Honeybee vision and floral displays:from detection to close-up recognition
Notice bibliographique
Résumé
In a social insect such as the honeybee, the survival of the colony depends on the success of its foragers. The bee optimizes its foraging success by returning to flowers of the species at which it has previously found food. This so-called flower constancy (see Chittka et al. 1999 for references) is based on the bee's capacity to learn and memorize specific flower signals (Menzel et al . 1993; Menzel & Müller 1996; Menzel 1999 and this volume) and to discriminate among different species by their different signals. A bee returning to the feeding site in search of a flower, be it natural or artificial, must first detect the target from a distance. Once the flower has been detected, the bee will approach it up to a distance at which it is able to recognize whether or not the flower is similar to that stored in memory. Among the different sensory cues used, visual cues are of fundamental importance. In the rich market of coexisting and competing flower species, flower colors, shapes, and patterns are the visual cues that allow bees to recognize and discriminate profitable species. Here we review studies concerned with the bee's use of visual signals for detecting and recognizing food sources. In the first part of the chapter, we examine the role of the bee's color vision in these tasks. In the second part, we look at the role of several spatial parameters contained in achromatic (black-and-white) stimuli.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».