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

• Inter-Series Transformer: Attending to Products in Time Series Forecasting [5.459207333107234]
  我々は,共有マルチタスク毎の時系列ネットワークを用いたトランスフォーマーに基づく新しい予測手法を開発した。 医療機器製造会社における需要予測の改善に本手法を適用したケーススタディを提案する。
  論文  参考訳（メタデータ） (2024-08-07T16:22:21Z)
• Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression [0.0]
  本研究では,日頭電力価格の点予測を確率的値に変換するための3つのポストプロセッシング手法について検討する。 後者は最も多様な振る舞いを示すが、予測分布のアンサンブルに最も寄与する。 注目すべきことに、この組み合わせのパフォーマンスは、ドイツとスペインの電力市場から4.5年間のテスト期間において、最先端の分散ディープニューラルネットワークよりも優れている。
  論文  参考訳（メタデータ） (2024-04-02T19:50:36Z)
• Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
  本稿では,ドイツの日内取引市場における電力価格のベイズ予測に関する第1報について述べる。 検証には2022年の極端に不安定な電力価格を使用します。 我々は、電気価格予測における特徴選択にLASSOを用いるという宣言されたゴールド標準に挑戦し、OMPがより良い予測性能をもたらすという強い統計的証拠を提示する。
  論文  参考訳（メタデータ） (2024-03-08T16:51:27Z)
• 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)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• 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 [54.17205151960878]
  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)
• 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。