Fugu-MT 論文翻訳(概要): Flood Prediction and Analysis on the Relevance of Features using Explainable Artificial Intelligence

論文の概要: Flood Prediction and Analysis on the Relevance of Features using Explainable Artificial Intelligence

arxiv url: http://arxiv.org/abs/2201.05046v1
Date: Thu, 13 Jan 2022 16:16:18 GMT
ステータス: 処理完了
システム内更新日: 2022-01-14 14:12:37.449393
Title: Flood Prediction and Analysis on the Relevance of Features using Explainable Artificial Intelligence
Title（参考訳）: 説明可能な人工知能を用いた洪水予測と特徴の関連性の解析
Authors: Sai Prasanth Kadiyala, Wai Lok Woo
Abstract要約: 本稿では,予測決定に寄与する背景的特徴について述べる。その結果,ケララの月次降水量データに基づいて,その妥当性を確認した。
参考スコア（独自算出の注目度）: 2.7630223763160515
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper presents flood prediction models for the state of Kerala in India by analyzing the monthly rainfall data and applying machine learning algorithms including Logistic Regression, K-Nearest Neighbors, Decision Trees, Random Forests, and Support Vector Machine. Although these models have shown high accuracy prediction of the occurrence of flood in a particular year, they do not quantitatively and qualitatively explain the prediction decision. This paper shows how the background features are learned that contributed to the prediction decision and further extended to explain the inner workings with the development of explainable artificial intelligence modules. The obtained results have confirmed the validity of the findings uncovered by the explainer modules basing on the historical flood monthly rainfall data in Kerala.
Abstract（参考訳）: 本稿では,毎月の降雨データを分析し,ロジスティック回帰,k-ネアレスト近傍,決定木,ランダム林,サポートベクターマシンなどの機械学習アルゴリズムを適用し,インドのケララ州の洪水予測モデルを提案する。これらのモデルは,特定の年における洪水発生の高精度な予測を行ったが,その予測決定を定量的に定性的に説明することはできない。本稿では、予測決定に寄与する背景的特徴を学習し、説明可能な人工知能モジュールの開発に伴う内部動作を説明するためにさらに拡張した方法について述べる。その結果,ケララの月次降水量データに基づいて,説明モジュールが発見した結果の有効性を確認した。

関連論文リスト

CogDPM: Diffusion Probabilistic Models via Cognitive Predictive Coding [62.075029712357]
本研究は認知拡散確率モデル(CogDPM)を紹介する。 CogDPMは拡散モデルの階層的サンプリング能力に基づく精度推定法と拡散モデル固有の性質から推定される精度重み付きガイダンスを備える。我々は,Universal Kindomの降水量と表面風速データセットを用いた実世界の予測タスクにCogDPMを適用した。
論文参考訳（メタデータ） (2024-05-03T15:54:50Z)
Counterfactual Explanations of Black-box Machine Learning Models using Causal Discovery with Applications to Credit Rating [4.200230734911261]
いくつかのXAIモデルは、予測モデルのインプット・アウトプット関係と特徴間の依存関係を調べることによって、モデルを説明するために因果関係を考慮する。これらのモデルの大半は、因果グラフが知られていると仮定して、反事実確率に基づく説明に基づいている。本研究では、因果グラフが知られている制約を緩和する新しいXAIフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-05T02:26:24Z)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
A comparison of machine learning surrogate models of street-scale flooding in Norfolk, Virginia [0.0]
バージニア州ノーフォークを例に挙げた低地の海岸都市は、降雨と潮によって引き起こされる道路洪水の課題に直面している。高忠実で物理に基づくシミュレーションは、都市多重洪水の正確な予測を提供するが、その計算複雑性はリアルタイムアプリケーションには適さない。本研究では,ランダムフォレストアルゴリズムに基づく代理モデルと,Long Short-Term Memory (LSTM) と Gated Recurrent Unit (GRU) の2つのディープラーニングモデルを比較した。
論文参考訳（メタデータ） (2023-07-26T13:24:01Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)
Flood Prediction Using Machine Learning Models [0.0]
本稿では,異なる機械学習モデルを用いて洪水の予測を行うことにより,この自然災害の極端なリスクを低減することを目的とする。その結果、どのモデルがより正確な結果をもたらすかを理解するために比較分析を行う。
論文参考訳（メタデータ） (2022-08-02T03:59:43Z)
Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文参考訳（メタデータ） (2021-10-13T01:23:48Z)
Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
論文参考訳（メタデータ） (2021-08-04T16:32:59Z)
When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
論文参考訳（メタデータ） (2021-06-07T18:31:47Z)
XAI-KG: knowledge graph to support XAI and decision-making in manufacturing [0.5872014229110215]
本稿では,予測,予測説明,推奨意思決定オプション,ユーザ行動に関するフィードバック収集を支援するオントロジーと知識グラフを提案する。このように、予測モデル、説明、意思決定オプションの推奨を改善する手段を提供する。
論文参考訳（メタデータ） (2021-05-05T08:42:07Z)
A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon Rainfall (RSMR) Prediction [0.0]
インドのラジャスタン州における夏季モンスーン降雨予測のための様々な深層学習手法の分析と評価を行う。 IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。また,水資源部門から降雨量計158局の降雨データも収集した。
論文参考訳（メタデータ） (2021-03-03T03:42:45Z)

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。