ПРИМЕНЕНИЕ ГЛУБОКОГО ОБУЧЕНИЯ НА НЕЙРОННЫХ СЕТЯХ В ЛЕСНОЙ ЭКОЛОГИИ 4. МЕТОДЫ И ПРАКТИЧЕСКИЕ РЕАЛИЗАЦИИ
Сибирский лесной журнал · 27.02.2026 · (1) · 3-33
DOI: 10.15372/sjfs20260101 ↗Kurz gefasst
Fachartikel in der Zeitschrift Сибирский лесной журнал, erschienen am 27.02.2026. Verfasst von В.А. УСОЛЬЦЕВ und 1 weiteren Autor:innen.
Abstract (Originalsprache)
В последние десятилетия в различных областях науки наблюдается быстрый рост применения инструментов, связанных с глубоким машинным обучением на искусственных нейронных сетях. Глубокие нейронные сети различаются по своей архитектуре, например в сверточной нейронной сети разные слои могут использовать ядра свертки для извлечения ключевых объектов из изображения и объединения слоев в пул для обобщения этих объектов. Рекуррентные нейронные сети обрабатывают последовательные ряды данных и сохраняют память о прошлых показателях, возвращая выходные данные слоя обратно в этот же слой. Обучение нейронной сети сводится к оптимизации веса соединений в сети с целью минимизировать ошибку прогнозирования. У глубокого обучения есть потенциал в использовании информации, скрытой в больших массивах данных с тем, чтобы по-новому ответить на сложные экологические вопросы. Большие объемы информации состоят из изображений, аудио, видео или неструктурированных текстов, которые сложно анализировать традиционными статистическими методами. При экспоненциальном росте публикаций, посвященных методам и результатам применения глубокого обучения на нейронных сетях в разных областях знаний, в представленном обзоре предпринята попытка анализа некоторых его применений в области лесной экологии. В частности, приведены результаты использования искусственных нейронных сетей для решения некоторых задач лесного хозяйства России при сопряжении разнородных исходных данных для оценки фитомассы лесов, при картировании и прогнозировании динамики лесного покрова, при идентификации корней растений на миниризотронных изображениях. В заключительном разделе описаны некоторые достижения, проблемы и неопределенности глубокого машинного обучения в экосистемной экологии. In recent decades, there has been a rapid increase in the use of deep machine learning tools based on artificial neural networks in various fields of science. Deep neural networks vary in their architecture, for example, in a convolutional neural network, different layers can use convolutional kernels to extract key features from an image and pool the layers to generalize these features. Recurrent neural networks process sequential data series and retain memory of past data by returning the output of a layer back to the same layer. Training a neural network involves optimizing the weights of connections in the network to minimize the prediction error. Deep learning has the potential to leverage information hidden in large datasets to provide innovative solutions to complex environmental challenges. Big data consists of images, audio, videos, or unstructured text, which can be challenging to analyze using traditional statistical methods. With an exponential increase in publications on the methods and results of deep learning on neural networks in various fields of knowledge, this review attempts to analyze some of its applications in the field of forest ecology. In particular, it presents the results of using artificial neural networks to solve certain problems in Russian forestry, such as combining heterogeneous data to estimate forest phytomass, mapping and predicting forest cover dynamics, and identifying plant roots in minirizotron images. The final section describes some of the achievements, challenges, and uncertainties of deep machine learning in ecosystem ecology.
Zitieren
APA
УСОЛЬЦЕВ, В., & ЧАСОВСКИХ, В. (2026). ПРИМЕНЕНИЕ ГЛУБОКОГО ОБУЧЕНИЯ НА НЕЙРОННЫХ СЕТЯХ В ЛЕСНОЙ ЭКОЛОГИИ 4. МЕТОДЫ И ПРАКТИЧЕСКИЕ РЕАЛИЗАЦИИ. Сибирский лесной журнал, 3-33. https://doi.org/10.15372/sjfs20260101
Vancouver
УСОЛЬЦЕВ В, ЧАСОВСКИХ В. ПРИМЕНЕНИЕ ГЛУБОКОГО ОБУЧЕНИЯ НА НЕЙРОННЫХ СЕТЯХ В ЛЕСНОЙ ЭКОЛОГИИ 4. МЕТОДЫ И ПРАКТИЧЕСКИЕ РЕАЛИЗАЦИИ. Сибирский лесной журнал. 2026:3-33. doi:10.15372/sjfs20260101
BibTeX
@article{2026,
author = {УСОЛЬЦЕВ, В.А. and ЧАСОВСКИХ, В.П.},
title = {ПРИМЕНЕНИЕ ГЛУБОКОГО ОБУЧЕНИЯ НА НЕЙРОННЫХ СЕТЯХ В ЛЕСНОЙ ЭКОЛОГИИ 4. МЕТОДЫ И ПРАКТИЧЕСКИЕ РЕАЛИЗАЦИИ},
journal = {Сибирский лесной журнал},
year = {2026},
number = {1},
pages = {3--33},
doi = {10.15372/sjfs20260101}
}
EUVIMED