Fugu-MT 論文翻訳(概要): Measuring poverty in India with machine learning and remote sensing

論文の概要: Measuring poverty in India with machine learning and remote sensing

arxiv url: http://arxiv.org/abs/2202.00109v2
Date: Thu, 27 Oct 2022 11:53:15 GMT
ステータス: 処理完了
システム内更新日: 2023-03-03 03:35:18.396606
Title: Measuring poverty in India with machine learning and remote sensing
Title（参考訳）: 機械学習とリモートセンシングによるインドの貧困度測定
Authors: Adel Daoud, Felipe Jordan, Makkunda Sharma, Fredrik Johansson, Devdatt Dubhashi, Sourabh Paul, and Subhashis Banerjee
Abstract要約: モデルのトレーニングには国勢調査と調査の両方を使用します。本手法は文献で見られるものと同等の結果を得るが,幅広い結果が得られた。
参考スコア（独自算出の注目度）: 2.052176135958991
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we use deep learning to estimate living conditions in India. We use both census and surveys to train the models. Our procedure achieves comparable results to those found in the literature, but for a wide range of outcomes.
Abstract（参考訳）: 本稿では,インドにおける生活条件の推定にディープラーニングを用いた。モデルのトレーニングには国勢調査と調査の両方を使用します。本手法は文献で見られるものと同等の結果を得るが,幅広い結果が得られた。

関連論文リスト

Specializing Large Language Models to Simulate Survey Response Distributions for Global Populations [49.908708778200115]
我々は,調査応答分布をシミュレートする大規模言語モデル (LLM) を最初に開発した。テストベッドとして、我々は2つの世界文化調査の国レベルの結果を使用します。予測された応答分布と実際の応答分布のばらつきを最小限に抑えるために, ファースト・ツーケン確率に基づく微調整法を提案する。
論文参考訳（メタデータ） (2025-02-10T21:59:27Z)
Cultural Re-contextualization of Fairness Research in Language Technologies in India [9.919007681131804]
最近の研究では、NLPデータとモデルに望ましくないバイアスが明らかになっている。我々は、インド社会の文脈を考慮に入れながら、インドの文脈に対する公正性の研究を再コンテキスト化する。また,インドに関する様々な格差の軸に沿った様々な社会的偏見に関する実証的研究の結果を要約した。
論文参考訳（メタデータ） (2022-11-21T06:37:45Z)
Can Strategic Data Collection Improve the Performance of Poverty Prediction Models? [4.444335418188173]
地平データ収集のための適応型サンプリング手法が貧困予測モデルの性能を向上させるかどうかを検証した。これらのアクティブな学習手法はいずれも一様ランダムサンプリングよりも改善されていない。これらの結果が、機械学習に基づく貧困の推定を洗練するための将来の取り組みにどのように役立つかについて議論する。
論文参考訳（メタデータ） (2022-11-16T07:50:56Z)
Generating Synthetic Population [0.680303951699936]
インドのような国において,様々な行政レベルで合成人口を生成する方法を提案する。この人工個体群は、インド国勢調査2011, IHDS-II, NSS-68th Round, GPWなどの調査データに応用された機械学習と統計手法を用いて作成されている。
論文参考訳（メタデータ） (2022-09-20T19:31:39Z)
Decoding Demographic un-fairness from Indian Names [4.402336973466853]
デモグラフィック分類は、レコメンデーションシステムにおける公正度評価や、オンラインネットワークや投票システムにおける意図しない偏見の測定に不可欠である。我々は3つの公開データセットを収集し、性別分類とキャスト分類の領域で最先端の分類器を訓練する。上記のモデルの有効性を理解するために、クロステスト(異なるデータセットでのトレーニングとテスト)を実施します。
論文参考訳（メタデータ） (2022-09-07T11:54:49Z)
Utilizing Wordnets for Cognate Detection among Indian Languages [50.83320088758705]
ヒンディー語と10のインド諸語間の単語対を検出する。深層学習手法を用いて単語対が共生か否かを予測する。性能は最大26%向上した。
論文参考訳（メタデータ） (2021-12-30T16:46:28Z)
Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。本研究の主な目的は2つある。まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文参考訳（メタデータ） (2021-04-09T01:54:58Z)
Non-portability of Algorithmic Fairness in India [9.8164690355257]
我々は、単なる技術的公正性のインドのサブグループへの翻訳は、ウィンドウドレッシングとしてのみ機能すると主張している。データとモデルをコンテクスト化し、抑圧されたコミュニティを力づけることによって、Fair-MLの集合的な再イメージが、エコシステムを可能にする、と我々は主張する。
論文参考訳（メタデータ） (2020-12-03T23:14:13Z)
A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文参考訳（メタデータ） (2020-08-02T00:09:03Z)
Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文参考訳（メタデータ） (2020-06-15T18:12:12Z)
Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。