Search

Publisher Copyright: Copyright © 2022 The Authors, some rights reserved. Primates, represented by 521 species, are distributed across 91 countries primarily in the Neotropic, Afrotropic, and Indo-Malayan realms. Primates inhabit a wide range of habitats and play critical roles in sustaining healthy ecosystems that benefit human and nonhuman communities. Approximately 68% of primate species are threatened with extinction because of global pressures to convert their habitats for agricultural production and the extraction of natural resources. Here, we review the scientific literature and conduct a spatial analysis to assess the significance of Indigenous Peoples' lands in safeguarding primate biodiversity. We found that Indigenous Peoples' lands account for 30% of the primate range, and 71% of primate species inhabit these lands. As their range on these lands increases, primate species are less likely to be classified as threatened or have declining populations. Safeguarding Indigenous Peoples' lands, languages, and cultures represents our greatest chance to prevent the extinction of the world's primates.

A major challenge in ecology and evolution is to disentangle the mechanisms driving broad-scale variations in biological traits such as body size, colour, thermal physiology, and behaviour. Climate has long been thought to drive trait evolution and abiotic filtering of variation in organisms such as ectotherms, because their thermal performance and fitness are closely related to environmental conditions. However, previous studies investigating climatic variables associated to functional trait variation lacked a mechanistic description of the underpinning processes. Here, we use a mechanistic model to predict how climate affects thermal performance of ectotherms and thereby the direction and strength of the effect of selection on different functional traits. We show that climate drives macroevolutionary patterns in body size, cold tolerance, and preferred body temperatures among lizards, and that trait variation is more constrained in regions where selection is predicted to be stronger. These findings provide a mechanistic explanation for the hypothesis that climate drives trait variations in ectotherms through its effect on thermal performance. By connecting physical, physiological, and macroevolutionary principles, the model and results provide an integrative, mechanistic framework for predicting organismal responses to both present and future climate variations.

Dentro da área de pesquisa chamada de Music Information Retrieval (MIR, ou Recuperação de Informações Musicais), uma tarefa que vem recebendo bastante atenção é a que tenta realizar a transcrição automática dos acordes musicais. Na prática, esta tarefa se traduz no desenvolvimento de softwares capazes de analisar arquivos de canções (MP3, WAV, etc.) e extrair deles as suas grades de acordes. A tarefa é complexa e envolve várias subtarefas, algumas delas com propostas de soluções bem fundamentadas e relativamente bem sucedidas no estado da arte. Para atuar na execução desta tarefa, as propostas de soluções em estado da arte não têm considerado algumas informações musicais relevantes. Entre elas, podemos citar as sequências recorrentes ou típicas de acordes comumente encontradas na música ocidental (IIm-V-I, I-IVm-IIm-V7, etc.), e a presença de estruturas cíclicas como refrães e estrofes. O conhecimento destas informações de caráter preditivo poderia facilitar a execução da tarefa de transcrição de acordes na medida em que ajudaria a prevê-los. No entanto, a utilização de informação preditiva nesta tarefa de classificação envolve diversas incertezas. Nesta tese, a questão de pesquisa central a ser respondida é se o conhecimento e uso deste tipo de informação musical preditiva pode melhorar, de fato, o desempenho de um processo de transcrição de acordes. Para tanto, também seria preciso propor um meio de como adquirir este tipo de conhecimento e de como incorporá-lo na transcrição. A resposta a estes últimos pontos baseou-se em um caminho agregador capaz de aproveitar os resultados das melhores propostas de soluções, pós-processando seus resultados para melhorá-los com o uso de informação preditiva. Nos testes realizados, através do uso de uma rede neural do tipo MLP devidamente treinada, foi demonstrado que é possível incorporar o conhecimento relacionado com este tipo de informação musical preditiva para melhorar o desempenho dos sistemas de transcrição de acordes. Nossa proposta indica que estas informações musicais, de fato, são relevantes e podem melhorar a transcrição de acordes. In the domain of Music Information Retrieval (MIR), one of the tasks which have been receiving attention is the automatic transcription of musical chords. In practice, this task consists in developing software capable of analyzing song files (MP3, WAV , etc.) and drawing from them their chord grids. The task is complex and it involves several subtasks. Some well-founded and relatively well succeeded solutions have been proposed in the state of the art. To act in this task, the proposed solutions in state of the art have not considered some relevant music information. Among them, we can mention the typical chord sequences commonly found in western song (IIm-VI, I-IVm-IIm-V7, etc.), and the presence of cyclic structures like choruses and verses. In both cases, knowledge of this information usually could facilite the execution of the chord transcription task. However, the use of this predictive information on this classification task involves several uncertainties. In this thesis, the central question to be assessed is whether the knowledge and use of such information can improve the performance of a chord transcription process. Therefore, it would also be necessary to propose a way of how a system might acquire this knowledge. The answer to these questions, instead of relying on a new method that treats the process of transcription in all its complexities, was based on an aggregator way able to take advantage of the best results of proposed solutions, postprocessing their transcripts of chords and trying to improve them with the use of this kind of information. In the tests performed, through the use of a properly trained neural network MLP type, it was demonstrated that it is possible to incorporate knowledge related to this type of musical information to improve the performance of the chord transcription systems. Our proposal indicates that these musical information, in fact, are relevant and may improve the transcription of chords.

Motivados pela demanda do mercado de software musical, bem como pelo interesse científico envolvido no problema de previsão de séries temporais [Weigend, 1993], desenvolvemos um ambiente capaz de realizar previsões de acordes de canções de Jazz em tempo real. Nós propusemos uma arquitetura híbrida original que tem como base uma rede neural MLP-backpropagation atuando de forma concorrente com um rastreador de seqüências repetidas de acordes. A rede neural faz um aprendizado prévio a partir de diversos exemplos de canções, extraindo os padrões curtos de seqüências de acordes típicas. O sistema rastreador funciona capturando em tempo real as repetições (refrões, estrofes, etc.) dentro de uma dada canção, as quais escapariam à rede neural. Trata-se da problemática geral de aprendizado a priori versus aprendizado situado, em tempo real. Com a arquitetura híbrida proposta e uma representação rica do acorde musical, obtivemos resultados muito acima dos registrados na literatura dedicada ao problema