論文の概要: Mining Explainable Predictive Features for Water Quality Management

• arxiv url: http://arxiv.org/abs/2212.04419v2
• Date: Fri, 9 Dec 2022 15:47:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 14:53:18.367419
• Title: Mining Explainable Predictive Features for Water Quality Management
• Title（参考訳）: 水質管理のための鉱業説明可能な予測特性
• Authors: Conor Muldoon, Levent G\"org\"u, John J. O'Sullivan, Wim G. Meijer, Gregory M. P. O'Hare
• Abstract要約: 本稿では,空間領域上の様々な変数を表す特徴を収集するプロセスを開発する。 モデルとShapley値を用いて特徴量の解析を行う。 いくつかの機械学習アルゴリズムとダブリン・グランドカナル盆地の水質データを用いて評価を行った。
• 参考スコア（独自算出の注目度）: 2.1629199031479396
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With water quality management processes, identifying and interpreting relationships between features, such as location and weather variable tuples, and water quality variables, such as levels of bacteria, is key to gaining insights and identifying areas where interventions should be made. There is a need for a search process to identify the locations and types of phenomena that are influencing water quality and a need to explain how the quality is being affected and which factors are most relevant. This paper addresses both of these issues. A process is developed for collecting data for features that represent a variety of variables over a spatial region and which are used for training models and inference. An analysis of the performance of the features is undertaken using the models and Shapley values. Shapley values originated in cooperative game theory and can be used to aid in the interpretation of machine learning results. Evaluations are performed using several machine learning algorithms and water quality data from the Dublin Grand Canal basin.
• Abstract（参考訳）: 水質管理のプロセスでは、位置や気象変化のタプルのような特徴と、細菌のレベルのような水質の変数の間の関係を識別し、解釈することが、介入を行うべき領域の洞察と特定の鍵となる。 水質に影響を及ぼす現象の場所や種類を探索するプロセスが必要であり、品質がどのように影響され、どの要因が最も関連しているかを説明する必要がある。 本稿ではこれらの問題に対処する。 空間領域上の様々な変数を表現し、モデルや推論のトレーニングに使用される特徴量のためのデータ収集プロセスを開発した。 モデルとシャプリー値を用いて特徴量の性能解析を行う。 共有値は協調ゲーム理論に起源を持ち、機械学習の結果の解釈を助けるために使用できる。 ダブリン大運河流域のいくつかの機械学習アルゴリズムと水質データを用いて評価を行う。

関連論文リスト

• Normalization in Proportional Feature Spaces [49.48516314472825]
  データ表現、特徴付け、可視化、分析、比較、分類、モデリングにおいて、正規化は重要な中心的な役割を果たす。 適切な正規化手法の選択は、関連する特徴の種類と特徴を考慮する必要がある。
  論文  参考訳（メタデータ） (2024-09-17T17:46:27Z)
• Time Series Predictions in Unmonitored Sites: A Survey of Machine Learning Techniques in Water Resources [10.307058787085094]
  モニタリングされていない場所での動的環境変数の予測は、水資源科学の長年の課題である。 現代の機械学習手法は、水文時系列予測のためのプロセスベースおよび経験的モデルよりもますます優れている。 ストリームフロー,水質,その他の水資源予測における機械学習の最先端技術応用について概説する。
  論文  参考訳（メタデータ） (2023-08-18T18:30:33Z)
• On the choice of training data for machine learning of geostrophic mesoscale turbulence [0.34376560669160383]
  データ」は、データ駆動手法において中心的な役割を果たすが、機械学習アルゴリズムの研究に焦点をあてることはあまりない。 横境界の存在下での回転成層乱流における渦-平均相互作用について考察する。
  論文  参考訳（メタデータ） (2023-07-03T03:43:21Z)
• Data Quality in Imitation Learning [15.939363481618738]
  ロボット工学のオフライン学習では、インターネットのスケールデータがないだけで、高品質なデータセットが必要なのです。 これは特に、専門家によるデモンストレーションを用いたロボット学習のためのサンプル効率のよいパラダイムである模倣学習(IL)において当てはまる。 本研究では,分散シフトのレンズによる模倣学習のためのデータ品質の形式化に向けた第一歩を踏み出す。
  論文  参考訳（メタデータ） (2023-06-04T18:48:32Z)
• A Graph-Based Modeling Framework for Tracing Hydrological Pollutant Transport in Surface Waters [0.0]
  本稿では,水系,河川,流域を横断する汚染物質輸送と運命を理解するためのグラフモデリングフレームワークを提案する。 グラフ表現は、接続性をキャプチャし、上流の汚染物質源を特定するための直感的なアプローチを提供する。 我々のツールは、ステークホルダーが効果的な汚染防止・軽減のプラクティスを設計するのを助けようとしている。
  論文  参考訳（メタデータ） (2023-02-10T00:30:38Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Architectural Optimization and Feature Learning for High-Dimensional Time Series Datasets [0.7388859384645262]
  重力波検出器における過渡ノイズアーチファクトの存在を予測する問題について検討する。 従来の技術と比較して誤差率を60%以上削減するモデルを導入する。
  論文  参考訳（メタデータ） (2022-02-27T23:41:23Z)
• Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
  本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。 提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。 我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
  論文  参考訳（メタデータ） (2021-11-25T17:33:12Z)
• Hybrid and Automated Machine Learning Approaches for Oil Fields Development: the Case Study of Volve Field, North Sea [58.720142291102135]
  本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。 我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。 実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
  論文  参考訳（メタデータ） (2021-03-03T18:51:46Z)
• The role of feature space in atomistic learning [62.997667081978825]
  物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。 異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。 原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
  論文  参考訳（メタデータ） (2020-09-06T14:12:09Z)
• What is being transferred in transfer learning? [51.6991244438545]
  事前訓練した重量からトレーニングを行うと、モデルは損失景観の同じ流域に留まることを示す。 事前学習した重みからトレーニングする場合、モデルは損失ランドスケープの同じ流域に留まり、そのようなモデルの異なるインスタンスは特徴空間と類似しており、パラメータ空間は近接している。
  論文  参考訳（メタデータ） (2020-08-26T17:23:40Z)

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。