論文の概要: DeepAg: Deep Learning Approach for Measuring the Effects of Outlier
Events on Agricultural Production and Policy
- arxiv url: http://arxiv.org/abs/2110.12062v1
- Date: Fri, 22 Oct 2021 20:55:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 02:00:39.467109
- Title: DeepAg: Deep Learning Approach for Measuring the Effects of Outlier
Events on Agricultural Production and Policy
- Title(参考訳): DeepAg:農業生産と政策における外部イベントの効果測定のためのディープラーニングアプローチ
- Authors: Sai Gurrapu, Feras A. Batarseh, Pei Wang, Md Nazmul Kabir Sikder,
Nitish Gorentala, Gopinath Munisamy
- Abstract要約: 我々は,econometricsを用いた新しいフレームワーク,すなわちDeepAgを提案し,Deep Learning (DL) を用いた異常事象検出の効果を測定した。
我々は,Long Short-Term Memory(LSTM)ネットワークと呼ばれるDL技術を用いて商品生産を高精度に予測する。
本稿では,公共政策に対するDeepAgの影響,政策立案者や農家への洞察,農業生態系における経営決定について述べる。
- 参考スコア(独自算出の注目度): 4.800161917503703
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantitative metrics that measure the global economy's equilibrium have
strong and interdependent relationships with the agricultural supply chain and
international trade flows. Sudden shocks in these processes caused by outlier
events such as trade wars, pandemics, or weather can have complex effects on
the global economy. In this paper, we propose a novel framework, namely:
DeepAg, that employs econometrics and measures the effects of outlier events
detection using Deep Learning (DL) to determine relationships between
commonplace financial indices (such as the DowJones), and the production values
of agricultural commodities (such as Cheese and Milk). We employed a DL
technique called Long Short-Term Memory (LSTM) networks successfully to predict
commodity production with high accuracy and also present five popular models
(regression and boosting) as baselines to measure the effects of outlier
events. The results indicate that DeepAg with outliers' considerations (using
Isolation Forests) outperforms baseline models, as well as the same model
without outliers detection. Outlier events make a considerable impact when
predicting commodity production with respect to financial indices. Moreover, we
present the implications of DeepAg on public policy, provide insights for
policymakers and farmers, and for operational decisions in the agricultural
ecosystem. Data are collected, models developed, and the results are recorded
and presented.
- Abstract(参考訳): 世界経済の均衡を計測する定量的指標は、農業サプライチェーンや国際貿易フローと強く相互依存関係にある。
貿易戦争、パンデミック、天候などの不況によって引き起こされたこれらのプロセスの急激なショックは、世界経済に複雑な影響を及ぼす可能性がある。
本稿では,DeepAgという新しいフレームワークを提案する。DeepAgは,Deep Learning(DL)を用いて,一般的な金融指標(DowJonesなど)と農業商品(CheeseやMilkなど)の生産価値の関係を判定するために,econometricsを使用し,外部イベント検出の効果を測定する。
我々は,Long Short-Term Memory(LSTM)ネットワークと呼ばれるDL技術を用いて,商品生産を高精度に予測し,また,外来イベントの効果を測定するためのベースラインとして5つの人気モデル(回帰とブースティング)を提示した。
以上の結果から,(孤立林を用いた)アウトリーチを考慮したDeepAgはベースラインモデルよりも優れており,アウトリーチ検出を行なわないモデルも優れていることが示唆された。
アウトリーチイベントは、金融指標に関して商品生産を予測する際に大きな影響を与える。
さらに,公共政策に対するDeepAgの影響,政策立案者や農家への洞察,農業生態系における経営決定について述べる。
データは収集され、モデルが開発され、結果が記録され、提示される。
関連論文リスト
- Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。
合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
論文 参考訳(メタデータ) (2023-10-24T01:00:01Z) - From Quantity to Quality: Boosting LLM Performance with Self-Guided Data
Selection for Instruction Tuning [54.222609226692015]
我々は大規模言語モデルのための自己誘導手法を導入し、大規模なオープンソースデータセットからサクラサンプルを自律的に識別し、選択する。
私たちの重要なイノベーションであるIFD(Instruction-Following Difficulty)メトリックは、モデルが期待する応答と自動生成技術との間の相違を識別するための重要なツールとして現れます。
論文 参考訳(メタデータ) (2023-08-23T09:45:29Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review [0.0]
農業におけるリモートセンシングと機械学習の統合は、業界を変えつつある。
本稿では、作物収量予測にRS、ML、クラウドコンピューティング、IoTを使用した関連記事についてレビューする。
論文 参考訳(メタデータ) (2023-06-07T16:13:16Z) - Using interpretable boosting algorithms for modeling environmental and
agricultural data [0.0]
本稿では,高次元環境データの解析に解釈可能なブースティングアルゴリズムを用いる方法について述べる。
提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるのかを, 新たな2段階ブースティング手法を用いて示すものである。
論文 参考訳(メタデータ) (2023-05-04T10:16:11Z) - Enhancing Supply Chain Resilience: A Machine Learning Approach for
Predicting Product Availability Dates Under Disruption [2.294014185517203]
新型コロナウイルスのパンデミックや政治的・地域的な紛争が世界的なサプライチェーンに大きな打撃を与えている。
正確な可用性の予測は 物流運用を成功させる上で 重要な役割を担います
簡易回帰、ラッソ回帰、リッジ回帰、弾性ネット、ランダムフォレスト(RF)、グラディエントブースティングマシン(GBM)、ニューラルネットワークモデルなど、いくつかの回帰モデルを評価する。
論文 参考訳(メタデータ) (2023-04-28T15:22:20Z) - Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。
バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
論文 参考訳(メタデータ) (2022-11-30T12:20:08Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳(メタデータ) (2022-01-03T17:00:17Z) - Public Policymaking for International Agricultural Trade using
Association Rules and Ensemble Machine Learning [0.0]
自由貿易体制、特に主要経済間の貿易紛争に対する近年の衝撃は、政策決定を伝えるための予測の改善の必要性を高めている。
我々は、国際的に取引された食料・農業商品を予測し、関連付ける新しい方法を提案する。
論文 参考訳(メタデータ) (2021-11-15T02:58:03Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳(メタデータ) (2020-07-07T12:44:17Z)
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。