“第三十九章 生物拟态证据”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
(以“==教学资料== * 教学参考 * [http://aigraph.cslt.org/courses/39/course-39.pptx 课件] * 小清爱提问:机器学习如何发现生物...”为内容创建页面)
 
 
第10行: 第10行:
 
* AI100问:机器学习如何发现生物拟态证据?[http://aigraph.cslt.org/ai100/AI-100-28-机器学习如何发现生物拟态证据.pdf]
 
* AI100问:机器学习如何发现生物拟态证据?[http://aigraph.cslt.org/ai100/AI-100-28-机器学习如何发现生物拟态证据.pdf]
 
* 维基百科:生物拟态[http://aigraph.cslt.org/courses/39/拟态.pdf][http://aigraph.cslt.org/courses/39/Mimicry.pdf]
 
* 维基百科:生物拟态[http://aigraph.cslt.org/courses/39/拟态.pdf][http://aigraph.cslt.org/courses/39/Mimicry.pdf]
 
+
* 维基百科:Müllerian 拟态 [http://aigraph.cslt.org/courses/39/Müllerian_mimicry.pdf]
 +
* 对比损失训练准则 [https://smilelingyong.github.io/2019/05/23/Contrastive-Loss-contrast-loss-function-and-gradient-calculation/]
  
 
==视频展示==
 
==视频展示==
第18行: 第19行:
 
* 会拟态的动物合集 [https://www.bilibili.com/video/BV1G5411t7DR?spm_id_from=333.337.search-card.all.click]
 
* 会拟态的动物合集 [https://www.bilibili.com/video/BV1G5411t7DR?spm_id_from=333.337.search-card.all.click]
 
* 拟态专家大赏 [https://www.bilibili.com/video/BV1Zh411B7bu?spm_id_from=333.337.search-card.all.click]
 
* 拟态专家大赏 [https://www.bilibili.com/video/BV1Zh411B7bu?spm_id_from=333.337.search-card.all.click]
 
 
  
  
第27行: 第26行:
 
==开发者资源==
 
==开发者资源==
  
 
+
* Dataset [https://datadryad.org/stash/dataset/doi:10.5061/dryad.2hp1978]
  
 
==高级读者==
 
==高级读者==
 +
 +
* Hoyal Cuthill J F, Guttenberg N, Ledger S, et al. Deep learning on butterfly phenotypes tests evolution’s oldest mathematical model[J]. Science advances, 2019, 5(8): eaaw4967. [https://www.science.org/doi/pdf/10.1126/sciadv.aaw4967]
 +
* MuÈller, F. Ituna and Thyridia; a remarkable case of mimicry in butteries. Trans. Ent. Soc. Lond. 1879,
 +
* Saitou N, Nei M. The neighbor-joining method: a new method for reconstructing phylogenetic trees[J]. Molecular biology and evolution, 1987, 4(4): 406-425. [https://academic.oup.com/mbe/article-pdf/4/4/406/11167444/7sait.pdf]
 +
* Richard M.MerrillChris D.Jiggins, Müllerian Mimicry: Sharing the Load Reduces the Legwork[https://www.sciencedirect.com/science/article/pii/S096098220901389X]

2022年8月22日 (一) 08:19的最后版本

教学资料


扩展阅读

  • AI100问:机器学习如何发现生物拟态证据?[1]
  • 维基百科:生物拟态[2][3]
  • 维基百科:Müllerian 拟态 [4]
  • 对比损失训练准则 [5]

视频展示

  • 生物的拟态 [6]
  • 你肯定以为这是树叶,那你就错了,动物的拟态能力会超乎你想象 [7]
  • 会拟态的动物合集 [8]
  • 拟态专家大赏 [9]


演示链接

开发者资源

高级读者

  • Hoyal Cuthill J F, Guttenberg N, Ledger S, et al. Deep learning on butterfly phenotypes tests evolution’s oldest mathematical model[J]. Science advances, 2019, 5(8): eaaw4967. [11]
  • MuÈller, F. Ituna and Thyridia; a remarkable case of mimicry in butteries. Trans. Ent. Soc. Lond. 1879,
  • Saitou N, Nei M. The neighbor-joining method: a new method for reconstructing phylogenetic trees[J]. Molecular biology and evolution, 1987, 4(4): 406-425. [12]
  • Richard M.MerrillChris D.Jiggins, Müllerian Mimicry: Sharing the Load Reduces the Legwork[13]