอบเขตของรูปทรงผีเสื้อเป็น
คุณลักษณะการป้อนข้อมูลไปยังเครือข่ายประสาท เราตรวจสอบความถูกต้องและมีประสิทธิภาพของวิธีการของเราโดยการเปรียบเทียบของ
ประสิทธิภาพการทำงานให้กับระบบเครือข่ายประสาทเดียวในการที่ค่าไบนารี (0 หรือ 1) พิกเซลทั้งหมด
กับรูปร่างของภาพจะถูกใช้เป็นเวกเตอร์คุณลักษณะ ผลการทดลองแสดงให้เห็นว่าวิธีการของเรามีประสิทธิภาพดีกว่า
เครือข่ายภาพไบนารีทั้งในความถูกต้องและมีประสิทธิภาพ.
©สังคมเกาหลีประยุกต์กีฏวิทยาไต้หวันสมาคมกีฏวิทยาและมาเลเซียคุ้มครองพันธุ์พืช
สังคมปี 2012 จัดทำโดย Elsevier BV สงวนลิขสิทธิ์

ผลลัพธ์ (ไทย) 3:

ที่น่าสนใจปลูกในการอนุรักษ์ความหลากหลายทางชีวภาพ และเพิ่มความต้องการที่ถูกต้องและสอดคล้องกัน
การจำแนกวัตถุทางชีวภาพ เช่น แมลง ในระดับของแต่ละชนิดหรือ ในประเด็นการระบุ
, ผีเสื้อตัวที่สายพันธุ์ระดับได้รับการขอแก้ไข เพราะมันเป็น
เชื่อมต่อโดยตรงกับพืชผลิตภัณฑ์อาหารและอาหารสัตว์ของมนุษย์อย่างไรก็ตาม ที่ผ่านมา มิได้
ที่เชื่อถือได้วิธีการไม่แนะนำเนื่องจากรูปผีเสื้อที่ซับซ้อน ในการศึกษาครั้งนี้เรา
เสนอแนวทางใหม่ตาม back-propagation โครงข่ายประสาทเทียมเพื่อระบุผีเสื้อชนิด
ระบบโครงข่ายประสาทเทียมถูกออกแบบมาเป็นแบบหลายชั้นแบบระบุเจ็ดชนิด เรา
ใช้ความยาว entropies สาขาความเหมือน ( BLS ) คำนวณจากขอบเขตของพิกเซลของผีเสื้อรูปร่างเป็น
ใส่คุณลักษณะเครือข่ายประสาท เราตรวจสอบความถูกต้องและประสิทธิภาพของวิธีการของเราโดยการเปรียบเทียบประสิทธิภาพของ
ว่าอีกเดียวโครงข่ายประสาทเทียมระบบที่ค่าเลขฐานสอง ( 0 หรือ 1 ) ทุกพิกเซล
บนรูปร่างภาพที่ใช้เป็นลักษณะแบบเวกเตอร์ผลการทดลองแสดงให้เห็นว่าวิธีการโปรย
เครือข่ายภาพไบนารีทั้งความถูกต้องและประสิทธิภาพ .
สังคมสงวนลิขสิทธิ์เกาหลีกีฏวิทยาประยุกต์กีฏวิทยาสังคมไต้หวันและมาเลเซีย การอารักขาพืช
สังคม 2012 ที่ตีพิมพ์โดยเอลส์เท่าสงวนลิขสิทธิ์