CONICET | Buscador de Institutos y Recursos Humanos

El empleo de diferentes técnicas de aprendizaje automático permite automatizar la clasificación de registros electrónicos de movimiento (i.e. aceleración) de comportamientos específicos. En el presente trabajo se evaluó la performance de una técnica particular (i.e. Máquinas de Vectores Soporte, SVMs por sus siglas en inglés) en la clasificación de registros de aceleración de dos comportamientos de importancia ecológica del Cormorán Imperial (Phalacrocorax atriceps): la búsqueda y captura de presas. Para esto, 11 individuos adultos fueron equipados con una cámara de video sumergible, un acelerómetro en la cabeza (25 Hz) y un acelerómetro en el cuerpo (25 Hz). Cada archivo de video fue sincronizado con ambos archivos de aceleración. A partir de los videos se identificaron los comportamientos de captura y búsqueda y se le asignó a cada comportamiento el perfil de aceleración correspondiente. Luego, se calculó una serie de atributos utilizando una ventana temporal móvil de 1 s salvo para la frecuencia para la cual se utilizó una ventana móvil de 2 s. En todos los casos, se utilizó un desplazamiento de una muestra (0,04 s). Cada SVM binario se corrió utilizando como set de entrenamiento los datos de 10 animales y como set de testeo los datos de 1 animal. A partir de los SVMs corridos se obtuvo, a nivel de muestra, un valor de exactitud de 0,82 (es decir el 82% de las predicciones totales fueron correctas), un valor de precisión de 0,4 (40% de los eventos identificados como capturas fueron realmente capturas) y un valor de exhaustividad de 0,76 (del total de capturas registradas un 76% fueron identificadas correctamente). Los análisis a futuro implican principalmente, evaluar la performance a nivel de evento y determinar si modificaciones en el tamaño de la ventana móvil, el desplazamiento y los atributos permiten lograr una mejor performance de clasificación de comportamientos.