論文の概要: SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning

• arxiv url: http://arxiv.org/abs/2111.04724v1
• Date: Mon, 8 Nov 2021 18:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 14:57:44.113472
• Title: SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning
• Title（参考訳）: SustainBench: マシンラーニングによる持続可能な開発目標の監視のためのベンチマーク
• Authors: Christopher Yeh, Chenlin Meng, Sherrie Wang, Anne Driscoll, Erik Rozi, Patrick Liu, Jihyeon Lee, Marshall Burke, David B. Lobell, Stefano Ermon
• Abstract要約: 国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
• 参考スコア（独自算出の注目度）: 63.192289553021816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Progress toward the United Nations Sustainable Development Goals (SDGs) has been hindered by a lack of data on key environmental and socioeconomic indicators, which historically have come from ground surveys with sparse temporal and spatial coverage. Recent advances in machine learning have made it possible to utilize abundant, frequently-updated, and globally available data, such as from satellites or social media, to provide insights into progress toward SDGs. Despite promising early results, approaches to using such data for SDG measurement thus far have largely evaluated on different datasets or used inconsistent evaluation metrics, making it hard to understand whether performance is improving and where additional research would be most fruitful. Furthermore, processing satellite and ground survey data requires domain knowledge that many in the machine learning community lack. In this paper, we introduce SustainBench, a collection of 15 benchmark tasks across 7 SDGs, including tasks related to economic development, agriculture, health, education, water and sanitation, climate action, and life on land. Datasets for 11 of the 15 tasks are released publicly for the first time. Our goals for SustainBench are to (1) lower the barriers to entry for the machine learning community to contribute to measuring and achieving the SDGs; (2) provide standard benchmarks for evaluating machine learning models on tasks across a variety of SDGs; and (3) encourage the development of novel machine learning methods where improved model performance facilitates progress towards the SDGs.
• Abstract（参考訳）: 国連持続可能な開発目標(SDGs)の進展は、歴史的に時間的・空間的報道の少ない地上調査から得られた主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することができ、SDGの進歩に関する洞察を提供することができる。 有望な早期結果にもかかわらず、これまでのところ、このようなデータをSDG測定に利用するアプローチは、異なるデータセットや一貫性のない評価指標で大きく評価されており、パフォーマンスが向上しているかどうか、さらなる研究が最も実りあるのかを理解することは困難である。 さらに、衛星と地上調査データの処理には、機械学習コミュニティに多く欠けているドメイン知識が必要である。 本稿では, 経済開発, 農業, 健康, 教育, 水と衛生, 気候行動, 陸地生活に関するタスクを含む, SDGを対象とした15のベンチマークタスクのコレクションであるSustainBenchを紹介する。 15のタスクのうち11のデータセットは、初めて一般公開される。 SustainBenchの目標は、(1)SDGの測定と達成に貢献する機械学習コミュニティの参入障壁を低くすること、(2)各種SDGのタスクにおける機械学習モデルを評価するための標準ベンチマークを提供すること、(3)モデル性能の向上がSDGの進歩を促進する新しい機械学習手法の開発を促進することである。

関連論文リスト

• Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
  国連2030アジェンダ・フォー・サステナブル・ディベロップメントは、世界的課題に取り組むための17の目標を概説している。 SDGの進歩は、地理的、文化的、社会経済的要因に大きく影響されている。 2030年までにすべての目標を達成する国はない。
  論文  参考訳（メタデータ） (2024-09-19T03:10:49Z)
• Leveraging Artificial Intelligence Technology for Mapping Research to Sustainable Development Goals: A Case Study [6.551575555269426]
  この研究は、オーストラリア大学から82,000冊以上の論文をケーススタディとして採用した。 われわれは、これらの出版物を持続可能な開発目標にマッピングするために類似度尺度を利用した。 私たちは、OpenAI GPTモデルを利用して、同じタスクを実行し、2つのアプローチの比較分析を容易にしました。
  論文  参考訳（メタデータ） (2023-11-09T11:44:22Z)
• Harnessing the Web and Knowledge Graphs for Automated Impact Investing Scoring [2.4107880640624706]
  持続可能な開発目標のフレームワークを作成するプロセスを自動化するための,データ駆動システムについて説明する。 本稿では,異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と,企業の集合に関連する知識グラフを提案する。 以上の結果から,我々の最高性能モデルでは,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-08-04T15:14:16Z)
• GEO-Bench: Toward Foundation Models for Earth Monitoring [139.77907168809085]
  6つの分類と6つのセグメンテーションタスクからなるベンチマークを提案する。 このベンチマークは、さまざまな地球観測タスクの進行の原動力となる。
  論文  参考訳（メタデータ） (2023-06-06T16:16:05Z)
• DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
  DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。 私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。 ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
  論文  参考訳（メタデータ） (2022-07-20T17:47:54Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• Seeing poverty from space, how much can it be tuned? [0.0]
  本研究では, 組織的関係のない個人が, 特定の農業生態環境において, 地域貧困水準の予測の改善に寄与できることを実証した。 このアプローチは、衛星画像と「地上真実」データを現場から処理する深層学習による貧困のマッピングに関するいくつかの先駆的な取り組みに基づいている。 このプロジェクトの主な目的は、市民科学者、学生、組織が他の分野の手法を再現できるように、無償で利用可能なリソースを使用することで、コストを可能な限り低く抑えることであった。
  論文  参考訳（メタデータ） (2021-07-30T15:23:54Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)
• Using satellite imagery to understand and promote sustainable development [87.72561825617062]
  持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
  論文  参考訳（メタデータ） (2020-09-23T05:20:00Z)

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。