論文の概要: XAI Model for Accurate and Interpretable Landslide Susceptibility

• arxiv url: http://arxiv.org/abs/2201.06837v1
• Date: Tue, 18 Jan 2022 09:27:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-19 22:47:59.505285
• Title: XAI Model for Accurate and Interpretable Landslide Susceptibility
• Title（参考訳）: XAIモデルによる地すべりの精度・解釈性
• Authors: Khaled Youssef, Kevin Shao, Seulgi Moon, Louis-Serge Bouchard
• Abstract要約: 我々は,地すべりの感受性を評価するための説明可能なAI(XAI)モデルを開発した。 ヒマラヤ東部の3つの地域において,地すべりの影響を受けやすいことが確認された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Landslides are notoriously difficult to predict. Deep neural networks (DNNs) models are more accurate than statistical models. However, they are uninterpretable, making it difficult to extract mechanistic information about landslide controls in the modeled region. We developed an explainable AI (XAI) model to assess landslide susceptibility that is computationally simple and features high accuracy. We validated it on three different regions of eastern Himalaya that are highly susceptible to landslides. SNNs are computationally much simpler than DNNs, yet achieve similar performance while offering insights regarding the relative importance of landslide control factors in each region. Our analysis highlighted the importance of: 1) the product of slope and precipitation rate and 2) topographic aspects that contribute to high susceptibility in landslide areas. These identified controls suggest that strong slope-climate couplings, along with microclimates, play more dominant roles in eastern Himalayan landslides. The model outperforms physically-based stability and statistical models.
• Abstract（参考訳）: 地すべりは予測が難しいことで悪名高い。 ディープニューラルネットワーク(DNN)モデルは統計モデルよりも正確である。 しかし,これらは解釈不能であり,モデル地域における地すべり制御に関する機械的な情報を抽出することは困難である。 我々は,地すべりの感受性を評価するための説明可能なAI(XAI)モデルを開発した。 地すべりの影響を受けやすいヒマラヤ東部の3地域について検証を行った。 SNNはDNNよりも計算的にはるかに単純であるが、各領域における地すべり制御因子の相対的重要性に関する洞察を提供しながら、同様の性能を達成する。 私たちの分析は、以下の重要性を強調した。 1)斜面と降水率の積、および 2)地すべり地における高い感受性に寄与する地形的側面 これらの制御は, ヒマラヤ東部の地すべりにおいて, 強い斜面-気候結合と微気候が, より支配的な役割を担っていることを示唆している。 このモデルは物理的に安定性と統計モデルを上回っている。

関連論文リスト

• Tackling the Accuracy-Interpretability Trade-off in a Hierarchy of Machine Learning Models for the Prediction of Extreme Heatwaves [41.94295877935867]
  ますます複雑な機械学習モデルの階層構造を用いて、フランス上空の極端熱波の確率論的予測を行う。 CNNは高い精度を提供するが、ブラックボックスの性質は解釈可能性を大幅に制限する。 ScatNetは、透明性を高めながら、CNNと同じようなパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-10-01T18:15:04Z)
• A Comparative Analysis of CNN-based Deep Learning Models for Landslide Detection [0.0]
  インド北部とネパールの地すべりは大きな破壊をもたらし、インフラを損傷し、地域社会に脅威を与えている。 近年のインド北部とネパールの地すべりは、大きな破壊を招き、インフラを損傷し、地域社会に脅威を与えている。 ディープラーニング技術の一種であるCNNは、画像処理において顕著な成功を収めている。
  論文  参考訳（メタデータ） (2024-08-03T07:20:10Z)
• At the junction between deep learning and statistics of extremes: formalizing the landslide hazard definition [1.03590082373586]
  本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。 ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。 提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-01-25T14:48:08Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Landslide Topology Uncovers Failure Movements [1.08890978642722]
  本稿では,スライドやフローなどの動作に基づいて,障害タイプを特定するアプローチを提案する。 地すべりの形態や形状に埋め込まれた物質移動力学の顕著な特徴をトポロジカルプロキシが明らかにしているのを観察する。 歴史的およびイベント固有の地すべりデータベースの障害タイプを80～94 %の精度で識別できる。
  論文  参考訳（メタデータ） (2023-10-14T17:53:55Z)
• Dynamic landslide susceptibility mapping over recent three decades to uncover variations in landslide causes in subtropical urban mountainous areas [17.570791791237387]
  本研究は, 年次LSAに複数の予測モデルを用いた動的地すべり感受性マッピングを提案する。 選ばれた研究エリアは香港のランタウ島で、1992年から2019年までの総合的動的LSAを実施しました。
  論文  参考訳（メタデータ） (2023-08-23T05:33:03Z)
• 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)
• Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction [63.3021778885906]
  3Dバウンディングボックスは、多くのコンピュータビジョンアプリケーションで広く使われている中間表現である。 本稿では,自己回帰モデルを利用して高い信頼度予測と意味のある不確実性対策を行う手法を提案する。 我々はシミュレーションデータセットであるCOB-3Dをリリースし、現実世界のロボティクスアプリケーションで発生する新しいタイプのあいまいさを強調します。
  論文  参考訳（メタデータ） (2022-10-13T23:57:40Z)
• Discovering Invariant Rationales for Graph Neural Networks [104.61908788639052]
  グラフニューラルネットワーク(GNN)の固有の解釈可能性とは、入力グラフの特徴の小さなサブセットを見つけることである。 本稿では,本質的に解釈可能なGNNを構築するために,不変理性(DIR)を発見するための新しい戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-30T16:43:40Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• Dataset Cartography: Mapping and Diagnosing Datasets with Training Dynamics [118.75207687144817]
  我々はデータセットを特徴付け、診断するモデルベースのツールであるData Mapsを紹介した。 私たちは、トレーニング中の個々のインスタンス上でのモデルの振る舞いという、ほとんど無視された情報のソースを活用しています。 以上の結果から,データ量から品質へのフォーカスの変化は,ロバストなモデルとアウト・オブ・ディストリビューションの一般化に繋がる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-22T20:19:41Z)

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。