研究集会「生態データ統計モデルの包括的推進:個体群・群集・行動」

日時
2019年9月3日(火)10:00~9月4日(水)16:40

登録不要・参加無料

会場
統計数理研究所 セミナー室2 D304
〒190-8562 東京都立川市緑町10-3
区切り線
プログラム
《 9月3日(火)》
10:00-11:30【前座】最近の統計モデルを俯瞰する−基礎概念の確認−(仮題)
島谷健一郎(統数研)
統計モデルの知識に自信のない人のためのものです
12:30-14:00環境DNAメタバーコーディングにおける検出誤差を踏まえた種分布・ 多様性評価.
深谷肇一(環境研)
14:20-15:50野生動物の個体数推定と統計モデル−最尤推定とベイズ推定− 1.
山村光司(農環研)
16:10-17:40力学系と非線形時系列解析の基礎と応用.
阿部真人(理研)
17:50-研究紹介小プリゼン 萩原広道(京都大人間環境)、髙野(竹中)宏平(長野県環境保全研)、大久保祐作(北海道大環境科学)、大竹裕里恵,(東京大総合文化)、二村凌(北海道大環境)、城田慎一郎(理研)、下村真生 (明治大先端数理) 、ほか

《 9月4日(水)》
10:00-11:30野生動物の個体数推定と統計モデル−最尤推定とベイズ推定− 2.
山村光司(農環研)
12:30-14:00空間構造を持つ個体群の統計モデリング.
深澤圭太(環境研)
14:20-15:20統計モデリングとデータ駆動型科学のはざまで: 魚群行動・創薬・材料科学を例に.
寺山慧(理研)
15:40-16:40隠れマルコフモデルを用いて加速度データから動物の行動を分類.
山本誉士(統数研)

【参考文献】
◇深谷肇一氏の話題
高原輝彦ほか(2016)環境DNA分析の手法開発の現状 〜淡水域の研究事例を中心にして〜. 日本生態学会誌 66:583-599.
山中裕樹ほか(2016)環境DNA分析の野外調査への展開. 日本生態学会誌 66:600-611.
Iknayan, K. J. et al. (2014) Detecting diversity: emerging methods to estimate species diversity. Trends in Ecology and Evolution 29:97-106.
Kéry, M. and M. Schaub (2016) BUGSで学ぶ階層モデリング入門 −個体群のベイズ解析− . 飯島勇人, 伊東宏樹, 深谷肇一, 正木隆訳. (原著: M. Kéry and M. Schaub (2012) Bayesian Population Analysis using WinBUGS: a hierarchical perspective. Academic Press.)共立出版.
◇山村光司氏の話題
山村光司 (2016) 状態空間モデルによる昆虫個体数変動の解析における諸問題. 日本生態学会誌, 66:339-350
山村光司 (2018) ベイズ推定法の適切な活用について−エゾシカ個体数推定の例 −. 保全生態学研究, 23:39-56
山村光司 (2009) 一般化線型モデルとモデル選択 -統計解析の新しい流れ-. 植物防疫, 63: 324–329.
◇阿部真人氏の話題
中山, 阿部, 岡村 (2015)Convergent cross mappingの紹介 : 生態学における時系列間の因果関係推定法
Chang, Ushio, Hsieh (2017)Empirical dynamic modeling for beginners
◇深澤圭太氏の話題
Nakashima, Y., Fukasawa, K., Samejima, H. (animal density without individual recognition using information derivable exclusively from camera traps. Journal of Applied Ecology 55: 735-744.
◇寺山慧氏の話題
寺山慧Webページ
複数の魚をトラッキングする手法.
K. Terayama*, H. Habe and M. Sakagami, “Multiple Fish Tracking with an NACA Airfoil Model for Collective Behavior Analysis,” IPSJ Transactions on Computer Vision and Applications, Vol.8, No.4, pp.1-7 (2016).
多腕バンディットの手法をMDシミュレーションに応用した論文.
K. Terayama*, H. Iwata, M. Araki, Y. Okuno, and K. Tsuda*, "Machine Learning Accelerates MD-based Binding Pose Prediction between Ligands and Proteins," Bioinformatics, Vol.34, Issue 5, pp.770-778, 2018. [DOI: 10.1093/bioinformatics/btx638]
◇山本誉士の話題
和合肇編著「ベイズ計量経済分析−マルコフ連鎖モンテカルロ法とその応用」6章. 東洋経済新報社.