Fugu-MT 論文翻訳(概要): Monitoring Sustainable Global Development Along Shared Socioeconomic Pathways

論文の概要: Monitoring Sustainable Global Development Along Shared Socioeconomic Pathways

arxiv url: http://arxiv.org/abs/2312.04416v1
Date: Thu, 7 Dec 2023 16:38:20 GMT
ステータス: 処理完了
システム内更新日: 2023-12-08 14:06:06.147295
Title: Monitoring Sustainable Global Development Along Shared Socioeconomic Pathways
Title（参考訳）: 共有社会経済経路による持続的世界発展のモニタリング
Authors: Michelle W.L. Wan, Jeffrey N. Clark, Edward A. Small, Elena Fillola Mayoral, Ra\'ul Santos-Rodr\'iguez
Abstract要約: 共有社会経済経路(SSP)に沿って持続可能な開発を監視・定量化する手法を提案する。数学的に派生したスコアリングアルゴリズムと機械学習の手法です最初の研究は有望な成果を示し、持続可能なグローバル開発監視に様々な手法を適用するための基礎を築き上げている。
参考スコア（独自算出の注目度）: 0.47725505365135473
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sustainable global development is one of the most prevalent challenges facing the world today, hinging on the equilibrium between socioeconomic growth and environmental sustainability. We propose approaches to monitor and quantify sustainable development along the Shared Socioeconomic Pathways (SSPs), including mathematically derived scoring algorithms, and machine learning methods. These integrate socioeconomic and environmental datasets, to produce an interpretable metric for SSP alignment. An initial study demonstrates promising results, laying the groundwork for the application of different methods to the monitoring of sustainable global development.
Abstract（参考訳）: 持続可能なグローバル開発は、社会経済の成長と環境持続可能性の均衡に焦点を合わせ、今日、世界が直面している最も一般的な課題の1つだ。本稿では,数学的に導出されるスコアリングアルゴリズムや機械学習手法を含む共有社会経済経路(ssps)に沿って,持続可能な発展をモニタし,定量化する手法を提案する。これらは社会経済と環境データセットを統合し、SSPアライメントの解釈可能な指標を生成する。最初の研究は有望な結果を示し、持続可能なグローバル開発のモニタリングに異なる方法を適用するための基礎を築いている。

関連論文リスト

Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
国連2030アジェンダ・フォー・サステナブル・ディベロップメントは、世界的課題に取り組むための17の目標を概説している。 SDGの進歩は、地理的、文化的、社会経済的要因に大きく影響されている。 2030年までにすべての目標を達成する国はない。
論文参考訳（メタデータ） (2024-09-19T03:10:49Z)
ExioML: Eco-economic dataset for Machine Learning in Global Sectoral Sustainability [11.925553950065895]
本稿では,サステナビリティ分析用に設計された最初の機械学習ベンチマークデータセットであるExioMLを紹介する。セクターサステナビリティを評価し,データセットのユーザビリティを実証するために,温室効果ガスのレグレッションタスクを実施した。
論文参考訳（メタデータ） (2024-06-11T17:06:34Z)
Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
論文参考訳（メタデータ） (2024-04-25T15:59:16Z)
Bangladesh Agricultural Knowledge Graph: Enabling Semantic Integration and Data-driven Analysis--Full Version [0.0]
我々はバングラデシュの農業データを統合する連合知識グラフを開発した。 BDAKGは多次元意味論を取り入れ、外部知識グラフとリンクし、OLAPと互換性があり、FAIRの原則に準拠している。
論文参考訳（メタデータ） (2024-03-18T16:19:30Z)
Towards Sustainable Development: A Novel Integrated Machine Learning Model for Holistic Environmental Health Monitoring [0.0]
都市化は経済成長を可能にするが、劣化によって環境を害する。機械学習は、主要な予測的特徴を特定することによって環境劣化を追跡するための有望なツールとして登場した。本研究の目的は、介入点の特定、計画と保全の取り組みの改善、そして究極的には持続可能な開発への貢献を支援することである。
論文参考訳（メタデータ） (2023-08-20T16:35:21Z)
A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文参考訳（メタデータ） (2023-07-01T15:18:00Z)
Broadening the perspective for sustainable AI: Comprehensive sustainability criteria and indicators for AI systems [0.0]
本稿では,「持続可能なAI」に対する包括的視点の要求の実証に向けての一歩を踏み出す。 SCAIS Frameworkは、持続可能なAIと67の指標のための19の持続可能性基準を含んでいる。
論文参考訳（メタデータ） (2023-06-22T18:00:55Z)
GreenDB -- A Dataset and Benchmark for Extraction of Sustainability Information of Consumer Goods [58.31888171187044]
毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
論文参考訳（メタデータ） (2022-07-21T19:59:42Z)
SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
論文参考訳（メタデータ） (2021-11-08T18:59:04Z)
Using satellite imagery to understand and promote sustainable development [87.72561825617062]
持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
論文参考訳（メタデータ） (2020-09-23T05:20:00Z)
Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
論文参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。