論文の概要: Transforming Agriculture with Intelligent Data Management and Insights
- arxiv url: http://arxiv.org/abs/2401.13672v1
- Date: Tue, 7 Nov 2023 22:02:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:43:41.102992
- Title: Transforming Agriculture with Intelligent Data Management and Insights
- Title（参考訳）: インテリジェントなデータ管理と洞察で農業を変える
- Authors: Yu Pan, Jianxin Sun, Hongfeng Yu, Geng Bai, Yufeng Ge, Joe Luck, Tala
Awada
- Abstract要約: 現代の農業は、気候変動と天然資源の枯渇の制約の下で、食料、燃料、飼料、繊維の需要の増加に対応するための大きな課題に直面している。
データ革新は、アグロエコシステムの生産性、持続可能性、レジリエンスの確保と改善に緊急に必要です。
- 参考スコア（独自算出の注目度）: 3.027257459810039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern agriculture faces grand challenges to meet increased demands for food,
fuel, feed, and fiber with population growth under the constraints of climate
change and dwindling natural resources. Data innovation is urgently required to
secure and improve the productivity, sustainability, and resilience of our
agroecosystems. As various sensors and Internet of Things (IoT) instrumentation
become more available, affordable, reliable, and stable, it has become possible
to conduct data collection, integration, and analysis at multiple temporal and
spatial scales, in real-time, and with high resolutions. At the same time, the
sheer amount of data poses a great challenge to data storage and analysis, and
the \textit{de facto} data management and analysis practices adopted by
scientists have become increasingly inefficient. Additionally, the data
generated from different disciplines, such as genomics, phenomics, environment,
agronomy, and socioeconomic, can be highly heterogeneous. That is, datasets
across disciplines often do not share the same ontology, modality, or format.
All of the above make it necessary to design a new data management
infrastructure that implements the principles of Findable, Accessible,
Interoperable, and Reusable (FAIR). In this paper, we propose Agriculture Data
Management and Analytics (ADMA), which satisfies the FAIR principles. Our new
data management infrastructure is intelligent by supporting semantic data
management across disciplines, interactive by providing various data
management/analysis portals such as web GUI, command line, and API, scalable by
utilizing the power of high-performance computing (HPC), extensible by allowing
users to load their own data analysis tools, trackable by keeping track of
different operations on each file, and open by using a rich set of mature open
source technologies.
- Abstract（参考訳）: 現代の農業は、気候変動と天然資源の枯渇の制約の下で、人口増加に伴う食料、燃料、飼料、繊維の需要の増加に対応するための大きな課題に直面している。
データ革新は、アグロエコシステムの生産性、持続可能性、レジリエンスの確保と改善に緊急に必要です。
さまざまなセンサやIoT(Internet of Things)インスツルメンテーションがより利用でき、安価で、信頼性が高く、安定しているため、データ収集、統合、分析を複数の時間的、空間的スケール、リアルタイム、高解像度で実施することが可能になった。
同時に、膨大なデータ量がデータストレージと分析にとって大きな課題となり、科学者が採用するデータ管理と分析のプラクティスである \textit{de facto} はますます非効率になっている。
さらに、ゲノミクス、フェノミクス、環境、農業、社会経済といった異なる分野から生成されたデータは、非常に異種である。
つまり、規律を越えたデータセットは、しばしば同じオントロジー、モダリティ、フォーマットを共有しない。
以上はすべて、発見可能、アクセス可能、相互運用可能、再利用可能な(fair)の原則を実装する、新しいデータ管理インフラストラクチャを設計する必要がある。
本稿では,FAIRの原則を満たす農業データ管理・分析(ADMA)を提案する。
我々の新しいデータ管理インフラは、分野によってセマンティックなデータ管理をサポートし、Web GUI、コマンドライン、APIなどのさまざまなデータ管理/分析ポータルを提供し、ハイパフォーマンスコンピューティング(HPC)のパワーを活用してスケーラブルで、ユーザが独自のデータ分析ツールをロードして拡張可能で、各ファイル上のさまざまな操作を追跡して追跡可能で、リッチな成熟したオープンソース技術を使用してオープンで、インタラクティブです。
関連論文リスト
- Building Multi-Agent Copilot towards Autonomous Agricultural Data Management and Analysis [2.763670421921841]
我々はADMA Copilotと呼ばれる概念実証マルチエージェントシステムを構築し,ユーザの意図を理解する。
ADMA Copilotは、LSMベースのコントローラ、入力フォーマッター、出力フォーマッターの3つのエージェントが協調して、自動的にタスクを実行する。
論文 参考訳（メタデータ） (2024-10-31T20:15:14Z) - Synthetic Data Generation with Large Language Models for Personalized Community Question Answering [47.300506002171275]
既存のデータセットであるSE-PQAに基づいてSy-SE-PQAを構築します。
以上の結果から,LCMはユーザのニーズに合わせてデータを生成する可能性が高いことが示唆された。
合成データは、たとえ生成されたデータが誤った情報を含むとしても、人書きのトレーニングデータを置き換えることができる。
論文 参考訳（メタデータ） (2024-10-29T16:19:08Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Semantic Modelling of Organizational Knowledge as a Basis for Enterprise
Data Governance 4.0 -- Application to a Unified Clinical Data Model [6.302916372143144]
メタデータ駆動、アジャイル、および(半自動化された)データガバナンスを可能にする、シンプルでコスト効率のよいフレームワークを確立します。
本稿では,25年間の臨床研究データを企業規模で完全に生産的な環境で統合するために,このフレームワークの実装と利用について説明する。
論文 参考訳（メタデータ） (2023-10-20T19:36:03Z) - Dynamic Spatio-Temporal Summarization using Information Based Fusion [3.038642416291856]
本稿では,重要な時間経過における情報的特徴を識別し,少ない情報的特徴を融合する動的時間的データ要約手法を提案する。
既存の手法とは異なり,本手法は生と要約の両方のタイムステップを保持し,時間とともに情報の変化を包括的に把握する。
我々は,粒子ベースのフローシミュレーション,セキュリティと監視の応用,免疫システム内の生体細胞間相互作用など,多様なデータセットにまたがる手法の汎用性を実証した。
論文 参考訳（メタデータ） (2023-10-02T20:21:43Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - A Transformer Framework for Data Fusion and Multi-Task Learning in Smart
Cities [99.56635097352628]
本稿では,新興スマートシティを対象としたトランスフォーマーベースのAIシステムを提案する。
ほぼ全ての入力データと出力タスクタイプをサポートし、現在のS&CCをサポートする。
S&CC環境を代表する多様なタスクセットを学習して実演する。
論文 参考訳（メタデータ） (2022-11-18T20:43:09Z) - Scalable Modular Synthetic Data Generation for Advancing Aerial Autonomy [2.9005223064604078]
本稿では,自律飛行に適したスケーラブルなAerial Synthetic Data Augmentation (ASDA) フレームワークを提案する。
ASDAは、シーンとデータ拡張を自動的に実行する2つのスクリプト可能なパイプラインを備えた中央データ収集エンジンを拡張している。
多様なデータセットを自動生成する手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-11-10T04:37:41Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - Crop Knowledge Discovery Based on Agricultural Big Data Integration [2.597676155371155]
農業データは、IoT(Internet of Thing)、センサー、衛星、気象観測所、ロボット、農業機器、農業実験所、農家、政府機関、農業機関など、さまざまなソースを通じて生成される。
本稿では,他のデータセットやビッグデータモデルを組み込むのに十分なフレキシブルなコンステレーションスキーマを用いた農業データ統合手法を提案する。
論文 参考訳（メタデータ） (2020-03-11T00:13:17Z)
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。