論文の概要: Optimal soil sampling design based on the maxvol algorithm
- arxiv url: http://arxiv.org/abs/2103.10337v1
- Date: Thu, 18 Mar 2021 15:54:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 18:48:38.837402
- Title: Optimal soil sampling design based on the maxvol algorithm
- Title（参考訳）: maxvolアルゴリズムに基づく土壌サンプリングの最適設計
- Authors: Anna Petrovskaia, Gleb Ryzhakov, Ivan Oseledets
- Abstract要約: マキシブルアルゴリズムと呼ばれる最適な設計手法により,サンプル位置を選択するという基本的な考え方に基づくサンプリング設計を提案する。
その結果,Maxvol-baseアルゴリズムは実用性が高い可能性が示唆された。
- 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: Spatial soil sampling is an integral part of a soil survey aimed at creating
a soil map. We propose considering the soil sampling procedure as a task of
optimal design. In practical terms, optimal experiments can reduce
experimentation costs, as they allow the researcher to obtain one optimal set
of points. We present a sampling design, based on the fundamental idea of
selecting sample locations by performing an optimal design method called the
maxvol algorithm. It is shown that the maxvol-base algorithm has a high
potential for practical usage. Our method outperforms popular sampling methods
in soil taxa prediction based on topographical features of the site and deals
with massive agricultural datasets in a reasonable time.
- Abstract（参考訳）: 空間土壌サンプリングは土壌マップの作成を目的とした土壌調査の不可欠な部分である。
最適設計の課題として土壌サンプリング手法を提案する。
実用的には、最適な実験は実験のコストを削減し、研究者は一つの最適な点を得ることができる。
マキシブルアルゴリズムと呼ばれる最適な設計手法により,サンプル位置を選択するという基本的な考え方に基づくサンプリング設計を提案する。
その結果,maxvol-baseアルゴリズムは実用的利用の可能性が高いことがわかった。
本手法は,現地の地形的特徴に基づく土壌分類学的予測における一般的なサンプリング手法を上回り,合理的な時間内に大規模農業データセットを扱う。
関連論文リスト
- Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。
我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
論文 参考訳（メタデータ） (2024-06-30T19:00:49Z) - Multi-Resolution Planar Region Extraction for Uneven Terrains [6.482137641059034]
本稿では,不整点雲観測から不均質な地形の平面領域を抽出する問題について検討する。
境界の精度と計算効率のバランスをとる多分解能平面領域抽出戦略を提案する。
論文 参考訳（メタデータ） (2023-11-21T12:17:51Z) - Optimal Budgeted Rejection Sampling for Generative Models [54.050498411883495]
判別器を用いた生成モデルの性能向上のために, 還元サンプリング法が提案されている。
提案手法は,まず,最適に最適である最適予算削減サンプリング方式を提案する。
第2に,モデル全体の性能を高めるために,サンプリング方式をトレーニング手順に組み込んだエンドツーエンド手法を提案する。
論文 参考訳（メタデータ） (2023-11-01T11:52:41Z) - An optimal transport approach for selecting a representative subsample
with application in efficient kernel density estimation [21.632131776088084]
サブサンプリング手法は、観察されたサンプルのサロゲートとしてサブサンプルを選択することを目的としている。
既存のモデルフリーのサブサンプリングメソッドは通常、クラスタリング技術やカーネルのトリックに基づいて構築される。
最適な輸送手法を用いたモデルフリーサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2022-05-31T05:19:29Z) - 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) - An AI-Assisted Design Method for Topology Optimization Without
Pre-Optimized Training Data [68.8204255655161]
トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。
設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
論文 参考訳（メタデータ） (2020-12-11T14:33:27Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳（メタデータ） (2020-08-10T09:42:59Z) - Imitative Planning using Conditional Normalizing Flow [2.8978926857710263]
自律走行車のための動的な都市シナリオにおける軌道計画の一般的な方法は、明確に特定され手作業によるコスト関数に依存することである。
自律走行車(AV)の軌道計画性能向上のための正規化フローの適用について検討する。
軌道プランナーのコスト多様体をエネルギー関数としてモデル化することにより、AV制御空間上のボルツマン分布以前のシーン条件付き写像を学習する。
論文 参考訳（メタデータ） (2020-07-31T16:32:23Z) - Learning excursion sets of vector-valued Gaussian random fields for
autonomous ocean sampling [0.41998444721319217]
本研究では,複数の応答の所定のしきい値を超える同時超過によって定義される領域を特徴付けるための効率的な空間サンプリング手法を開発した。
具体的には,ベクトル値を持つガウス確率場の抽出の不確実性に基づく設計基準を定義する。
我々は、この基準が不明瞭な場所でのサンプリング作業の優先順位付けにどのように使われるかを示し、探索をより効果的にする。
論文 参考訳（メタデータ） (2020-07-07T18:23:46Z) - Variance Reduction for Better Sampling in Continuous Domains [5.675136204504504]
最適探索分布は, 先行分布よりも分布の中心付近でピークとなる可能性が示唆された。
本研究では, 人口規模に応じて, 探索分布を変形させるための明示的な値を提供する。
論文 参考訳（メタデータ） (2020-04-24T12:25:48Z) - Incorporating Expert Prior Knowledge into Experimental Design via
Posterior Sampling [58.56638141701966]
実験者は、グローバルな最適な場所に関する知識を得ることができる。
グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。
効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
論文 参考訳（メタデータ） (2020-02-26T01:57:36Z)
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。