Benutzer: Gast  Login
Originaltitel:
Deep clustering of animal motion tracking data
Originaluntertitel:
software development and applications to psychiatric preclinical research
Übersetzter Titel:
Deep Clustering von Tierbewegungsdaten
Übersetzter Untertitel:
Softwareentwicklung und Anwendungen für die psychiatrische präklinische Forschung
Autor:
Miranda, Lucas
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Medicine and Health
Betreuer:
Müller-Myhsok, Bertram (Prof. Dr.)
Gutachter:
Müller-Myhsok, Bertram (Prof. Dr.); Gagneur, Julien (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften
Stichworte:
machine learning, time series, unsupervised learning, motion tracking, open-source software
Übersetzte Stichworte:
Maschinelles Lernen, Zeitreihen, unüberwachtes Lernen, Bewegungsverfolgung, Open-Source-Software
TU-Systematik:
MED 230
Kurzfassung:
Until recently, measuring animal behavior implied either relying on observational studies, or on overly simplified settings. Leveraging advances in machine learning, it lately became common practice to track multiple body parts over time, without physical markers. This thesis aims to (1) develop novel deep clustering algorithms to explore the behavioral repertoire of animals using motion tracking, (2) deploy them in an open-source package, and (3) use them to characterize a real world animal mod...     »
Übersetzte Kurzfassung:
Bis vor kurzem musste man sich bei der Messung des Verhaltens von Tieren entweder auf Beobachtungsstudien oder auf allzu vereinfachte Einstellungen verlassen. Dank der Fortschritte im Bereich des maschinellen Lernens ist es in letzter Zeit üblich geworden, mehrere Körperteile über die Zeit zu verfolgen, ohne physische Marker. Ziel dieser Arbeit ist es, (1) neuartige Deep Clustering Algorithmen zu entwickeln, um das Verhaltensrepertoire von Tieren mit Hilfe von Motion Tracking zu erforschen, (2)...     »
WWW:
https://mediatum.ub.tum.de/?id=1713444
Eingereicht am:
18.07.2023
Mündliche Prüfung:
08.03.2024
Dateigröße:
13885466 bytes
Seiten:
155
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240308-1713444-1-7
Letzte Änderung:
14.05.2024
 BibTeX