論文の概要: Prediction of Red Wine Quality Using One-dimensional Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2208.14008v1
• Date: Tue, 30 Aug 2022 06:24:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 13:21:23.801938
• Title: Prediction of Red Wine Quality Using One-dimensional Convolutional Neural Networks
• Title（参考訳）: 一次元畳み込みニューラルネットワークによる赤ワイン品質の予測
• Authors: Shengnan Di
• Abstract要約: 本稿では,Pearson相関解析,PCA解析,Shapiro-Wilk検定を行う。 1D-CNNアーキテクチャを組み込んで、隣接する特徴間の相関を捉えている。 ワインの品質予測において,本手法がベースライン手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an alcoholic beverage, wine has remained prevalent for thousands of years, and the quality assessment of wines has been significant in wine production and trade. Scholars have proposed various deep learning and machine learning algorithms for wine quality prediction, such as Support vector machine (SVM), Random Forest (RF), K-nearest neighbors (KNN), Deep neural network (DNN), and Logistic regression (LR). However, these methods ignore the inner relationship between the physical and chemical properties of the wine, for example, the correlations between pH values, fixed acidity, citric acid, and so on. To fill the gap, this paper conducts the Pearson correlation analysis, PCA analysis, and Shapiro-Wilk test on those properties and incorporates 1D-CNN architecture to capture the correlations among neighboring features. In addition, it implemented dropout and batch normalization techniques to improve the robustness of the proposed model. Massive experiments have shown that our method can outperform baseline approaches in wine quality prediction. Moreover, ablation experiments also demonstrate the effectiveness of incorporating the 1-D CNN module, Dropout, and normalization techniques.
• Abstract（参考訳）: アルコール飲料として、何千年もワインは普及し続けており、ワインの品質評価はワインの生産と貿易において重要である。 ワインの品質予測には、サポートベクターマシン(SVM)、ランダムフォレスト(RF)、Kネアレスト隣人(KNN)、ディープニューラルネットワーク(DNN)、ロジスティック回帰(LR)など、さまざまなディープラーニングと機械学習アルゴリズムが提案されている。 しかし、これらの方法は、pH値、固定酸、クエン酸等との相関関係など、ワインの物性と化学的性質の内的関係を無視する。 このギャップを埋めるために,Pearson相関解析,PCA解析,Shapiro-Wilkテストを行い,隣接する特徴間の相関を捉えるために1D-CNNアーキテクチャを組み込んだ。 さらに,提案モデルのロバスト性を改善するために,ドロップアウトおよびバッチ正規化手法を実装した。 大規模実験により,本手法はワイン品質予測のベースラインアプローチを上回ることができることが示された。 さらに, アブレーション実験により, 1次元cnnモジュール, ドロップアウト, 正規化手法を組み込む効果も示された。

関連論文リスト

• Classification of grapevine varieties using UAV hyperspectral imaging [0.0]
  ブドウ品種の分類は、精密ブドウ栽培において関連する表現型課題である。 無人航空機(UAV)は、ハイパースペクトルデータの収集に対して、より効率的で禁止的でないアプローチを提供する。 本研究では,17種類の赤と白のブドウ品種を分類するために,畳み込みニューラルネットワーク(CNN)を提案する。
  論文  参考訳（メタデータ） (2024-01-23T15:35:50Z)
• An Improved CNN-based Neural Network Model for Fruit Sugar Level Detection [24.07349410158827]
  我々は,果実の可視/近赤外(V/NIR)スペクトルに基づいて,ニューラルネットワーク(ANN)を用いた果実糖度推定のための回帰モデルを構築した。 果実糖濃度を検出対象として,Gan Nan Navel と Tian Shan Pear の2種類の果実データを収集し,その比較実験を行った。
  論文  参考訳（メタデータ） (2023-11-18T17:07:25Z)
• Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
  ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。 我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。 我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
  論文  参考訳（メタデータ） (2023-10-02T03:25:32Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• coVariance Neural Networks [119.45320143101381]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データ内の相互関係を利用して学習する効果的なフレームワークである。 我々は、サンプル共分散行列をグラフとして扱う、共分散ニューラルネットワーク(VNN)と呼ばれるGNNアーキテクチャを提案する。 VNN の性能は PCA ベースの統計手法よりも安定していることを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:04:43Z)
• Evaluating the Adversarial Robustness for Fourier Neural Operators [78.36413169647408]
  フーリエ・ニューラル・オペレータ(FNO)は、ゼロショット超解像で乱流をシミュレートした最初の人物である。 我々はノルム有界データ入力摂動に基づくFNOの逆例を生成する。 以上の結果から,モデルの強靭性は摂動レベルの増加とともに急速に低下することが明らかとなった。
  論文  参考訳（メタデータ） (2022-04-08T19:19:42Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Variational Bayes Neural Network: Posterior Consistency, Classification Accuracy and Computational Challenges [0.3867363075280544]
  本稿では,変分ベイズニューラルネットワーク推定手法と関連する統計理論について述べる。 この開発は、軽度の認知障害からアルツハイマー病へ移行するための予測ツールを構築する、重要なバイオメディカルエンジニアリングアプリケーションによって動機付けられている。
  論文  参考訳（メタデータ） (2020-11-19T00:11:27Z)
• Extracting Chemical-Protein Interactions via Calibrated Deep Neural Network and Self-training [0.8376091455761261]
  データ不確実性を推定し、信頼性を向上させるため、ディープラーニングモデルに"校正"技術が適用されている。 本研究では, 化学物質-タンパク質相互作用を抽出するために, 不確実性情報とキャリブレーション手法を取り入れたDNNベースの手法を提案する。 我々の手法は,従来の手法よりも高い校正能力を維持しつつ,Biocreative VI ChemProtタスクに関して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-11-04T10:14:31Z)
• Layer-wise Conditioning Analysis in Exploring the Learning Dynamics of DNNs [115.35745188028169]
  条件付け解析を深層ニューラルネットワーク(DNN)に拡張し,その学習力学を解明する。 バッチ正規化(BN)はトレーニングを安定させるが、時には局所的な最小値の誤った印象を与える。 我々はBNが最適化問題の階層的条件付けを改善することを実験的に観察した。
  論文  参考訳（メタデータ） (2020-02-25T11:40:27Z)

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。