論文の概要: Estimating action plans for smart poultry houses
- arxiv url: http://arxiv.org/abs/2008.07356v1
- Date: Mon, 17 Aug 2020 14:28:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 04:18:24.763764
- Title: Estimating action plans for smart poultry houses
- Title(参考訳): スマートハウスにおける行動計画の推定
- Authors: Darlan Felipe Klotz and Richardson Ribeiro and Fabr\'icio Enembreck
and Gustavo Denardin and Marco Barbosa and Dalcimar Casanova and Marcelo
Teixeira
- Abstract要約: 養殖における周期的(t)行動計画の体系的選択、更新、実施は、飼料転換率(FCR[t])を定義する。
深層学習と遺伝的アルゴリズムの手法を組み合わせることで、これまでのよく成功した計画に基づいて、アクションプランが時間とともにパフォーマンスをどのように適応できるかを示す。
- 参考スコア(独自算出の注目度): 2.6828596575200065
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In poultry farming, the systematic choice, update, and implementation of
periodic (t) action plans define the feed conversion rate (FCR[t]), which is an
acceptable measure for successful production. Appropriate action plans provide
tailored resources for broilers, allowing them to grow within the so-called
thermal comfort zone, without wast or lack of resources. Although the
implementation of an action plan is automatic, its configuration depends on the
knowledge of the specialist, tending to be inefficient and error-prone, besides
to result in different FCR[t] for each poultry house. In this article, we claim
that the specialist's perception can be reproduced, to some extent, by
computational intelligence. By combining deep learning and genetic algorithm
techniques, we show how action plans can adapt their performance over the time,
based on previous well succeeded plans. We also implement a distributed network
infrastructure that allows to replicate our method over distributed poultry
houses, for their smart, interconnected, and adaptive control. A supervision
system is provided as interface to users. Experiments conducted over real data
show that our method improves 5% on the performance of the most productive
specialist, staying very close to the optimal FCR[t].
- Abstract(参考訳): 養鶏栽培において、周期的(t)行動計画の体系的な選択、更新、実施は、生産成功のための許容可能な指標である飼料転換率(fcr[t])を定義する。
適切なアクションプランはブロイラーに調整された資源を提供し、無駄や資源の欠如なしに、いわゆる熱快適ゾーン内で成長できる。
アクションプランの実装は自動的であるが、その構成は専門家の知識に依存し、効率が悪くエラーを起こしやすい傾向にあり、その結果、養鶏家ごとに異なるFCR[t]が生じる。
本稿では,コンピュータ・インテリジェンスによって,専門家の知覚をある程度再現できると主張している。
深層学習と遺伝的アルゴリズムの手法を組み合わせることで、これまでのよく成功した計画に基づいて、アクションプランが時間とともにパフォーマンスをどのように適応できるかを示す。
また,この手法を分散poultry house上で再現して,スマートで相互接続された適応制御を実現する分散ネットワークインフラストラクチャを実装した。
ユーザへのインターフェースとして監視システムを提供する。
実データを用いた実験により,本手法は最適FCR[t]に非常に近づき,最も生産性の高いスペシャリストのパフォーマンスを5%向上することが示された。
関連論文リスト
- On Sequential Fault-Intolerant Process Planning [60.66853798340345]
我々は、逐次的フォールトトレラントプロセス計画(SFIPP)と呼ばれる計画問題を提案し、研究する。
SFIPPは、全ての段階が成功する場合にのみ計画が成功すると判断される多くの連続した多段階決定問題に共通する報酬構造をキャプチャする。
私たちは、異なるアクションを選択して、それぞれのステージで成功の確率を未知にする必要がある設定のために、確実に厳密なオンラインアルゴリズムを設計します。
論文 参考訳(メタデータ) (2025-02-07T15:20:35Z) - Automating High Quality RT Planning at Scale [4.660056689223253]
高品質な処理計画を生成するスケーラブルなソリューションであるAIRTP(Automated Iterative RT Planning)システムを紹介した。
当社のAIRTPパイプラインは,OAR(Organ-at-risk Contouring),ヘルパー構造生成,ビーム設定,最適化,計画品質改善など,臨床ガイドラインに準拠し,重要なステップを自動化します。
計画品質の比較分析により、自動パイプラインが手作業で生成されたものと同等の品質の処理計画を生成することが明らかになった。
論文 参考訳(メタデータ) (2025-01-21T00:44:18Z) - Hindsight Planner: A Closed-Loop Few-Shot Planner for Embodied Instruction Following [62.10809033451526]
本研究は,Large Language Models (LLM) を用いた Embodied Instruction following (EIF) タスクプランナの構築に焦点をあてる。
我々は,このタスクを部分観測可能なマルコフ決定プロセス (POMDP) として構成し,数発の仮定で頑健なプランナーの開発を目指す。
ALFREDデータセットに対する我々の実験は、プランナーが数ショットの仮定で競争性能を達成することを示す。
論文 参考訳(メタデータ) (2024-12-27T10:05:45Z) - Learning Logic Specifications for Policy Guidance in POMDPs: an
Inductive Logic Programming Approach [57.788675205519986]
我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。
我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。
ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
論文 参考訳(メタデータ) (2024-02-29T15:36:01Z) - Simple Hierarchical Planning with Diffusion [54.48129192534653]
拡散に基づく生成法は、オフラインデータセットによる軌跡のモデリングに有効であることが証明されている。
階層型および拡散型プランニングの利点を組み合わせた高速かつ驚くほど効果的な計画手法である階層型ディフューザを導入する。
我々のモデルは、より高いレベルで「ジャンピー」な計画戦略を採用しており、より大きな受容場を持つことができるが、計算コストは低い。
論文 参考訳(メタデータ) (2024-01-05T05:28:40Z) - AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。
本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。
幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
論文 参考訳(メタデータ) (2023-05-26T05:52:27Z) - Achieving mouse-level strategic evasion performance using real-time
computational planning [59.60094442546867]
計画とは、脳が想像し、予測可能な未来を成立させる特別な能力である。
我々は,動物の生態が空間計画の価値をどのように支配するかという研究に基づいて,より効率的な生物学的に着想を得た計画アルゴリズムであるTLPPOを開発した。
TLPPOを用いたリアルタイムエージェントの性能とライブマウスの性能を比較し,ロボット捕食者を避けることを課題とする。
論文 参考訳(メタデータ) (2022-11-04T18:34:36Z) - Adaptive Selection of Informative Path Planning Strategies via
Reinforcement Learning [6.015556590955814]
ローカルプランニング」アプローチでは,次回のサンプリング場所の優先順位が予測性能や帰路距離に与える影響を調査するために,様々な空間範囲が採用されている。
温度モニタリングロボットの使用事例実験により、プランナーの動的混合物は高度な情報プランを生成できるだけでなく、予測信頼性を犠牲にすることなく、大幅に距離を縮めることができることが示された。
論文 参考訳(メタデータ) (2021-08-14T21:32:33Z) - RAPTOR: End-to-end Risk-Aware MDP Planning and Policy Learning by
Backpropagation [12.600828753197204]
PyTorch (RAP) を用いたリスクアウェアプランニング(リスクアウェアプランニング)を導入する。
本研究では, 非線形ナビゲーション, HVAC制御, 線形貯水池制御を含む3つの高次要素について, これら2種類のRAPTORを評価し, 比較した。
論文 参考訳(メタデータ) (2021-06-14T09:27:19Z) - Online Bayesian Goal Inference for Boundedly-Rational Planning Agents [46.60073262357339]
本稿では,行動の最適シーケンスと非最適シーケンスの両方からエージェントの目標をオンラインで推測できるアーキテクチャを提案する。
我々のアーキテクチャモデルは、リプランニングによって検索と実行をインターリーブする有界な有界プランナーとして機能する。
我々は,これらのモデルのオンライン再計画仮定を利用するシーケンシャルモンテカルロアルゴリズムであるシーケンシャル逆計画探索(SIPS)を開発した。
論文 参考訳(メタデータ) (2020-06-13T01:48:10Z)
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。