論文の概要: Forecasting Trends in Food Security: a Reservoir Computing Approach
- arxiv url: http://arxiv.org/abs/2312.00626v2
- Date: Wed, 20 Dec 2023 15:05:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 18:49:37.614180
- Title: Forecasting Trends in Food Security: a Reservoir Computing Approach
- Title(参考訳): 食品安全保障のトレンド予測--貯水池コンピューティングのアプローチ
- Authors: Joschka Herteux, Christoph R\"ath, Amine Baha, Giulia Martini, Duccio
Piovani
- Abstract要約: 我々は、マリ、ナイジェリア、シリア、イエメンの4カ国で、60日間連続して食料消費の水準を予測するための新しい定量的方法論を提案する。
この手法は、World Food Programmeのグローバル飢餓監視システムから入手可能なデータに基づいて構築されている。
- 参考スコア(独自算出の注目度): 0.8437187555622164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early warning systems are an essential tool for effective humanitarian
action. Advance warnings on impending disasters facilitate timely and targeted
response which help save lives, livelihoods, and scarce financial resources. In
this work we present a new quantitative methodology to forecast levels of food
consumption for 60 consecutive days, at the sub-national level, in four
countries: Mali, Nigeria, Syria, and Yemen. The methodology is built on
publicly available data from the World Food Programme's integrated global
hunger monitoring system which collects, processes, and displays daily updates
on key food security metrics, conflict, weather events, and other drivers of
food insecurity across 90 countries (https://hungermap.wfp.org/). In this
study, we assessed the performance of various models including ARIMA, XGBoost,
LSTMs, CNNs, and Reservoir Computing (RC), by comparing their Root Mean Squared
Error (RMSE) metrics. This comprehensive analysis spanned classical
statistical, machine learning, and deep learning approaches. Our findings
highlight Reservoir Computing as a particularly well-suited model in the field
of food security given both its notable resistance to over-fitting on limited
data samples and its efficient training capabilities. The methodology we
introduce establishes the groundwork for a global, data-driven early warning
system designed to anticipate and detect food insecurity.
- Abstract(参考訳): 早期警戒システムは効果的な人道行動に不可欠な手段である。
差し迫った災害に対する前向きな警告は、タイムリーで目標とする対応を促進し、生活、生活、金融資源の不足を救える。
本研究は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測するための新しい定量的方法論を提案する。
この手法は、世界食糧プログラムが統合した飢餓モニタリングシステムから入手可能なデータに基づいて構築されており、90か国にわたる主要な食料安全保障指標、紛争、気象イベント、その他の食料不安全の要因に関する毎日のアップデートを収集、処理、表示している(https://hungermap.wfp.org/)。
本研究では, ARIMA, XGBoost, LSTMs, CNNs, Reservoir Computing (RC) などのモデルの性能を, Root Mean Squared Error (RMSE) との比較により評価した。
この包括的な分析は、古典統計学、機械学習、ディープラーニングのアプローチに及んでいる。
その結果,リザーバコンピューティングは,限られたデータサンプルの過剰充填に対する強い抵抗と効率的なトレーニング能力の両方を考慮し,食品セキュリティの分野において特に適したモデルとして注目された。
本手法は,食品の安全性の予測と検出を目的とした,グローバルなデータ駆動早期警報システムの基盤となる。
関連論文リスト
- From Canteen Food to Daily Meals: Generalizing Food Recognition to More
Practical Scenarios [92.58097090916166]
DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。
これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
論文 参考訳(メタデータ) (2024-03-12T08:32:23Z) - Towards an end-to-end artificial intelligence driven global weather
forecasting system [56.58654971803005]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが希少な地球観測を同化して高品質な分析を行うことを示す。
我々は,提案手法を実世界のシナリオに適用した最初の人物である。
論文 参考訳(メタデータ) (2023-12-18T09:05:28Z) - Revolutionizing Global Food Security: Empowering Resilience through
Integrated AI Foundation Models and Data-Driven Solutions [8.017557640367938]
本稿では,食品セキュリティアプリケーションにおけるAIファンデーションモデルの統合について検討する。
本研究は, 収穫型マッピング, 耕作地マッピング, フィールドデライン化, 収穫量予測における利用状況について検討した。
論文 参考訳(メタデータ) (2023-10-31T09:15:35Z) - Food Image Classification and Segmentation with Attention-based Multiple
Instance Learning [51.279800092581844]
本稿では,食品画像分類とセマンティックセグメンテーションモデルを訓練するための弱教師付き方法論を提案する。
提案手法は、注意に基づくメカニズムと組み合わせて、複数のインスタンス学習アプローチに基づいている。
提案手法の有効性を検証するため,FoodSeg103データセット内の2つのメタクラスについて実験を行った。
論文 参考訳(メタデータ) (2023-08-22T13:59:47Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳(メタデータ) (2023-05-03T05:16:54Z) - A Framework for Evaluating the Impact of Food Security Scenarios [0.0]
このケーススタディは、国連食糧農業機関(FAOSTAT)、世界銀行、米国農務省(USDA)のデータを用いて作成された、独自の時系列食品セキュリティデータベースに基づいている。
提案手法は,食品セキュリティにおけるシナリオの潜在的な影響を予測するために,また,この手法をサポートするために,独自の時系列食品セキュリティデータベースを使用することができる。
論文 参考訳(メタデータ) (2023-01-23T08:41:46Z) - Online Class-Incremental Learning For Real-World Food Image
Classification [8.438092346233054]
文化的、経済的、個人的影響によって形成された実世界の食品消費パターンは、動的かつ進化的なデータを含んでいる。
Online Class Incremental Learning (OCIL)は、シングルパスのデータストリームから継続的に学習するという課題に対処する。
本稿では,既存のER法用に設計された動的モデル更新モジュールについて述べる。
論文 参考訳(メタデータ) (2023-01-12T19:00:27Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Fine-grained prediction of food insecurity using news streams [9.04748106111465]
深層学習の最近の進歩を活用して,1980年から2020年にかけて発行されたニュース記事から,食品危機に対する高周波前駆体を抽出する。
私たちのテキスト機能は、既存のデータによって因果的に基礎付けられ、解釈可能で、検証され、既存のモデルよりも32%の食糧危機を予測できます。
論文 参考訳(メタデータ) (2021-11-17T17:35:00Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳(メタデータ) (2021-08-06T05:46:01Z) - Food safety risk prediction with Deep Learning models using categorical
embeddings on European Union data [1.4502611532302039]
欧州連合(EU)は1977年に、国境を越えた監視を確保するため、取引された商品に関する不規則事項を登録し始めた。
食品問題に関連するデータは、将来の通知のいくつかの機能を予測するために、機械学習技術によって取り除かれ分析された。
その結果,74.08%から93.06%の精度でこれらの特徴を予測できることがわかった。
論文 参考訳(メタデータ) (2020-09-14T19:36:58Z)
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。