MétaCan
Menu
← Retour à la cohorte
Enregistrement W3048496331 · doi:10.1101/2020.08.11.246926

Unpredictable hummingbirds: Flight path entropy is constrained by speed and wing loading

2020· preprint· en· W3048496331 sur OpenAlexaff
Ilias Berberi, Paolo S. Segre, Douglas L. Altshuler, Roslyn Dakin

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of British ColumbiaCarleton University
Organismes subventionnairesnon disponible
Mots-clésWingEntropy (arrow of time)SimulationComputer scienceAeronauticsAerospace engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Unpredictable movement can provide an advantage when animals avoid predators and other threats. Previous studies have examined how varying environments can elicit unpredictable movement, but the intrinsic causes of complex, unpredictable behavior are not yet known. We addressed this question by analyzing >200 hours of flight performed by hummingbirds, a group of aerial specialists noted for their extreme agility and escape performance. We used information theory to calculate unpredictability based on the positional entropy of short flight sequences during 30-min and 2-hour trials. We show that a bird’s entropy is repeatable, with stable differences among individuals that are negatively correlated with wing loading: birds with lower wing loading are less predictable. Unpredictability is also positively correlated with a bird’s overall acceleration and rotational performance, and yet we find that moment-to-moment changes in acceleration and rotational velocities do not directly influence entropy. This indicates that biomechanical performance must share an underlying basis with a bird’s ability to combine maneuvers into unpredictable sequences. Contrary to expectations, hummingbirds achieve their highest entropy at relatively slow speeds, pointing to a fundamental trade-off whereby individuals must choose to be either fast or unpredictable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,202
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAnimal Behavior and Reproduction→Travaux en français237 207→