論文の概要: Premonition Net, A Multi-Timeline Transformer Network Architecture
Towards Strawberry Tabletop Yield Forecasting
- arxiv url: http://arxiv.org/abs/2211.08177v1
- Date: Tue, 15 Nov 2022 14:36:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 15:29:22.373459
- Title: Premonition Net, A Multi-Timeline Transformer Network Architecture
Towards Strawberry Tabletop Yield Forecasting
- Title(参考訳): テーブルトップ収量予測に向けたマルチタイムライントランスフォーマーネットワークアーキテクチャPremonition Net
- Authors: George Onoufriou, Marc Hanheide, Georgios Leontidis
- Abstract要約: Premonition Netは、過去、現在、そして未来の前兆を処理するための、マルチタイムライン、時系列の取り込みアプローチである。
我々は,この構造とトランスフォーマーが組み合わさって,食品の安全性の向上,価格の低下,廃棄物の削減といった,生産能力の予測能力を実現する方法を示す。
- 参考スコア(独自算出の注目度): 10.336602086208163
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Yield forecasting is a critical first step necessary for yield optimisation,
with important consequences for the broader food supply chain, procurement,
price-negotiation, logistics, and supply. However yield forecasting is
notoriously difficult, and oft-inaccurate. Premonition Net is a multi-timeline,
time sequence ingesting approach towards processing the past, the present, and
premonitions of the future. We show how this structure combined with
transformers attains critical yield forecasting proficiency towards improving
food security, lowering prices, and reducing waste. We find data availability
to be a continued difficulty however using our premonition network and our own
collected data we attain yield forecasts 3 weeks ahead with a a testing set
RMSE loss of ~0.08 across our latest season.
- Abstract(参考訳): 利回り予測は、より広範な食料供給チェーン、調達、価格交渉、物流、供給にとって重要な結果をもたらす、収量最適化に必要な重要な第一歩である。
しかし、収量予測は極めて困難であり、不正確である。
Premonition Netは、過去、現在、そして未来の前兆を処理するための、マルチタイムで時系列なアプローチである。
この構造と変圧器が組み合わさることで,食品の安全性向上,価格の引き下げ,廃棄物の削減に向けた重要な収率予測能力が得られることを示す。
データの可用性は継続的に困難であることが分かっていますが、当社が収集したデータでは、最新のシーズンでRMSEの損失が約0.08というテストセットで、3週間前に予測を達成しています。
関連論文リスト
- Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes:
Functional and Augmented Data Structures in Financial Forecasting [0.0]
本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。
GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。
これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
論文 参考訳(メタデータ) (2024-02-23T06:09:45Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Enhancing Peak Network Traffic Prediction via Time-Series Decomposition [7.761469280385241]
本稿では,時間領域におけるピーク音量予測を容易にするために,季節性の抽出を提案する。
合成および実ネットワークトラフィックデータを用いた実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-03-09T20:56:18Z) - ZigZag: Universal Sampling-free Uncertainty Estimation Through Two-Step
Inference [59.17907459152588]
汎用的でデプロイが容易なサンプリング不要のアプローチを導入します。
我々は,最先端手法と同等の信頼性のある不確実性推定を,計算コストを著しく低減した形で生成する。
論文 参考訳(メタデータ) (2022-11-21T13:23:09Z) - Task Embedding Temporal Convolution Networks for Transfer Learning
Problems in Renewable Power Time-Series Forecast [5.039779583329608]
再生可能電力予測におけるマルチタスク学習と帰納的伝達学習のための多層パーセプトロンへのタスク埋め込みが導入された。
このアイデアを時間的畳み込みネットワークに拡張し、これらの季節性について検討する。
我々は再生可能電力予測のためのゼロショット学習を初めて提案し、たとえトレーニングデータが入手できなくても予測を提供する。
論文 参考訳(メタデータ) (2022-04-29T07:02:22Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳(メタデータ) (2022-04-16T12:03:52Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Short-term precipitation prediction using deep learning [5.1589108738893215]
気象フィールドの1つのフレームを用いた3次元畳み込みニューラルネットワークは降水空間分布を予測することができることを示す。
このネットワークは、気象学の39年 (1980-2018) のデータと、連続した米国上空の毎日の降水に基づいて開発されている。
論文 参考訳(メタデータ) (2021-10-05T06:37:24Z) - Learning to Predict Trustworthiness with Steep Slope Loss [69.40817968905495]
本研究では,現実の大規模データセットにおける信頼性の予測問題について検討する。
我々は、先行技術損失関数で訓練された信頼性予測器が、正しい予測と誤った予測の両方を信頼に値するものとみなす傾向があることを観察する。
そこで我々は,2つのスライド状の曲線による不正確な予測から,特徴w.r.t.正しい予測を分離する,新たな急勾配損失を提案する。
論文 参考訳(メタデータ) (2021-09-30T19:19:09Z) - Price graphs: Utilizing the structural information of financial time
series for stock prediction [4.4707451544733905]
株価予測に関する両問題に対処する新しい枠組みを提案する。
時系列を複雑なネットワークに変換するという点では、市場価格をグラフに変換する。
予測モデル入力として時間点間の関係を表すためにグラフ埋め込みを用いる。
論文 参考訳(メタデータ) (2021-06-04T14:46:08Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳(メタデータ) (2020-12-08T16:30:43Z)
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。