論文の概要: Priority prediction of Asian Hornet sighting report using machine learning methods

• arxiv url: http://arxiv.org/abs/2107.05465v1
• Date: Mon, 28 Jun 2021 07:33:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-18 19:13:19.309514
• Title: Priority prediction of Asian Hornet sighting report using machine learning methods
• Title（参考訳）: 機械学習を用いたアジアホーネット目撃レポートの優先度予測
• Authors: Yixin Liu, Jiaxin Guo, Jieyang Dong, Luoqian Jiang and Haoyuan Ouyang
• Abstract要約: アジアのジャイアント・ホーネット(Vespa mandarinia)は、ミツバチのコロニーだけでなく、地元のアピカルチャーにも被害を与えている。 本稿では,機械学習に基づく目撃レポートの優先順位予測手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As infamous invaders to the North American ecosystem, the Asian giant hornet (Vespa mandarinia) is devastating not only to native bee colonies, but also to local apiculture. One of the most effective way to combat the harmful species is to locate and destroy their nests. By mobilizing the public to actively report possible sightings of the Asian giant hornet, the governmentcould timely send inspectors to confirm and possibly destroy the nests. However, such confirmation requires lab expertise, where manually checking the reports one by one is extremely consuming of human resources. Further given the limited knowledge of the public about the Asian giant hornet and the randomness of report submission, only few of the numerous reports proved positive, i.e. existing nests. How to classify or prioritize the reports efficiently and automatically, so as to determine the dispatch of personnel, is of great significance to the control of the Asian giant hornet. In this paper, we propose a method to predict the priority of sighting reports based on machine learning. We model the problem of optimal prioritization of sighting reports as a problem of classification and prediction. We extracted a variety of rich features in the report: location, time, image(s), and textual description. Based on these characteristics, we propose a classification model based on logistic regression to predict the credibility of a certain report. Furthermore, our model quantifies the impact between reports to get the priority ranking of the reports. Extensive experiments on the public dataset from the WSDA (the Washington State Department of Agriculture) have proved the effectiveness of our method.
• Abstract（参考訳）: 北アメリカの生態系への悪名高い侵略者として、アジアの巨人ホネット(vespa mandarinia)は、ミツバチのコロニーだけでなく、地元のアピカルチャーにも被害を与えている。 有害種と戦う最も効果的な方法の1つは、巣を見つけ、破壊することである。 アジアの巨人ホルネットの目撃を積極的に報告するために市民を動員することで、政府は時折検査官を派遣して巣を確認、破壊する可能性がある。 しかし、そのような確認には研究室の専門知識が必要で、手動でレポートをチェックすれば、人的資源を非常に消費する。 さらに、アジアの巨人ホルネットに関する一般大衆の限られた知識と報告書提出のランダム性を考えると、多くの報告のごくわずかしか肯定的ではない。 既存の巣。 人員派遣を決定するため、報告を効率的にかつ自動的に分類または優先順位付けする方法は、アジアの巨人ホルネットの統制にとって非常に重要である。 本稿では,機械学習に基づく目撃報告の優先度を予測する手法を提案する。 我々は,視認レポートの最適優先順位付け問題を分類と予測の問題としてモデル化する。 本報告では, 位置, 時間, 画像, テキスト記述など, 多様な特徴を抽出した。 これらの特徴に基づき,ロジスティック回帰に基づく分類モデルを提案し,ある報告の信頼性を予測する。 さらに,本モデルは,レポート間の影響を定量化し,レポートの優先順位付けを行う。 WSDA(ワシントン州農務省)の公開データセットに関する大規模な実験により,本手法の有効性が実証された。

関連論文リスト

• Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
  最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。 我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。 また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
  論文  参考訳（メタデータ） (2024-07-19T14:53:18Z)
• Hierarchical Multi-label Classification for Fine-level Event Extraction from Aviation Accident Reports [18.005377921658308]
  この記事では、イベント分類を活用すれば、イベントをより正確に識別できる、と論じる。 本稿では,新しい階層型アテンションモジュールをBERTに組み込むことで,階層型アテンションタスクを実現する。 その結果, 高精度な予測精度が向上し, 正規化期間が希少事象識別問題に有効であることが確認された。
  論文  参考訳（メタデータ） (2024-03-26T17:51:06Z)
• A Bayesian Spatial Model to Correct Under-Reporting in Urban Crowdsourcing [1.850972250657274]
  意思決定者は、しばしば報告プロセスを通じてイベントの発生を観察する。 イベントが空間的に相関しているという事実を活用することで、この課題を克服する方法を示す。
  論文  参考訳（メタデータ） (2023-12-18T23:40:56Z)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• Automated Labeling of German Chest X-Ray Radiology Reports using Deep Learning [50.591267188664666]
  本稿では,ルールベースのドイツ語CheXpertモデルによってラベル付けされたレポートに基づいて,ディープラーニングに基づくCheXpertラベル予測モデルを提案する。 その結果,3つのタスクすべてにおいて,ルールベースモデルを大幅に上回ったアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-06-09T16:08:35Z)
• Automatic Classification of Bug Reports Based on Multiple Text Information and Reports' Intention [37.67372105858311]
  本稿では,バグレポートの自動分類手法を提案する。 イノベーションは、バグレポートを分類する際に、レポートのテキスト情報に加えて、レポートの意図も考慮することである。 提案手法は性能が向上し,F-Measureは87.3%から95.5%に向上した。
  論文  参考訳（メタデータ） (2022-08-02T06:44:51Z)
• Spatial Monitoring and Insect Behavioural Analysis Using Computer Vision for Precision Pollination [6.2997667081978825]
  昆虫は作物の最も重要な世界的な受粉者であり、自然生態系の持続可能性を維持する上で重要な役割を担っている。 現在のコンピュータビジョンは、複雑な屋外環境における昆虫追跡を空間的に制限している。 本稿では,昆虫数計測,昆虫の動き追跡,行動解析,受粉予測のためのマーカーレスデータキャプチャーシステムを紹介する。
  論文  参考訳（メタデータ） (2022-05-10T05:11:28Z)
• Quantifying Spatial Under-reporting Disparities in Resident Crowdsourcing [5.701305404173138]
  我々は,外部の地中構造データを用いることなく,報告遅延を識別する手法を開発した。 この方法は、ニューヨーク市で10万件以上、シカゴで90万件以上の報告に当てはめます。
  論文  参考訳（メタデータ） (2022-04-19T02:54:16Z)
• COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
  COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。 また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。 我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
  論文  参考訳（メタデータ） (2022-01-16T11:47:23Z)
• Hidden Biases in Unreliable News Detection Datasets [60.71991809782698]
  データ収集中の選択バイアスがデータセットの望ましくないアーティファクトにつながることを示す。 クリーンスプリットでテストされたすべてのモデルに対して,列車/テストソースの重なりが無く,精度が大幅に低下した(>10%)。 将来的なデータセット生成には、困難/バイアスプローブとしての単純なモデルと、クリーンな非重複サイトと日付分割を使用する将来のモデル開発が含まれることを提案する。
  論文  参考訳（メタデータ） (2021-04-20T17:16:41Z)
• Showing Your Work Doesn't Always Work [73.63200097493576]
  『Show Your Work: Improved Reporting of Experimental Results』では、最高の学習モデルの有効性を報告している。 解析的にそれらの推定器は偏りがあり、エラーを起こしやすい仮定を用いていることを示す。 我々は、偏見のない代替案を導き、統計的シミュレーションから経験的な証拠で主張を裏付ける。
  論文  参考訳（メタデータ） (2020-04-28T17:59:01Z)

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。