| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,932 |
| تعداد مقالات | 33,093 |
| تعداد مشاهده مقاله | 43,743,289 |
| تعداد دریافت فایل اصل مقاله | 20,255,304 |
چشم‌انداز هوش مصنوعی و یادگیری ماشین در علوم شیلاتی | ||
| مجله علمی شیلات ایران | ||
| دوره 34، شماره 1، فروردین و اردیبهشت 1404، صفحه 1-36 اصل مقاله (1.23 M) | ||
| شناسه دیجیتال (DOI): 10.22092/isfj.2025.133256 | ||
| نویسندگان | ||
| آذین احمدی1؛ علی حقی وایقان* 2 | ||
| 1گروه شیلات، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران | ||
| 2گروه اکولوژی و مدیریت ذخایر آبزیان، پژوهشکده آرتمیا و آبزی پروری، دانشگاه ارومیه، ارومیه، ایران، کدپستی: 57179-44514 | ||
| چکیده | ||
| یکپارچه‌سازی هوش مصنوعی و فناوری‌های نوین در علوم شیلات، تحولی اساسی در روش‌های مدیریت منابع دریایی ایجاد کرده است. در مطالعه حاضر، پیشرفت‌های اخیر در روش‌شناسی هوش مصنوعی، از جمله یادگیری عمیق و رویکردهای سنتی یادگیری ماشین و کاربردهای آنها در شناسایی ماهی، نظارت بر جمعیت، مدیریت پایدار و ارزیابی ذخایر را تحلیل کرده است. یافته‌ها نشان می‌دهد که فناوری‌های هوش مصنوعی ابزارهای قدرتمندی برای مقابله با چالش‌های پیچیده آتی در شیلات جهانی ارائه می‌دهند که از جمله می‌توان به بهبود دقت شناسایی گونه‌ها، افزایش کیفیت ارزیابی ذخایر، کاهش صید ضمنی و مبارزه با ماهیگیری غیرقانونی اشاره نمود. با این‌حال، تحقق پتانسیل کامل هوش مصنوعی در مدیریت شیلات مستلزم رفع چالش‌های موجود در دسترسی به داده‌ها، حساسیت مدل‌ها و موانع فناوری است. مطالعه حاضر، نقشه راهی برای ادغام مسئولانه فناوری‌های هوش مصنوعی در مدیریت شیلات به‌ویژه در ایران ارائه می‌دهد و هدف آن پشتیبانی از شیوه‌های مؤثرتر و پایدارتر در مواجهه با چالش‌های پیچیده زیست‌محیطی و اجتماعی-اقتصادی است. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی (AI)؛ یادگیری ماشین(ML)؛ شیلات؛ مدیریت پایدار | ||
| عنوان مقاله [English] | ||
| Perspective of artificial intelligence (AI) and machine learning (ML) in fisheries science | ||
| نویسندگان [English] | ||
| A. Ahmadi1؛ A. Haghi Vayghan2 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 40 تعداد دریافت فایل اصل مقاله: 74 |
||