論文の概要: Food safety risk prediction with Deep Learning models using categorical embeddings on European Union data

• arxiv url: http://arxiv.org/abs/2009.06704v1
• Date: Mon, 14 Sep 2020 19:36:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 11:23:15.988547
• Title: Food safety risk prediction with Deep Learning models using categorical embeddings on European Union data
• Title（参考訳）: euデータへのカテゴリ埋め込みを用いた深層学習モデルによる食品安全リスク予測
• Authors: Alberto Nogales, Rodrigo D\'iaz Mor\'on, \'Alvaro J. Garc\'ia-Tejedor
• Abstract要約: 欧州連合(EU)は1977年に、国境を越えた監視を確保するため、取引された商品に関する不規則事項を登録し始めた。 食品問題に関連するデータは、将来の通知のいくつかの機能を予測するために、機械学習技術によって取り除かれ分析された。 その結果,74.08%から93.06%の精度でこれらの特徴を予測できることがわかった。
• 参考スコア（独自算出の注目度）: 1.4502611532302039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The world is becoming more globalized every day and people can buy products from almost every country in the world in their local stores. Given the different food and feed safety laws from country to country, the European Union began to register in 1977 all irregularities related to traded products to ensure cross-border monitoring of information and a quick reaction when risks to public health are detected in the food chain. This information has also an enormous potential as a preventive tool, in order to warn actors involved in food safety and optimize their resources. In this paper, a set of data related to food issues was scraped and analysed with Machine Learning techniques to predict some features of future notifications, so that pre-emptive measures can be taken. The novelty of the work relies on two points: the use of categorical embeddings with Deep Learning models (Multilayer Perceptron and 1-Dimension Convolutional Neural Networks) and its application to solve the problem of predicting food issues in the European Union. The models allow several features to be predicted: product category, hazard category and finally the proper action to be taken. Results show that the system can predict these features with an accuracy ranging from 74.08% to 93.06%.
• Abstract（参考訳）: 世界は日々グローバル化しており、人々は世界中のほぼすべての国の製品を地元の店で購入することができる。 国ごとに異なる食品および飼料の安全法を考えると、1977年に欧州連合は、貿易商品に関するすべての不規則を登録し、食品連鎖で公衆衛生へのリスクが検出された場合に、情報と迅速な反応の相互監視を確実にした。 この情報はまた、食品安全に関わる関係者に警告し、資源を最適化するために、予防ツールとして大きな可能性を秘めている。 本稿では,食品問題に関する一連のデータをスクレイプし,機械学習技術を用いて分析し,今後の通知機能を予測することにより,先制措置がとれるようにした。 この研究の斬新さは、Deep Learningモデル(多層パーセプトロンと1次元畳み込みニューラルネットワーク)による分類的埋め込みの使用と、欧州連合における食品問題を予測するためのその応用の2点に依拠している。 モデルでは、製品カテゴリ、ハザードカテゴリ、最終的に適切なアクションなど、いくつかの機能を予測できる。 その結果,74.08%から93.06%の精度でこれらの特徴を予測できることがわかった。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• From Bytes to Bites: Using Country Specific Machine Learning Models to Predict Famine [0.0]
  本研究では、飢餓と飢餓の危機に関する意思決定を予測し、伝達するために機械学習をどのように利用できるかを検討する。 経済指標は一貫して平均的な家庭栄養の最も重要な予測要因であった。
  論文  参考訳（メタデータ） (2024-09-16T04:23:06Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• NourishNet: Proactive Severity State Forecasting of Food Commodity Prices for Global Warning Systems [0.0]
  世界的な食品商品の価格変動は、食品市場の破壊の可能性を示す重要なシグナルである。 FAOは以前、食品価格の積極的な予測のための洗練された統計フレームワークを開発した。 本研究は,堅牢な価格セキュリティ指標と最先端のディープラーニング(DL)手法を統合することにより,これらの基盤の上に構築されている。
  論文  参考訳（メタデータ） (2024-06-30T13:43:26Z)
• Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
  我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。 さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。 実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-16T03:10:16Z)
• Forecasting trends in food security with real time data [0.0]
  我々は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測する定量的手法を提案する。 この手法は、World Food Programmeのグローバルな飢餓モニタリングシステムから入手可能なデータに基づいて構築されている。
  論文  参考訳（メタデータ） (2023-12-01T14:42:37Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• TWEET-FID: An Annotated Dataset for Multiple Foodborne Illness Detection Tasks [14.523433519237607]
  食中毒は深刻なが予防可能な公衆衛生上の問題である。 効果的なアウトブレイク検出モデルを開発するためにラベル付きデータセットが不足している。 TWEET-FIDは、食品性疾患検出タスクのための、初めて公開された注釈付きデータセットである。
  論文  参考訳（メタデータ） (2022-05-22T03:47:18Z)
• Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
  本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。 データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
  論文  参考訳（メタデータ） (2022-05-20T21:15:26Z)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)
• Multi-Source Deep Domain Adaptation for Quality Control in Retail Food Packaging [8.640786765448132]
  マルチソース深層学習に基づくドメイン適応システムを提案する。 提案システムは実験で非常によく機能した。
  論文  参考訳（メタデータ） (2020-01-28T14:16:58Z)

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。