Fugu-MT 論文翻訳(概要): Predicting Future Mosquito Habitats Using Time Series Climate Forecasting and Deep Learning

論文の概要: Predicting Future Mosquito Habitats Using Time Series Climate Forecasting and Deep Learning

arxiv url: http://arxiv.org/abs/2208.01436v1
Date: Mon, 1 Aug 2022 17:25:09 GMT
ステータス: 処理完了
システム内更新日: 2022-08-03 13:24:39.851037
Title: Predicting Future Mosquito Habitats Using Time Series Climate Forecasting and Deep Learning
Title（参考訳）: 時系列気候予報と深層学習による将来の蚊生息予測
Authors: Christopher Sun, Jay Nimbalkar, Ravnoor Bedi
Abstract要約: モスキート生息域は気候変動により拡大すると予想されている。本研究は, 蚊幼虫の生態条件を解析し, 将来の蚊の生息地を特定することを目的とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mosquito habitat ranges are projected to expand due to climate change. This investigation aims to identify future mosquito habitats by analyzing preferred ecological conditions of mosquito larvae. After assembling a data set with atmospheric records and larvae observations, a neural network is trained to predict larvae counts from ecological inputs. Time series forecasting is conducted on these variables and climate projections are passed into the initial deep learning model to generate location-specific larvae abundance predictions. The results support the notion of regional ecosystem-driven changes in mosquito spread, with high-elevation regions in particular experiencing an increase in susceptibility to mosquito infestation.
Abstract（参考訳）: モスキート生息域は気候変動により拡大すると予想されている。本研究は, 蚊幼虫の生態条件を解析し, 将来の蚊の生息地を特定することを目的とする。大気記録と幼虫の観測でデータセットを組み立てた後、ニューラルネットワークは生態的な入力から幼虫の数を予測するように訓練される。これらの変数に基づいて時系列予測を行い、気候予測を初期深層学習モデルに渡し、位置特異的な幼虫量予測を生成する。その結果,蚊の拡散は地域生態系による変化,特に蚊の感染に対する感受性が高まる地域が支持された。

関連論文リスト

VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
論文参考訳（メタデータ） (2024-07-17T14:15:52Z)
Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文参考訳（メタデータ） (2024-04-08T09:13:16Z)
SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。ケニアでは低データのレシエーションを表すデータセットも提供しています。リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文参考訳（メタデータ） (2023-11-02T02:00:27Z)
Enhanced Dengue Outbreak Prediction in Tamilnadu using Meteorological and Entomological data [0.0]
タミル・ナドゥ州(インド)で収集された時系列気候データと健康データを分析するために、双方向積層LSTMネットワークが選択される。 VBDコントロールの指標である蚊幼虫指数を含めることで、モデルの予測精度を著しく向上させる。
論文参考訳（メタデータ） (2023-06-23T11:54:38Z)
Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文参考訳（メタデータ） (2023-06-05T03:36:01Z)
Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文参考訳（メタデータ） (2022-11-15T14:15:04Z)
On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文参考訳（メタデータ） (2021-10-29T16:58:25Z)
HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。 18時間の録音には36種のアノテーションが含まれている。
論文参考訳（メタデータ） (2021-10-14T14:18:17Z)
Inter and Intra-Annual Spatio-Temporal Variability of Habitat Suitability for Asian Elephants in India: A Random Forest Model-based Analysis [1.370633147306388]
インドにおけるアジアゾウの種分布を推定するランダムフォレストモデルを構築した。好適な生息地の季節的減少は、アジアゾウの出現パターンと人・エレファント紛争の増加を説明する可能性がある。
論文参考訳（メタデータ） (2021-07-22T06:42:54Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)
Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data Analysis [13.838100337224075]
ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
論文参考訳（メタデータ） (2020-09-24T16:42:19Z)

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。