🔨🙊📵

bbc官网

ifbb官网

italkbb官网

瑞士铁路sbb官网

瑞士abb官网

瑞士SBB官网

bb官网旗舰店

bb官网开奖

bilibili官网入口

biubiu官网

bb官网

论文第一作者兼通讯作者、美国科罗拉多州立大学Michael A. Pardo和同事及合作者一起，利用机器学习方法分析了1986至2022年肯尼亚安波塞利国家公园，以及桑布鲁和水牛泉国家保护区的野生非洲雌象-后代群组的469次呼叫(“隆隆声”)录音。该机器学习模型能准确识别这些叫声中27.5%的被叫对象，这个比例比让模型听对照音频时的识别率更高。论文作者分析认为，象或许会用具有个体特异性的叫声呼唤对方，而不是通过模仿被叫对象发出的声音。