Johanna Ärje

ORCID-linkki: https://orcid.org/0000-0003-0710-9044

Ei aktiivista nimitystä

Aiemmat tai muut työsuhteet

Johanna Ärje, Matematiikan ja tilastotieteen laitos (Jyväskylän yliopisto), Vieraileva tutkija

Tutkimuskuvaus

Vesistöissä elävien pohjaeläinten populaatioita seuraamalla voidaan arvioida vesistöjen ekologista tilaa ja tarvetta korjaustoimille. Näytteiden tunnistaminen on kallista, minkä vuoksi tutkimuksessa on kehitetty koneellista tunnistamismenetelmää. Lisäksi tutkitaan, kuinka paljon epävarmuutta ekologisiin tila-arvioihin sisältyy

Hankkeet, joissa on hanketiimin jäsen

Kehittyneiden laskenta- ja tilastomenetelmien soveltaminen biologiseen seurantaan ja ekosysteemipalvelujen hallintaan
- - Kärkkäinen, Salme
- Suomen Akatemia
01.09.2015-31.08.2018

Julkaisut

Automatic image‐based identification and biomass estimation of invertebrates (2020) Ärje, Johanna; et al.; A1; OA
Human experts vs. machines in taxa recognition (2020) Ärje, Johanna; et al.; A1; OA
Empirical Bayes improves assessments of diversity and similarity when overdispersion prevails in taxonomic counts with no covariates (2019) Divino, Fabio; et al.; A1
Benchmark Database for Fine-Grained Image Classification of Benthic Macroinvertebrates (2018) Raitoharju, Jenni; et al.; A1; OA
The effect of automated taxa identification errors on biological indices (2017) Ärje, Johanna; et al.; A1; OA
Dynamics and temporal changes in suspended sediment transport in northern Finland: transport of very fine particulate matter (2016) Marttila, Hannu; et al.; A1; OA
Improving statistical classification methods and ecological status assessment for river macroinvertebrates (2016) Ärje, Johanna; G5; OA
Understanding the statistical properties of the percent model affinity index can improve biomonitoring related decision making (2016) Ärje, Johanna; et al.; A1
Evaluating the performance of artificial neural networks for the classification of freshwater benthic macroinvertebrates (2014) Joutsijoki, Henry; et al.; A1
Breaking the curse of dimensionality in QDA models with a novel variant of a Bayes classifier enhances automated taxa identification of freshwater macroinvertebrates (2013) Ärje, Johanna; et al.; A1
Classification and retrieval on macroinvertabrate image databases (2011) Kiranyaz, Serkan; et al.; A1
Tieto- ja viestintätekniikan merkitys ja käyttömahdollisuudet koulun arjessa. (2011) Kankaanranta, Marja; et al.; B2
Statistical classification and proportion estimation - an application to a macroinvertebrate image database (2010) Ärje, Johanna; et al.; A4
Yliopistojen tutkintokoulutuksen ja tutkimuksen rahoitus ja tulokset vuosina 2000-2004 ja 2005-2009 (2010) Neittaanmäki, Pekka; et al.; D4