論文の概要: A Novel GDP Prediction Technique based on Transfer Learning using CO2 Emission Dataset

• arxiv url: http://arxiv.org/abs/2005.02856v1
• Date: Sat, 2 May 2020 15:30:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 12:59:53.080995
• Title: A Novel GDP Prediction Technique based on Transfer Learning using CO2 Emission Dataset
• Title（参考訳）: CO2エミッションデータセットを用いたトランスファー学習に基づく新しいGDP予測手法
• Authors: Sandeep Kumar and Pranab K. Muhuri
• Abstract要約: 最も繁栄している州は、温室効果ガス(特にCO2)の放出量が最も高い州である。 本稿では、GDP予測のためのドメイン適応トランスファーラーニングと呼ばれる、新しいトランスファーラーニングに基づくGDP予測手法について報告する。 その結果, 一般化回帰ニューラルネットワーク, エクストリーム学習マシン, サポートベクトル回帰の3つのよく知られた回帰手法について比較検討した。
• 参考スコア（独自算出の注目度）: 11.719414585804014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the last 150 years, CO2 concentration in the atmosphere has increased from 280 parts per million to 400 parts per million. This has caused an increase in the average global temperatures by nearly 0.7 degree centigrade due to the greenhouse effect. However, the most prosperous states are the highest emitters of greenhouse gases (specially, CO2). This indicates a strong relationship between gaseous emissions and the gross domestic product (GDP) of the states. Such a relationship is highly volatile and nonlinear due to its dependence on the technological advancements and constantly changing domestic and international regulatory policies and relations. To analyse such vastly nonlinear relationships, soft computing techniques has been quite effective as they can predict a compact solution for multi-variable parameters without any explicit insight into the internal system functionalities. This paper reports a novel transfer learning based approach for GDP prediction, which we have termed as Domain Adapted Transfer Learning for GDP Prediction. In the proposed approach per capita GDP of different nations is predicted using their CO2 emissions via a model trained on the data of any developed or developing economy. Results are comparatively presented considering three well-known regression methods such as Generalized Regression Neural Network, Extreme Learning Machine and Support Vector Regression. Then the proposed approach is used to reliably estimate the missing per capita GDP of some of the war-torn and isolated countries.
• Abstract（参考訳）: 過去150年間で、大気中のCO2濃度は280ppmから400ppmに増加した。 これにより、温室効果により、世界平均気温が0.7度近く上昇した。 しかし、最も繁栄している州は温室効果ガス(特にco2)の放出源である。 これは、州のガス排出と国内総生産(GDP)との強い関係を示している。 このような関係は、技術的進歩に依存し、国内外の規制政策や関係を常に変化させるため、非常に不安定で非線形である。 このような非常に非線形な関係を解析するために、ソフトコンピューティング技術は、内部システム機能に関する明確な洞察なしに、多変数パラメータのコンパクトな解を予測できるため、非常に効果的である。 本稿では、GDP予測のためのドメイン適応トランスファー学習と呼ばれる、GDP予測のための新しいトランスファー学習アプローチについて報告する。 各国の国民一人当たりのGDPは、開発または発展途上国のデータに基づいて訓練されたモデルを通じて、CO2排出量を用いて予測される。 その結果, 一般化回帰ニューラルネットワーク, エクストリーム学習マシン, サポートベクトル回帰の3つのよく知られた回帰手法について比較検討した。 次に、提案手法を用いて、戦国・孤立国の一部の国民一人当たりGDPの不足を確実に推定する。

関連論文リスト

• UFLUX v2.0: A Process-Informed Machine Learning Framework for Efficient and Explainable Modelling of Terrestrial Carbon Uptake [6.997941838401121]
  光合成によって固定された炭素植物の量であるGrossプライマリ生産性は、グローバルな炭素循環と生態系の機能を理解する上で重要な要素である。 生態学的プロセスの知識に基づいて構築されたプロセスベースのモデルは、それらの仮定と近似から生じるバイアスに影響を受けやすい。 本研究では、最先端の生態知識と高度な機械学習技術を統合するプロセスインフォームドモデルであるUFLUX v2.0を提案する。
  論文  参考訳（メタデータ） (2024-10-04T22:28:30Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• A Comprehensive Approach to Carbon Dioxide Emission Analysis in High Human Development Index Countries using Statistical and Machine Learning Techniques [4.106914713812204]
  世界規模の二酸化炭素排出量を効果的に削減するためには、二酸化炭素排出量の傾向を予測し、その排出量パターンに基づいて国を分類することが不可欠だ」と述べた。 本稿では,HDI(Human Development Index)を有する20カ国におけるCO2排出量の決定要因について,25年間にわたる経済,環境,エネルギー利用,再生可能資源に関連する要因について,詳細な比較研究を行った。
  論文  参考訳（メタデータ） (2024-05-01T21:00:02Z)
• Dynamic nowcast of the New Zealand greenhouse gas inventory [0.0]
  ニュージーランドの国内排ガス在庫は、現在15～27カ月前に報告されている。 本稿では,ニュージーランドの温室効果ガス排出量を現在(動的に見積もる)機械学習手法を提案する。 主な発見は、2020年以来の国内総排出量の0.2%減少である。
  論文  参考訳（メタデータ） (2024-02-16T22:19:43Z)
• TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression [109.69084997173196]
  奥行き回帰は、予測分布の平均と共分散を負の対数類似度を用いて共同最適化する。 近年の研究では, 共分散推定に伴う課題により, 準最適収束が生じる可能性が示唆されている。 1)予測共分散は予測平均のランダム性を真に捉えているか? その結果, TICは共分散を正確に学習するだけでなく, 負の対数類似性の収束性の向上も促進することがわかった。
  論文  参考訳（メタデータ） (2023-10-29T09:54:03Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Approximate Bayesian inference and forecasting in huge-dimensional multi-country VARs [0.0]
  パネルベクトル自動回帰モデルは、マクロ経済予測と構造分析のための一般的なツールです。 非常に柔軟な方法で国間の流出を可能にします。 推定されるパラメータの数は、過度なパラメータ化の懸念につながる可能性がある。
  論文  参考訳（メタデータ） (2021-03-08T18:02:59Z)
• Panel semiparametric quantile regression neural network for electricity consumption forecasting [0.0]
  中国は、改革と開放の長期的な深化の中で、電力産業で大きな成果を上げている。 複雑な地域経済・社会・自然条件では、電力資源は均等に分配されず、中国の一部の地域では電気不足の原因となっている。 人工ニューラルネットワークと半パラメトリック量子回帰を利用したパネル半パラメトリック量子回帰ニューラルネットワーク(PSQRNN)を提案する。
  論文  参考訳（メタデータ） (2021-03-01T02:47:26Z)
• When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
  新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。 さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。 本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-13T18:21:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。