🧬 biology
Statistical and machine learning inference for depletion risk assessment in a stochastic harvesting model with weak Allee effects
Deze studie evalueert de prestaties van Gaussian quasi-maximum likelihood, sparse polynomial regressie, heteroscedastische neurale netwerken en een hybride mechanistisch-neuraal model voor het schatten van stochastische oogstdynamiek met zwakke Allee-effecten, waarbij wordt vastgesteld dat hoewel quasi-maximum likelihood het meest accuraat en efficiënt is onder correcte modelspecificatie, alle methoden moeite hebben met het schatten van de zwakke Allee-parameter uit schaarse data bij lage biomassa, wat leidt tot uiteenlopende risicobeoordelingen voor visserijbeheer naarmate de visdruk de persistentiegrenzen nadert.