論文の概要: Causality and Explainability for Trustworthy Integrated Pest Management

• arxiv url: http://arxiv.org/abs/2312.04343v1
• Date: Thu, 7 Dec 2023 15:05:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 14:29:00.198237
• Title: Causality and Explainability for Trustworthy Integrated Pest Management
• Title（参考訳）: 信頼できる総合害虫管理の因果性と説明可能性
• Authors: Ilias Tsoumas, Vasileios Sitokonstantinou, Georgios Giannarakis, Evagelia Lampiri, Christos Athanassiou, Gustau Camps-Valls, Charalampos Kontoes, Ioannis Athanasiadis
• Abstract要約: 統合農薬管理(IPM)は、農薬の代替品である。 IPMは、その可能性にもかかわらず、農家の有効性に対する懐疑的なため、採用率の低下に直面している。 我々は、IMMの採用を促進するために、高度なデータ分析フレームワークを導入します。
• 参考スコア（独自算出の注目度）: 7.959785949113534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pesticides serve as a common tool in agricultural pest control but significantly contribute to the climate crisis. To combat this, Integrated Pest Management (IPM) stands as a climate-smart alternative. Despite its potential, IPM faces low adoption rates due to farmers' skepticism about its effectiveness. To address this challenge, we introduce an advanced data analysis framework tailored to enhance IPM adoption. Our framework provides i) robust pest population predictions across diverse environments with invariant and causal learning, ii) interpretable pest presence predictions using transparent models, iii) actionable advice through counterfactual explanations for in-season IPM interventions, iv) field-specific treatment effect estimations, and v) assessments of the effectiveness of our advice using causal inference. By incorporating these features, our framework aims to alleviate skepticism and encourage wider adoption of IPM practices among farmers.
• Abstract（参考訳）: 農薬は農薬管理において一般的な道具であるが、気候危機に大きく貢献する。 これに対抗するため、IPM(Integrated Pest Management)は温暖化対策である。 その可能性にもかかわらず、IPMはその有効性に対する農家の懐疑主義のために採用率が低い。 この課題に対処するため,IMM導入を促進するための高度なデータ分析フレームワークを導入する。 私たちのフレームワークは 一 多様性及び因果学習を有する多様な環境にまたがる堅牢な害虫集団予測 二 透明なモデルを用いた解釈可能な害虫存在予測 三 シーズン内IPM介入の事実説明による実行可能な助言 四 フィールド固有の治療効果の推定及び 五 因果推論を用いた助言の有効性の評価 これらの特徴を取り入れることで、懐疑主義を緩和し、農家におけるIMM実践の普及を促進することを目的としている。

関連論文リスト

• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• GPT-4 as Evaluator: Evaluating Large Language Models on Pest Management in Agriculture [7.458004824488893]
  農業、特に害虫管理における大規模言語モデル(LLM)の適用は、まだ初期段階である。 我々は,OpenAIのGenerative Pre-trained Transformer(GPT)シリーズやGoogleのFLANシリーズなど,LLMsが生み出す害虫管理アドバイスの内容を評価することで,その実現可能性を証明することを目的とした。 我々は, GPT-4 を評価指標として, コヒーレンス, 論理的一貫性, 頻度, 妥当性, 包括性, 露出性について, 生成した内容を評価する革新的な手法を提案した。
  論文  参考訳（メタデータ） (2024-03-18T15:08:01Z)
• Learning-based agricultural management in partially observable environments subject to climate variability [5.5062239803516615]
  農業経営は、作物の収量、経済的な利益性、環境の持続可能性において中心的な役割を担っている。 我々は、深層強化学習(DRL)とリカレントニューラルネットワーク(RNN)を統合する革新的なフレームワークを導入する。 本研究は,極度の気象条件下での新たな最適政策を得るために,エージェント再訓練の必要性を照らすものである。
  論文  参考訳（メタデータ） (2024-01-02T16:18:53Z)
• 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)
• Mimicking Better by Matching the Approximate Action Distribution [48.95048003354255]
  そこで我々は,Imitation Learning from Observationsのための新しい,サンプル効率の高いオンライン政治アルゴリズムMAADを紹介する。 我々は、専門家のパフォーマンスを達成するためには、かなり少ないインタラクションが必要であり、現在最先端の政治手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T12:43:47Z)
• Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
  本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。 ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。 バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
  論文  参考訳（メタデータ） (2022-11-30T12:20:08Z)
• Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in Partially Observed Markov Decision Processes [65.91730154730905]
  医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。 ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。 我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
  論文  参考訳（メタデータ） (2021-10-28T17:46:14Z)
• Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19 [9.11149442423076]
  本稿では、公共衛生データを第3のクライアントデータとシームレスに統合し、コミュニティを再オープンするリスクを正確に見積もるフレキシブルなエンドツーエンドソリューションを提案する。 中心となるのは、トランスミッションとモビリティのトレンドを自動キャプチャする最先端の予測モデルだ。
  論文  参考訳（メタデータ） (2021-06-03T19:26:37Z)
• Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
  AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。 円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。 その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
  論文  参考訳（メタデータ） (2020-12-24T06:21:53Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Ensuring Fairness under Prior Probability Shifts [8.120457495747766]
  本研究では,事前確率シフトの存在下での公平な分類の問題について検討する。 この現象は、いくつかの実世界のデータセットの年次記録に見ることができる。 本稿では,CAPE が PE-fairness を保証するために最小化を試みている Prevalence difference (PD) と呼ばれる指標を提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:07:05Z)

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。