論文の概要: Utilizing remote sensing data in forest inventory sampling via Bayesian optimization

• arxiv url: http://arxiv.org/abs/2009.08420v1
• Date: Thu, 17 Sep 2020 17:05:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 08:44:48.568583
• Title: Utilizing remote sensing data in forest inventory sampling via Bayesian optimization
• Title（参考訳）: ベイズ最適化による森林目録サンプリングにおけるリモートセンシングデータの利用
• Authors: Jonne Pohjankukka, Sakari Tuominen, Jukka Heikkonen
• Abstract要約: 大面積の森林在庫では、サンプリングされるデータの量とデータ収集のコストとの間のトレードオフが必要である。 本研究では,森林在庫サンプル選択におけるRSデータを用いたベイズ最適化に基づくデータサンプリング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In large-area forest inventories a trade-off between the amount of data to be sampled and the costs of collecting the data is necessary. It is not always possible to have a very large data sample when dealing with sampling-based inventories. It is therefore necessary to optimize the sampling design in order to achieve optimal population parameter estimation. On the contrary, the availability of remote sensing (RS) data correlated with the forest inventory variables is usually much higher. The combination of RS and the sampled field measurement data is often used for improving the forest inventory parameter estimation. In addition, it is also reasonable to study the utilization of RS data in inventory sampling, which can further improve the estimation of forest variables. In this study, we propose a data sampling method based on Bayesian optimization which uses RS data in forest inventory sample selection. The presented method applies the learned functional relationship between the RS and inventory data in new sampling decisions. We evaluate our method by conducting simulated sampling experiments with both synthetic data and measured data from the Aland region in Finland. The proposed method is benchmarked against two baseline methods: simple random sampling and the local pivotal method. The results of the simulated experiments show the best results in terms of MSE values for the proposed method when the functional relationship between RS and inventory data is correctly learned from the available training data.
• Abstract（参考訳）: 大面積の森林在庫では、サンプリングされるデータの量とデータ収集のコストとの間のトレードオフが必要である。 サンプリングベースの在庫を扱う場合、必ずしも非常に大きなデータサンプルを持つことは不可能である。 したがって, 最適人口パラメータ推定を実現するためには, サンプリング設計を最適化する必要がある。 それとは対照的に、森林在庫変数と相関するリモートセンシング(RS)データの可用性は、通常、はるかに高い。 RSとサンプルフィールド計測データの組み合わせは、しばしば森林在庫パラメーター推定を改善するために使用される。 また,目録サンプリングにおけるrsデータの利用について検討することも合理的であり,森林変数の推定をさらに改善することができる。 本研究では,森林在庫サンプル選択におけるRSデータを用いたベイズ最適化に基づくデータサンプリング手法を提案する。 提案手法は,RSと在庫データ間の学習関数関係を新しいサンプリング決定に適用する。 フィンランドのオーランド地域から得られた合成データと測定データの両方を用いて, 模擬サンプリング実験を行い, 評価を行った。 提案手法は,単純なランダムサンプリング法と局所ピボット法という2つの基本手法に対してベンチマークを行う。 シミュレーション実験の結果は,RSと在庫データとの関数関係が,利用可能なトレーニングデータから正しく学習された場合に,提案手法のMSE値の観点から最もよい結果を示す。

関連論文リスト

• Likelihood-Free Inference and Hierarchical Data Assimilation for Geological Carbon Storage [0.0]
  炭素貯蔵のための階層型データ同化フレームワークを開発した。 モンテカルロに基づく近似ベイズ計算を用いる。 3次元リカレントR-U-Net深層学習サロゲートモデルを用いて計算コストを削減する。
  論文  参考訳（メタデータ） (2024-10-20T06:15:56Z)
• RECOST: External Knowledge Guided Data-efficient Instruction Tuning [25.985023475991625]
  我々は、現在のデータ効率のよい命令チューニング手法は、元の命令チューニングデータセットの品質に大きく依存していると論じる。 我々は、外部知識ベースの再評価と多様性に一貫性のあるサンプリングを単一のパイプラインに統合する、textbfRECOSTと呼ばれるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-27T09:47:36Z)
• How to Train Data-Efficient LLMs [56.41105687693619]
  事前学習言語モデル(LLM)に対するデータ効率のアプローチについて検討する。 Ask-LLMと密度サンプリングがそれぞれのカテゴリで最適であることがわかった。 何百もの評価タスクと事前学習作業を含む19個のサンプルを比較したところ,Ask-LLMと密度がそれぞれのカテゴリで最適な方法であることが判明した。
  論文  参考訳（メタデータ） (2024-02-15T02:27:57Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Soft Random Sampling: A Theoretical and Empirical Analysis [59.719035355483875]
  ソフトランダムサンプリング(SRS)は、大量のデータを扱う際に、効率的なディープニューラルネットワークに対して単純だが効果的なアプローチである。 それは、各エポックに設定された各データセットから、ランダムに置換された均一な速度を選択する。 実世界の産業規模で重要な競争力を持つ、強力で競争力のある戦略であることが示されている。
  論文  参考訳（メタデータ） (2023-11-21T17:03:21Z)
• Variance reduced Shapley value estimation for trustworthy data valuation [16.03510965397185]
  階層化サンプリングを用いたよりロバストなデータ評価手法を提案する。 理論的には、層状化の方法、各層でどれだけのサンプルを採取するか、そしてVRDSの複雑さ分析の例を示す。
  論文  参考訳（メタデータ） (2022-10-30T13:04:52Z)
• Adaptive Sketches for Robust Regression with Importance Sampling [64.75899469557272]
  我々は、勾配降下(SGD)による頑健な回帰を解くためのデータ構造を導入する。 我々のアルゴリズムは、サブ線形空間を使用し、データに1回パスするだけで、SGDの$T$ステップを重要サンプリングで効果的に実行します。
  論文  参考訳（メタデータ） (2022-07-16T03:09:30Z)
• Statistical Inference After Adaptive Sampling for Longitudinal Data [9.468593929311867]
  本研究では,Z推定による適応的なサンプルデータに対して,様々な統計的解析を行う新しい手法を開発した。 本研究は, 実験プロセスのための新しい理論ツールを開発し, 個別の関心を持つ可能性のある, 適応的にサンプル化された長手データについて述べる。
  論文  参考訳（メタデータ） (2022-02-14T23:48:13Z)
• Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative Filtering [59.349057602266]
  変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。 内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。 FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
  論文  参考訳（メタデータ） (2021-09-13T08:31:59Z)
• AutoSampling: Search for Effective Data Sampling Schedules [118.20014773014671]
  モデル学習のためのサンプリングスケジュールを自動的に学習するAutoSampling法を提案する。 提案手法の有効性を示す様々な画像分類タスクに本手法を適用した。
  論文  参考訳（メタデータ） (2021-05-28T09:39:41Z)
• Maximum sampled conditional likelihood for informative subsampling [4.708378681950648]
  サブサンプリングは、計算資源が限られているときに大量のデータセットから情報を抽出する、計算学的に効果的な手法である。 そこで本研究では,サンプルデータに基づく最大条件付き確率推定器(MSCLE)を提案する。
  論文  参考訳（メタデータ） (2020-11-11T16:01:17Z)

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。