論文の概要: EBV: Electronic Bee-Veterinarian for Principled Mining and Forecasting
of Honeybee Time Series
- arxiv url: http://arxiv.org/abs/2402.01902v1
- Date: Fri, 2 Feb 2024 21:05:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 23:24:13.151539
- Title: EBV: Electronic Bee-Veterinarian for Principled Mining and Forecasting
of Honeybee Time Series
- Title（参考訳）: EBV:ハチタイムシリーズの原則的マイニングと予測のための電子ビーベテリナリアン
- Authors: Mst. Shamima Hossain, Christos Faloutsos, Boris Baer, Hyoseung Kim,
Vassilis J. Tsotras
- Abstract要約: ハチは受粉や食糧生産に欠かせない。そのような過酷さを予想すれば、養蜂家は早期に予防措置をとることができる。
予測は予期せぬ行動を見つけるのに役立ち、養蜂家に対して警告を発する。
本稿では,以下の望ましい特性を有するEBV法を提案する。
- 参考スコア（独自算出の注目度）: 12.864182706861003
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Honeybees are vital for pollination and food production. Among many factors,
extreme temperature (e.g., due to climate change) is particularly dangerous for
bee health. Anticipating such extremities would allow beekeepers to take early
preventive action. Thus, given sensor (temperature) time series data from
beehives, how can we find patterns and do forecasting? Forecasting is crucial
as it helps spot unexpected behavior and thus issue warnings to the beekeepers.
In that case, what are the right models for forecasting? ARIMA, RNNs, or
something else?
We propose the EBV (Electronic Bee-Veterinarian) method, which has the
following desirable properties: (i) principled: it is based on a) diffusion
equations from physics and b) control theory for feedback-loop controllers;
(ii) effective: it works well on multiple, real-world time sequences, (iii)
explainable: it needs only a handful of parameters (e.g., bee strength) that
beekeepers can easily understand and trust, and (iv) scalable: it performs
linearly in time. We applied our method to multiple real-world time sequences,
and found that it yields accurate forecasting (up to 49% improvement in RMSE
compared to baselines), and segmentation. Specifically, discontinuities
detected by EBV mostly coincide with domain expert's opinions, showcasing our
approach's potential and practical feasibility. Moreover, EBV is scalable and
fast, taking about 20 minutes on a stock laptop for reconstructing two months
of sensor data.
- Abstract（参考訳）: ハチは受粉と食糧生産に不可欠である。
多くの要因のうち、極端な温度(例えば気候変動による)は特にハチの健康にとって危険である。
このような極端さを期待すれば、養蜂家は早期予防行動を取ることができる。
したがって、ハチからのセンサー(温度)時系列データがあれば、どのようにパターンを見つけ、予測できるのか?
予測は予期せぬ行動を発見し、養蜂家に対して警告を出すのに役立つため重要である。
その場合、予測に適切なモデルは何ですか?
アリマとかrnnとか?
EBV法(Electronic Bee-Veterinarian)を提案する。
(i)原則;それに基づく
a) 物理学からの拡散方程式及び
ロ フィードバックループ制御装置の制御理論
(ii)有効:複数の実世界の時系列でうまく機能する。
(iii)説明可能:養蜂家が容易に理解し信頼できるパラメータ(蜂の強さなど)はほんの一握りでなければならない。
(iv) スケーラブル: 時間的に線形に動作します。
提案手法を実世界の複数の時系列に適用したところ,精度の高い予測(RMSEはベースラインに比べて最大49%改善)とセグメンテーションが得られた。
具体的には、EBVによって検出された不連続性は、主にドメイン専門家の意見と一致し、我々のアプローチの可能性と実用可能性を示している。
さらに、EBVはスケーラブルで高速で、2ヶ月のセンサーデータを再構築するためにストックラップトップで約20分かかる。
関連論文リスト
- Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - Enhancing Pollinator Conservation towards Agriculture 4.0: Monitoring of Bees through Object Recognition [0.6334523276812193]
本稿では,ハチの行動の自律的追跡・報告にコンピュータビジョンと物体認識を用いる方法について検討する。
ビデオストリームから蜂を含む9664画像の新しいデータセットを抽出し、バウンディングボックスで注釈付けする。
トレーニングされたモデルは、説明可能なAIインターフェース内にパッケージされ、検出イベントをタイムスタンプされたレポートとチャートに変換する。
論文 参考訳（メタデータ） (2024-05-24T10:45:24Z) - GVFs in the Real World: Making Predictions Online for Water Treatment [23.651798878534635]
実際の飲料水処理プラントにおける強化学習に基づく予測手法の適用について検討する。
まず、このデータセットを説明し、季節性、非定常性、部分観測可能性といった課題を強調します。
オンラインで学習するTDエージェントに対してオンライン更新を行わずに、純粋にオフラインで訓練されたTDエージェントを比較して、デプロイメントにおける学習の重要性を示す。
論文 参考訳（メタデータ） (2023-12-04T04:49:10Z) - 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) - CyFormer: Accurate State-of-Health Prediction of Lithium-Ion Batteries
via Cyclic Attention [1.4542411354617986]
本稿では, 変圧器を用いた健康状態(SoH)予測のための周期時間列モデルを提案する。
本手法では,テストバッテリを微調整するための10%のデータのみを用いて,0.75%のMAEが得られる。
論文 参考訳（メタデータ） (2023-04-17T02:16:40Z) - A Machine Learning Approach to Forecasting Honey Production with
Tree-Based Methods [0.0]
我々は,ハチミツ生産のドライバを木ベースの方法で切り離し,イタリアにおけるハチミツ生産の変動を予測する。
このデータベースは、2019年から2022年にかけての何百ものビーヒーブデータを、高度な精度のビーキーピング技術でカバーしている。
論文 参考訳（メタデータ） (2023-03-30T07:21:51Z) - Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。
我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
論文 参考訳（メタデータ） (2022-04-05T12:52:45Z) - Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。
本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。
ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
論文 参考訳（メタデータ） (2021-12-15T15:17:02Z) - Interval-censored Hawkes processes [82.87738318505582]
本研究では,Hawkesプロセスのパラメータを間隔制限設定で推定するモデルを提案する。
我々は、ホークス族に対する非均質近似が、間隔検閲された設定において牽引可能な可能性を認めている方法を示す。
論文 参考訳（メタデータ） (2021-04-16T07:29:04Z) - Improving Event Duration Prediction via Time-aware Pre-training [90.74988936678723]
持続時間予測に有効な2つのモデルを提案する。
1つのモデルは、期間値が該当する範囲/単位を予測し(R−pred)、もう1つのモデルは正確な期間値E−predを予測する。
我々の最良のモデル -- E-pred は、以前の作業よりも大幅に優れ、R-pred よりも正確に持続時間情報をキャプチャします。
論文 参考訳（メタデータ） (2020-11-05T01:52:11Z) - Anomaly Detection in Beehives using Deep Recurrent Autoencoders [3.449808359602251]
本稿では、その起源に依存しないデータの任意の種類の異常を検出するディープラーニングモデルであるオートエンコーダを提案する。
我々のモデルは、単純なルールベースのSwarm検出アルゴリズムと同一のSwarmを明らかにすることができるが、他の異常によっても引き起こされる。
論文 参考訳（メタデータ） (2020-03-10T08:39:37Z)
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。